用 AI 的人分两种：一种把 AI 当搜索引擎，随便扔一句话；另一种把 AI 当协作者，提问前先组织好需求。后者得到的答案质量，常常是前者的好几倍。差别不在模型，在提问方式。下面这份清单，就是"提问的艺术"的全部家当。
三要素清单：每次提问前过一遍#
给了角色吗？
- 差：“帮我写封投诉信。”
- 好：“你是一名有十年经验的消费者维权律师，帮我写一封给商家的正式投诉信。”
- 角色决定了回答的视角和专业度，这是成本最低、效果最明显的技巧。
给了上下文吗？
- 差：“这个方案可行吗？”
- 好：“我们是一个 20 人的创业公司，预算有限，技术栈是 Python，这个用 Serverless 重构的方案可行吗？有哪些风险？”
- AI 没有你的背景，不给上下文，它只能给放之四海皆准的废话。
给了示例吗？
- 差：“帮我想几个广告语。”
- 好：“帮我想几个广告语，风格参考：‘充电五分钟，通话两小时’这种短促有力的句式。”
- 示例是最强的格式控制器，比你描述一百句"要简洁有力"都管用。
进阶技巧清单#
- 一次只让它做一件事。 “分析这份财报并写个摘要再翻译成英文"不如拆成三步，每步确认质量再往下走。
- 要求它展示推理过程。 加上"请一步步分析”，复杂问题的准确率会明显提升，这就是 DeepSeek 深度思考模式背后的原理（参考DeepSeek 使用指南）。
- 让它先复述需求。 重要任务开头加一句"开始前先复述你理解的需求"，能过滤掉大部分答非所问。
- 用追问代替重写。 第一版不满意时，别推倒重来，用"第二段太啰嗦，压缩到三句话"这样的追问迭代，效率高得多。
反模式清单：这些坑别踩#
- 问题太空泛。 “怎么赚钱？“这种问题，神仙也答不好。越具体，答案越有用。
- 默认它知道时效信息。 问最新政策、最新价格却不确认模型有没有联网，等于主动要求它编答案。
- 把 AI 的输出当最终稿。 AI 会一本正经地编造数据、引用不存在的论文。重要内容务必人工核验。
- 一句话里塞五个需求。 需求越多，每个需求分到的"注意力"越少，答案越水。
实战：三要素改造一个提问#
原始提问：“帮我写个健身计划。”
三要素改造后：“你是一名有认证资质的体能教练（角色）。我是 30 岁男性，久坐办公，每周能练 3 次、每次 45 分钟，家里只有一对哑铃，目标是减脂（上下文）。计划按这个格式输出：每次训练的动作、组数、次数，外加一条饮食建议，参考这个示例格式：周一：哑铃深蹲 4x12……（示例）。”
把两个版本分别扔给 AI 对比一次，差距大到你会怀疑是不是同一个模型。这就是提问的价值：你多花一分钟组织需求，省下的是十分钟的返工。
提问也是越练越熟的手艺#
刚开始用三要素会觉得啰嗦，心想"不就是问个问题吗”。练上十几次就会形成肌肉记忆，组织需求变成下意识动作。到那时候你会发现，瓶颈从来不在 AI——在你想清楚自己要什么之前，AI 也帮不了你。
从哪里开始练#
不用背，找个真实需求现在就用三要素重写一遍提问，对比前后答案的差距，体感一次就记住了。刚接触 AI 工具的新手，建议先从ChatGPT 注册完整教程（2025 版）把工具准备好，再回来练提问。
记住一句话：AI 的回答质量，永远是你提问质量的镜像。 提问这项技能练好了，换哪个模型都吃得开。
最后送一句大实话：和 AI 对话跟人沟通是一个道理——你表达得越清楚，对方越能帮上忙。把 AI 当成一个聪明但不了解你背景的同事，你就知道该怎么提问了。
