用原書提案請求流程示範：不要期待單一提示自動完成端到端複雜流程，而要拆成多個任務。
能將提案流程映射成適合 Copilot 輔助的子任務與人工決策點。
原書設定：一家大型 Fortune 500 製造商發布提案請求（Request for Proposal, RFP），要建置可自動化理賠處理的生成式人工智慧應用，軟體公司的銷售主管負責回應。
| 任務 | Copilot 可協助 | 人工需確認 |
|---|---|---|
| 閱讀 RFP | 抽取截止日、評分標準、目標 | 確認條款與正式截止日 |
| 找相似提案 | 搜尋既有提案 | 判斷可重用性與機密限制 |
| 建立勝選主題 | 依 RFP 議題整理差異化主張 | 確認策略與證據 |
| 研究客戶／產業 | 整理公司與產業資訊 | 查證時效、來源與適用性 |
| 整合回覆 | 協助草擬與格式化 | 最終方案、價格、承諾與法務審核 |
把非線性流程拆成清楚任務，為每個任務定義來源、輸出、責任與驗證方式，再決定 Copilot 的角色。
原書沒有提供此 RFP 的頁數、金額或評分數值，因此不自行建立虛構結果。
原書的核心觀點是：Copilot 在當時更擅長協助個別任務，而非可靠地自行處理完整端到端提案流程。
先不要直接替我完成整份 RFP。請把回應流程拆成可獨立驗證的任務，為每個任務列出所需來源、Copilot 可做的工作、人工審核點與可能風險。
問題： 如果 Copilot 能一次產生完整提案簡報，是否就不需要拆任務？
參考解答： 仍建議拆分；拆任務能建立來源與驗證點，降低錯誤承諾、漏條款與無法追溯的風險。