明确 AI 要完成的具体任务，按「核心目标→关键约束→边界条件→过往相关信息」顺序整理背景，每条标注信息来源与时间，避免模糊描述，确保 AI 能精准匹配需求，减少来回调整。
适用场景：当 AI 输出不符合预期、需 AI 处理多步骤复杂任务、要 AI 生成符合特定规则的内容时，需提供足够背景。不适用场景：仅需 AI 生成简单通用内容（如一句话问候）、临时一次性无后续关联的提问，此时无需复杂背景，简洁提问即可。
先把任务拆解为可验证的动作，比如不是「写方案」而是「生成符合 3 个核心指标的季度方案」，避免模糊表述，这是让 AI 精准响应的基础，多数人省略具体指标会导致输出偏离需求。
按「必须遵守的规则」「不能触碰的红线」「可调整的范围」分类整理，比如「必须用指定语言」「不能提及竞品」「可包含案例参考」，这类约束是 AI 输出的边界，多数人会把约束混在背景里导致 AI 无法识别。
每条背景信息要说明来源（如「2024 年 10 月用户反馈」）和时间，避免 AI 用过期或非关联的信息，比如旧规则的修改时间，这是确保信息时效性的关键，多数人忽略来源会导致 AI 引用错误信息。
如果之前和 AI 有过相关对话，只补充核心关联点而非全部内容，比如「上次讨论的预算上限是 50 万」，而非重复所有对话，这样既减少信息冗余，又让 AI 衔接上下文，多数人重复所有历史会导致 AI 处理负担过重。
成因是想到什么说什么，未分类整理，导致 AI 无法抓取关键信息，表现为输出混乱、偏离任务。绕过去的方法是按「任务→约束→来源→关联」框架整理，把零散信息归类到对应模块，避免无逻辑堆砌。
成因是默认 AI 知晓信息时间，未说明来源和时间，导致 AI 引用过期或非关联信息，表现为输出不符合当前规则或需求。绕过去的方法是每条背景都补充来源和时间，比如「2025 年 1 月最新政策」而非「之前的政策」。
成因是担心 AI 不知道，把所有相关信息都写上，导致信息冗余，表现为 AI 输出延迟或忽略核心需求。绕过去的方法是只补充与当前任务直接相关的信息，无关内容留待后续补充，避免信息过载。
在 OneOneTalk 中，提供足够背景对应「数字分身的可验证长期记忆」机制，每条背景会被记录并标注来源、时间、置信度与作用域，可后续纠错。若需委托 AI 执行事务，可结合「受委托代办事务」机制，补充背景中的规则作为委托依据，留回执便于后续核对。当前暂不支持自动关联全部过往对话的功能，需手动补充核心关联点，确保 AI 能精准匹配背景与任务。