决策矩阵是把几个选项和几项评价标准排成表格，给每个标准设置权重，再逐项打分并计算总分。借助 AI，你可以快速搭建矩阵、补充遗漏的标准，并测试权重变化对结论的影响。下面从概念、场景、步骤到模板，一步步带你上手。

决策矩阵是什么，为什么有效

简单说，面对多因素决策时，人容易被某一个突出因素左右；矩阵把各因素摊开、量化，AI 则能帮你从不同角度检查打分和权重是否合理。与列优缺点清单相比，优缺点清单简单直观，但无法体现各因素的轻重；决策矩阵加入权重和打分，更适合多选项、多因素的复杂决策。

决策矩阵最有价值的部分，往往不是最终总分，而是敏感性分析。如果稍微调整权重，结论就会翻转，说明这几个方案其实差不多，你可以更多考虑执行难度或个人偏好；如果怎么调整都是同一个结果，那这个选择就相当稳健。

哪些情况值得用

  • 选工作、选城市、选供应商、选工具等多选项决策。
  • 团队意见不一，需要一个共同讨论的框架。
  • 决策重要且难以反悔，想更系统地思考。
  • 向他人解释你为什么做出某个选择。

怎么用：6 步上手

  1. 列出所有候选选项，先不急着淘汰。
  2. 列出评价标准，并让 AI 补充你可能遗漏的标准。
  3. 为每个标准分配权重，权重总和为 100%。
  4. 为每个选项在每个标准上打分，并写下理由。
  5. 让 AI 计算加权总分，并分析结果对权重的敏感程度。
  6. 结合直觉检查结论，如果结果让你不舒服，找出原因。

可直接复制的提示词

下面以翻译的工作场景为例，方括号里的内容换成你自己的信息即可：

我是翻译，正在决定：客户术语表版本不一致，需要确认以哪个为准，应该怎么应对。
候选方案：[方案1]、[方案2]、[方案3]
请帮我做一个决策矩阵：
1. 先建议 5 个评价标准，并说明为什么重要；
2. 我确认标准和权重后，请按 1-5 分为每个方案打分，并写出理由；
3. 计算加权总分；
4. 指出如果把最重要的标准权重降低 10%，排名会不会变化。

效果示例

以下内容为虚构示例，仅用于说明效果：

示例（虚构）：一位求职者在两份工作间选择。矩阵显示 A 公司总分略高，但敏感性分析指出，只要把“成长空间”的权重提高一点，B 公司就会反超。这让他意识到真正需要想清楚的是自己更看重什么。

新手最常犯的两个错误

  • 容易犯的错：标准之间重复计算。更好的做法：比如“薪资”和“收入”分开计分，会让同一因素权重过高，合并相似标准。
  • 容易犯的错：权重随意定。更好的做法：先排序再分配，并问自己“如果只能看三个标准，是哪三个”

再进一步

  • 让 AI 补充标准时，同时要求说明这个标准为什么可能被忽略。
  • 团队决策时，让每个人独立打分，再用 AI 汇总差异最大的地方。

一个常见疑问

权重怎么定比较合理？ 先把标准排序，再分配权重；也可以让 AI 列出几种典型的权重组合，看哪种最符合你的价值观。

提示词技巧的共同点是把你脑子里的隐含要求说出来。AI 不知道你的读者是谁、标准是什么，写得越具体，它越少猜测。

下一步

入门之后，可以看看决策矩阵的进阶技巧和常见错误，再结合对比表格一起使用。

相关阅读