收益：
- 能够理解状态报告组成部分和挣值（EVM：PV、EV、AC、SPI、CPI）指标，并在人工智能的支持下生成管理摘要草案
- 能够使用人工智能进行偏差解释、趋势解释和红黄绿（RAG）状态草图
- 了解项目经理有责任用真实的项目数据验证报告中的数字和状态颜色，并认识到乐观报告的风险（西瓜）。
项目开始后最常重复的任务是监控和报告状态。状态报告是一份常规文件，它向利益相关者总结项目在特定时间点的健康状况：我们在哪里，我们如何按照计划进行，存在哪些风险，需要哪些决策。一份好的状态报告应该诚实、简洁、具有决策性；不良状况报告要么是一堆数字，要么是掩盖事实的表象。人工智能在加快状态报告速度方面非常强大：它获取原始进度数据，在几分钟内将其转变为简洁的执行摘要，编写草稿句子来解释偏差。但这种力量也有一个陷阱：人工智能可以用优美的语言强化乐观的输入，并使一个实际上有问题的项目看起来“不错”。由项目经理根据实际情况验证状态颜色和数字。
挣值管理 (EVM) 基础知识
用诸如“完成百分比”之类的主观表达来衡量进度是有误导性的。挣值管理（EVM）是一种客观衡量时间和成本进度的方法。让我们定义三个核心价值观：
- PV（计划值）：此时按照计划应该完成的工作的预算值。
- EV（挣值）：实际完成工作的预算值（完成百分比×预算）。
- AC（实际成本）：完成这项工作实际花费的金额。
这三个指标中出现了两个强大的指数：
- SPI（进度绩效指数）= EV / PV。低于1：落后于计划。以上1：提前计划。
- CPI（性价比指数）=EV/AC。低于 1：预算超支。以上 1：低于预算。
示例：如果 PV = 100,000 美元，EV = 80,000 美元，AC = 95,000 美元，SPI = 0.80（落后于计划，缺少 20% 的工作）并且 CPI = 0.84（每 1 美元价值 0.84 美元，超出预算）。这两个数字用具体的现实取代了“我们做得很好”这样的感觉。
这种情况通常用 RAG（红-琥珀-绿）颜色来概括。绿色：在正轨上。黄色：需要注意。红色：需要干预。危险的是西瓜效应：外面是绿色的，里面是红色的——所以报告说是“绿色”，但该项目实际上是有问题的。这是由于人们倾向于推迟坏消息，而人工智能的优美语言可以在不知不觉中助长这种情况。
指标
公式
含义
健康标志
SPI
电动汽车/光伏发电
时间表现
<1 落后，>1 领先
消费者物价指数
电动汽车/交流电
性价比
<1 预算超支
SV（偏差）
电动汽车 – 光伏发电
时间偏差（TL）
负数=落后
CV（偏差）
电动汽车 – 交流电
成本差异 (TL)
负值 = 过冲
一步一步：使用 AI 进行状态报告
- 收集真实数据。从您自己的系统中提取PV、EV、AC值和任务进度。人工智能无法编造这些事情；你给。
- 计算/验证指数。让AI计算SPI、CPI、SV、CV，然后手动检查至少其中一项。
- 请求对偏差的解释。 “为什么 SPI 是 0.8？” AI 对该问题做出解释草稿；您验证真正的原因（权限、依赖延迟、范围升级）。
- 确定 RAG 状态。您根据数据分配颜色；限制人工智能的乐观语言。
- 决策导向的总结。要求AI清楚地写出“需要赞助商做出什么决定/要求”部分。
- 诚信审核。在发送报告之前，“这个报告到底是绿的还是西瓜的？”问问你自己。
注意：告诉人工智能“以积极的语气写报告”会增加隐藏坏消息的风险。语气应该专业，但不能软化事实。赞助商宁愿早点听到坏消息，也不愿晚点得知。
三个迷你箱子
案例 1 — 快速、诚实的报告。 PM每周五将6个工作包的EVM数据交给AI，并收到一份管理摘要草案。 AI计算SPI/CPI，将偏差归因于RAG。 PM 用他的剪贴板验证了每个数字并更正了声明。报告时间由90分钟缩短至20分钟；质量提高了。
案例2——西瓜被抓。一位协调员将 AI 的“整体绿色、轻微延迟”草图与 CPI 0.82 和 SPI 0.78 进行了比较。数字明显是黄红色。协调员将状态更正为“黄色”，并清楚地写出了延迟的原因。赞助商提前介入；两周后，报告实际上变成了绿色。教训：颜色应与数据匹配。
情况 3——假百分比。 “在报告中写下完成率，”一名团队成员告诉人工智能，但没有提供原始数据。 AI编造了一个数字，说“完成了73%”；实际为58%。该报告给赞助商带来了虚假的信心。教训：EVM 数字应该来自真实数据，而不是来自人工智能的内存。
弱提示/强提示
弱提示：
用积极的语言写下本周的项目状态报告。
对“积极语言”的要求会产生西瓜效应；此外，由于没有提供数据，因此数字是虚构的。
强力提示：
您的角色：项目经理的助理报告助理。背景：下面是实际的 EVM 数据和包进度（金额为屏蔽率）。任务：编写每周状态报告草稿。规则：- 根据我给出的数据计算 SPI、CPI、SV、CV 值并显示公式。- 根据 SPI/CPI 阈值推荐 RAG 颜色（例如 <0.9 黄色，<0.8 红色），软化色调。- 询问可能每个偏差、拟合的原因；我会确认原因。 - 清楚地写出“需要申办者做出的决定”部分。 - 不要弥补任何完成百分比。只需使用我给出的数据。数据：PV=...，EV=...，AC=...，数据包：...
这个提示功能很强大：包含真实数据、公式透明度、RAG阈值、提示音警告、禁止捏造。
附加模板：
# 西瓜检查员下面的状态文本显示“绿色”。这个颜色与我提供的 SPI/CPI 和风险数据一致吗？如果不一致，它实际上应该是什么颜色，为什么？说清楚吧。
# 偏差解释SPI 下降到该值。按类别（来源、依赖性、范围、质量）列出可能的原因，并写下我可以验证每个原因的数据。为什么要造假呢？
# 趋势总结器导出最近4周的SPI/CPI值；解释趋势（改善/恶化/稳定），并建议预计完成/预算 (EAC) 的范围（如果当前步伐继续下去）。
常见错误
- 要求“积极的语气”：软化事实会产生西瓜效应并破坏信任。
- 编数字：EVM和完成率应该来自真实数据。
- 颜色数据差异：当 SPI 为 0.7 时说“绿色”反驳了该报告。
- 跳过决策部分：报告应该说“需要什么”，而不仅仅是“情况”。
- 不验证指数：人工智能可能会导致计算错误；其中至少其中之一必须手动控制。
- 报告太长：发起人读不完 5 页；一页诚实的总结更有价值。
提示：设置每个状态报告以回答三个问题：我们在哪里 (SPI/CPI)？最大的风险是什么？您需要什么？如果这三点都清楚，那么报告就完成了它的任务。
综上所述
状态报告以诚实和面向决策的方式传达项目的健康状况。 EVM（PV、EV、AC 和衍生指数 SPI、CPI）客观地衡量进展，不受主观感受的影响。 AI加速出报告、解释偏差、整理总结；但乐观者可以完善输入，创建西瓜效果，并在没有给出数据的情况下编造数字。由项目经理提供实际数据，验证指标，保持颜色与数据一致，并及时传递坏消息。
应用任务
将项目的实际 PV、EV 和 AC 数据（以比率形式，掩盖金额）提供给 AI，并生成状态报告草稿。手动验证SPI和CPI；您可以根据数字分配 RAG 颜色。测试颜色数据与“西瓜检查员”模板的一致性，并澄清“赞助商需要做出的决定”部分。
清单
- [ ] EVM 数字是我从真实数据中获取的，不是我编造的。
- [ ] 我手动验证了 SPI 和 CPI 中的至少一项。
- [ ] 我指定了与数值数据一致的 RAG 颜色。
- [ ]我确认了与现实有偏差的原因。
- [ ] 报告中的“您需要什么”部分很明确。
- [ ] 我检查了西瓜效应报告的完整性。