怎么把 AI 用好——prompt、工具用法与复盘

上篇 AI工具为什么突然能干活了——从原理到实践的理性拆解 说到，AI 工具已经越过了”能具体做事”的门槛——有了 prompt 复用机制和工具调用能力，它不再只是聊天窗口。但门槛只是起点。用上了 AI 工具，和把 AI 工具用好，是两件差距悬殊的事。

同样一个工具，为什么别人用得飞起，自己用起来结果不尽如人意？同样是让 AI 写一份分析报告，有人拿到草稿只需微调，有人来回改了十几轮还是不对味。差别不在工具，在使用者怎么用。

使用者能做的事，大致分三块：一是把 prompt 写好，二是把 AI 工具的用法搞清楚，三是遇到不符合预期的结果时有方法复盘。这三件事看起来各自独立，但归根结底是同一件事——你对自己手上这个任务，到底想清楚了没有。

一个有帮助的类比：把 AI 当成新来的实习生。它有基本的办事能力，受过通识训练，但它不知道你是谁、不了解这个行业的规则、不清楚任务的具体流程、也不知道你对输出质量的判断标准。你在给实习生做岗前培训时会提供什么，一份好的 prompt 就应该包含什么。不是”命令”，是”让他能干好活的前置信息”。

那就从 prompt 开始说起。

一、prompt 怎么写

实习生入职第一天，你不可能甩给他一句”帮我处理一下上周的数据”就走开。但我们给 AI 写 prompt 的时候，往往就是这么干的。差别在于：实习生会来追问，AI 不会——它会直接做，做完交给你，看起来完成了，但结果不是你要的那个。

以下六件事，是把 prompt 从”意思差不多”调整到”结果可用”的主要着力点。

1、把输出说清楚

AI 给出的结果里掺杂了主观臆想的额外内容，通常不是 AI 的问题，是 prompt 没有写清楚边界。

“清楚”的意思不是字数多，而是任务的边界和定义是确定的。用一个 CSV 表格任务来示范这个差距：

最弱的写法：

帮我把数据做成一个表格。

“表格”是什么格式？哪些字段？这两个问题 AI 只能猜。

稍微好一点，指定了格式和字段：

给出一个 csv 数据表格，里面要有名字、日期、地址三列。

但”名字”写什么、”日期”写什么格式、如果某个字段没有数据怎么办——还是没说。

再好一点，给出输出模板：

给出一个 csv 数据表格，里面要有名字、日期、地址三列。csv 里面预期内容是：名字,日期,地址这里是第一个名字，这里是第一个日期，这里是第一个地址如果名字、日期、地址任何一个缺失，那就什么都不填

模板消除了格式歧义，空值规则也说清楚了，AI 已经知道该往哪个方向走。但这个模板是虚构的——”这里是第一个名字”本身没有信息量，AI 对于”像”和”不像”的判断，仍然是靠猜。

目前实用效果最好的写法，是把模板换成真实数据：

给出一个 csv 数据表格，里面要有名字、日期、地址三列。csv 里面预期内容是：名字,日期,地址张三,2009-10-21 10:23:47,北京市 海淀区 xx路xx号如果名字、日期、地址任何一个缺失，那就什么都不填

AI 在”学人说话”时，是从例子里归纳规律、判断方向的。真实数据给出了格式、精度、风格的具体标准，AI 才知道什么叫做对。

2、给例子

提供例子和不提供例子，任务结果的差异可以很大。原因在于：任务描述往往是抽象的、简短的、带有歧义的。AI 的训练语料里可能有成千上万个不同任务都能匹配这几行描述，它需要自己猜哪个是你要的那个。

消除歧义最直接的方式是给例子。但给例子有三个细节值得注意。

细节一：例子要覆盖边角 case。

不能只给教科书式的正面例子，要给出边界情况。上面 CSV 的任务，至少要有一行字段缺失的情况：

名字,日期,地址张三,,

如果你不给这个例子，遇到空值时 AI 就会自由发挥——有时填”未知”，有时填”N/A”，有时直接跳过那行，每次不一样。

细节二：例子一定要用真实数据，不要虚构的。

输入样例的分布会影响 AI 对”像”和”不像”的判断。如果你的任务不需要时分秒和门牌号，例子就要这么写：

名字,日期,地址张三,2009-10-21,北京市

而不是：

名字,日期,地址张三,2009-10-21 10:23:47,北京市 海淀区 xx路xx号

后者会让 AI 把精力花在时分秒和门牌号上，输出的细节层级和你实际需要的产生偏差。你给什么分布，AI 就学什么分布。

细节三：例子不要重复出现。

同样的例子对 AI 没有新的信息量；重复出现反而是熵增——它占用上下文窗口，稀释有效信息，影响模型对整个任务的权重判断。

总结：给例子，贵精不贵多。一个覆盖边界情况的真实例子，胜过五个说同一件事的虚构例子。

3、把任务步骤告诉 AI

现有 AI 善于处理明确的短任务，不善于多步骤的长任务。原因很直观：步骤越多，中间环节出错的概率就越高，错误会沿着链路累积到最终结果里。

已有研究表明，要求 AI “一步步思考”比直接让它输出结果效果更好。但笼统地说”一步步思考”不够，关键在于提供具体的步骤路径——如果不给具体步骤，AI 的”思考”过程是天马行空的，跟没说一样。

正确做法是：把人类做这件事时的步骤介绍给 AI。具体分两类：

推理类任务：写出思维链的路径。例如”先从市场规模角度评估可行性，再从竞争格局角度分析风险，第三步综合前两步的结论给出建议”——不是让 AI 自己决定怎么思考，而是把推理路径直接给出来。

事务性任务：把任务拆解成一个个小环节，逐步写出来。要求每一步的输入输出是明确的、有判断标准的。比如”第一步：从原始文本里提取所有日期，输出一个日期列表；第二步：对日期列表按时间排序；第三步：找出相邻日期间隔超过 30 天的区间，输出区间起止时间”。

这样写完之后，本质上是把一个模糊的大任务分解为若干个清晰的小任务。每一步 AI 可以出错的空间都被压缩了，从结果上保证了整体输出质量。

4、人设怎么才有用

实际任务里经常需要 AI 以某个专业人士的角度来工作，所以我们习惯写人设 prompt。但只写一句”你是资深数据分析师，请从专业角度完成以下任务”，作用聊胜于无。AI 不知道”专业”在这个具体任务里意味着什么，它只是用这个标签来调整语气。

要让人设真正起作用，需要从三个方面说清楚：

任务边界：做什么和不做什么。要求 AI 从哪些角度分析、忽略哪些角度。例如审阅一篇文章时，可以明确：”分别从逻辑正确性、数据可信度、行文流畅度、错别字与标点符号四个角度逐项分析，不要综合评价，不要给分。”边界清楚，AI 才不会乱发挥。

领域规则：这个任务里特有的定义和顺序约束。比如”在这个行业里，A 指的是……而不是通用含义的 A；分析时必须先看 B 指标，再看 C 指标，因为 B 是 C 的前置条件。”这些规则写进 prompt，AI 才能在这个领域里按正确的逻辑操作。

约束输出：最终要什么。给出哪些要点，什么信息是必须的，什么可以不写；输出什么格式，数据怎么组织。同上文说的——有模板，比没模板好；有真实例子，比只有模板好。

最重要的一点：prompt 的本质是传递意图，不是下命令。

堆砌”必须做什么、绝对不能做什么”这类强制性措辞，效果往往不如解释清楚为什么这样要求。理解了意图的 AI，遇到 prompt 没有覆盖到的边界情况时，会按照你的逻辑推断出该怎么做；只会执行命令的 AI，一旦遇到命令没覆盖的情况，就只能自由发挥了。”不要生成 markdown 格式”这句话，效果不如”因为输出会直接粘贴进 Excel，所以不需要任何 markdown 格式”——后者让 AI 真正理解了约束背后的理由。

5、背景知识

有时候 AI 给出的结果不对，可能是缺乏必要的背景知识。判断方法很简单：把你认为相关的背景知识粘贴进 prompt 里，再跑一遍，看结果是否有显著变化。有变化，说明知识补充是有效的；没变化，说明问题不在这里。

但背景知识通常很多，不是一股脑粘贴进来就能好用的。信息量过大、组织混乱的背景知识，会污染 prompt 里的有效信号。AI 找不到重点，整段背景知识等于没有提供。

正确做法是：把背景知识整理成结构化的数据。判断自己的知识是否整理到位，可以问三个问题：

• 你的知识有没有目录？
• 每个章节有没有概括性的介绍，让人知道这章讲什么？
• AI 需要某个知识点时，需要最少看多少字才能找到那段话？

进阶做法是分层、按需提供。先给 AI 高层概括和目录，让它知道整体结构在哪里；等 AI 需要某个细节时，再把对应章节的内容补进来。一次性把所有知识全倒进去，和把知识组织成有结构的索引，效果差异很大。信息越精准，AI 用起来越准确——就像给一个人讲解任务，背景越清晰、结构越清楚，对方理解起来越准确。

6、用可执行逻辑和代码增强 prompt

上面说的五个方法，都是在自然语言层面优化 prompt。但自然语言描述本身就是瓶颈——写得再清楚，对于某些确定性的操作，AI 仍然有概率出错，而且每次出错的方式还不一样。

这时候应该考虑用工具或代码替代自然语言描述，把”确定性的部分”从 AI 的职责里分离出去。

确定性操作（数据格式转换、文件处理、数值计算）：与其在 prompt 里用自然语言描述”按照这个规则处理”，不如直接提供一段可执行的代码或脚本，让 AI 调用。代码的语义是精确的，没有歧义，执行结果是可预期的。同样的格式转换规则，自然语言描述执行十次会有细微差异，脚本执行十次结果完全相同。

复杂输出格式：提供一个模板文件或示例文件，让 AI 以此为基础填充内容，而不是从零开始生成。格式的正确性由模板来保证，AI 只需要负责内容本身。生成 Word 文档、Excel 表格、特定结构的 JSON，都适合这个做法。

在 prompt 里附带脚本：专门处理那些自然语言描述无法精确覆盖的环节。每次调用这个 prompt 时，AI 都会使用相同的确定性脚本完成这些环节，而不是每次自己重新发明一遍。这样的 prompt 实际上是”自然语言 + 可执行逻辑”的混合体。

总结：自然语言描述负责”做什么、为什么”，代码和工具负责”怎么做”里那些确定性的部分。两者结合，才能把 AI 的不确定性压缩到真正需要语言理解和生成的地方。

这六件事——说清楚输出、给好例子、拆解环节、写清人设、补充背景知识、用代码增强——并不是相互独立的清单，而是同一件事的不同侧面：你对这个任务，到底想清楚了多少。

prompt 写到这个程度，AI 已经可以作为一个靠谱的执行者。但光有好的 prompt 还不够——AI 工具本身的用法，也影响着最终结果。

二、AI 工具怎么用

好的 prompt 解决的是”AI 知不知道该做什么”的问题。但即使 prompt 写得很好，任务跑起来的过程里还会出现两类问题——而这两类问题，靠改 prompt 是解决不了的，需要在工具用法上做对应的调整。

1、跑着跑着开始胡言乱语

AI 在一个会话里工作久了，上下文里会积累大量中间产物：试错的片段、被推翻的方案、工具调用的冗余返回结果。这些内容对当前任务没有任何帮助，但它们就在上下文里占着位置，持续污染 AI 的后续输入。这就是上篇说的”熵增”（即上下文里的噪音不断累积，有效信息被稀释）——随着会话推进，噪音越来越多，AI 输出质量越来越差，到后期甚至开始自相矛盾。

（本文里，”AI 会话”指的是你用 AI 工具时，一段连续上下文的对话单元——也就是 AI agent。后面章节提到的 subagent、agent teams，说的都是在这个层面上启动和管理多个 AI 会话。）

最直接的应对方法：关掉这个 AI 会话，开一个新的，继续工作。重启等于清空噪音，干净的上下文能让 AI 重新回到好状态。

但重启会话有个前提：你要能把未完成的任务正确衔接过去。这对任务拆解的要求很高。理想的拆解是：把一个模糊的大任务分解为若干个清晰的小任务，每个小任务有独立的、明确的输入和输出，可以完整移交给一个全新的 AI 会话。每个小任务单独交给一个 AI，AI 不知道也不需要知道前面发生了什么，只拿到当前任务需要的那些信息，专心做这一件事。

举个例子：让 AI 帮你做竞品分析报告，拆分前的任务是”帮我整理五家竞品的功能、定价和用户口碑，写成对比报告”——这是一个连续工作量很大的任务，一旦中途偏了，后面都会带着偏差走。拆分后可以是：第一步，逐一收集五家竞品资料，输出结构化的原始数据表；第二步，基于原始数据表，按维度对比分析，输出对比结论；第三步，基于对比结论，写报告正文。每一步单独交给一个新会话，每一步的输入输出都是确定的。

这种模式在工具层有对应的自动化实现，叫做 subagent。使用支持 subagent 的 AI 工具时，可以先让 AI 输出一个任务 plan（把大任务拆成哪些小步骤、每步输入输出是什么），然后工具根据 plan 自动启动多个独立的 AI 会话，每个会话只做一个小任务，做完自动关闭，结果传递给下一个会话。整个过程里，每个 AI 会话的上下文都是干净的、有限的。

2、结果看起来对，但实际有遗漏

这个问题比胡言乱语更难察觉。AI 给出的结果流畅、完整，格式也好看，但其中遗漏了某个情况没有处理，或者某个细节没覆盖到。如果你不仔细核查，很容易直接用了。

一个有效的应对方法：再开一个独立的 AI 会话，让它做 review。给这个 review AI 提供任务描述和原始输入，让它独立完成同样的任务，再把两个 AI 的输出对比。如果任务执行正确，两个独立 AI 得到的结论应该大体一致；如果出现明显分歧，就说明其中有一个出了问题，值得深查。

这里有一个容易踩的坑：把第一个 AI 的结果直接甩给 review AI，问”这个有没有问题”。这样做几乎没用。AI 看到一个已有的答案，倾向于确认它——它会说”整体没有问题，只是……”然后给出几点无关痛痒的小建议。这不是审查，这是走过场。

正确做法是让 review AI 做盲测：不告诉它”这是第一个 AI 的输出，请帮我审查”，而是只给任务描述和原始输入，让它从头独立完成，得到自己的答案，再和第一个 AI 的输出做对比。两个 AI 在不知道对方答案的情况下独立作答，出现的分歧才是有意义的信号。

这种模式在工具层的自动化实现，叫做 agent teams。预先设置好多个 AI 会话的背景信息、人设、分工，以及它们的启动顺序、工作内容、输入输出如何衔接，AI 工具会按照这个工作流自动推进任务。

两种模式的区别

两者都是「启动多个 AI 会话」，但结构不同。subagent 是串行的：A 做完 → B 开始 → C 开始，单向前进，没有交叉依赖。适合大多数线性的复杂任务。agent teams 是网状的：多个 AI 并行启动，或者存在循环依赖——比如 A 和 B 同时开始各自工作，或者 A 需要等到 B 输出后才能完成自己的部分。适合需要多角色协作、互相校验的场景。

一个粗略的判断原则：任务是线性推进的，用 subagent；任务需要多个视角互相验证，或者存在「先做完的 AI 需要等另一个 AI」的情况，用 agent teams。

prompt 写好了，工具也用对了，AI 已经能处理大部分常规任务。但总会有结果不对的时候——下一节说的，就是怎么面对这种情况：不对的时候怎么复盘，从失败里找到可以改进的地方。

三、失败复盘

结果不对的时候，最没用的反应是换个模型试试，或者觉得 AI 太笨。这两条路都跳过了一个关键步骤：搞清楚问题出在哪里。大多数失败都有可以归因的原因，找到它，才有办法改。

下面是六类常见的失败原因。

1、格式错误

现象：输出结构乱，多了不该有的内容，或者格式完全对不上。

这通常不是 AI 的问题，而是 prompt 里对输出的描述不够清楚。回头看一下：有没有说清楚输出的边界？有没有给一个真实的例子？”输出 JSON”和”按以下格式输出 JSON，例如……”对 AI 来说是完全不同的指令。

2、理解偏差

现象：AI 做的事情和你要的完全是两回事，方向跑偏了。

任务描述里可能有歧义，或者任务拆解不够细。试着把任务说得更具体，或者拆成更小的步骤，让每一步的输入输出都明确——模糊的描述几乎必然带来偏差。

3、知识缺失

现象：AI 给出的结论在你的业务或领域里是错的，甚至完全不适用。

AI 没有你的领域背景，它在用通用知识猜测。把相关的背景知识、业务规则、领域定义直接粘进 prompt，看有没有显著改善。这比换模型有效得多。

4、结构性上限

现象：不管怎么改 prompt，AI 在某类任务上就是做不好——比如精确计算、查询实时数据、严格遵守格式约束。

遇到这种情况，首先应该回头看一·6 提到的做法：把确定性的部分从 AI 的职责里分离出去，用代码、脚本或 API 来处理。如果加上这些工具辅助之后结果仍然不稳定，才算真正触及了结构性上限——这类任务本质上不适合交给 AI 用自然语言来做。确定性的计算或查询，靠语言描述会引入不确定性，结果不可靠。一个简单的判断标准：这件事如果直接用代码或查数据库来做，能不能得到精确答案？如果能，就不应该指望 AI 猜——直接调用对应的工具，结果更可靠，也不会出现每次结果不一样的问题。

5、推理链断裂

现象：AI 的输出从某个点开始自相矛盾、越来越离谱，像是飘了。

原因通常是任务拆解不够小，或者上下文里积累了太多噪音。把任务再拆细一步，重开一个干净的会话，或者检查一下有没有该用 subagent 的地方——让每个 AI 只做一件事，不要让一个会话扛太多。

6、预期定义模糊

现象：”感觉不对”，但说不清楚哪里不对，也没办法告诉 AI 怎么改。

这种情况，问题往往不在 AI，而在于”正确答案”本身就没有被定义清楚。回过头问自己：什么叫做”对”？这个判断标准是否客观可验证？能不能给出一个”对”的例子？如果连你自己都说不清楚，AI 没有办法猜对。

这六类归因覆盖了大多数常见的失败情况。用它来做复盘，不是为了找谁的责任，而是为了找到一个具体的改进点——下一次同类任务，就有了更清晰的起点。

结语

说到底，前面三件事讲的是同一件事：你有没有把任务想清楚。

prompt 写不好，通常不是措辞问题，而是对”要什么”本身就含糊——所以才凑出一段话，希望 AI 自己悟出来。工具链搭不顺，往往也不是技术问题，而是没想好任务的边界在哪，哪些步骤是串行的、哪些可以并行、哪些地方需要人介入检查。复盘的时候最难说清楚的那类失败——”感觉不对，但说不清哪里不对”——根源几乎都是预期本来就没定义。

常说”做领导的要先想清楚，不要为难干活的”。这句话放在 AI 身上同样成立。任务的边界是什么、正确答案长什么样、边界情况怎么处理——这些没有答案，给的就是自由度，AI 会用自己的方向填满它，填的方向不一定是你想要的。结果出来之后抱怨 AI 不够智能，有点像写了一张模糊的需求单，然后怪工程师交付的不是自己想要的。

把任务想清楚，这不是用好 AI 的附加条件，而是核心本身。工具的能力会继续演进，但这一点不会变：你想要什么，你自己得先知道。