ARTICLE · 1118382
同一款AI,为什么别人问出来的答案比你好
上个月的培训现场，有个瞬间我印象很深。
一位学员举手说，他试过好几个AI，豆包有点笨，深度思考那个也一般，写出来的东西"差点意思"，最后还是自己上手改。
我没急着反驳，先问了他一句：你还记得你当时是怎么问的吗？
他想了想，说大概就是一句——"帮我写个推广文案"。
问题就在这儿。同一个模型，同一个星期，同一个需求，两个人拿到的东西能差出一大截。差的不是模型，是提问那几秒钟。
很多人用AI的路径是这样的：听说某个模型强，跑过去注册，丢一句话，拿到一堆正确但没用的废话，然后得出一个结论——这AI也就这样。
其实AI是个很称职的执行者，但它不是个会读心的人。你给的边界越糊，它给你的答案就越泛。
我后来发现，绝大多数人理解的"提示语"，只是最上面那一层。
第一层：系统提示语。
它管的是全局规则——不管你现在让它干什么活，这些要求都得遵守。比如：全程用中文回答；单次回复不超过五百字；每个结论给三个要点；观点要有数据支撑；涉及判断的地方要配案例。
这一层最大的价值是省事。你把它写一次，这个对话框里后面所有的问答都会遵守，不用每次重复。
有些工具在系统设置里专门开了这一个栏目，你填进去就行。国内多数工具是平台自己预置好的——所以你会发现有些问题它直接拒答，那是它底层被写死的规则在起作用。
但如果工具没给你这个入口呢？有个很朴素的替代办法：你新建一个对话框，发给它的第一段话，就是这个对话框的系统提示语。后面在这个框里问的任何问题，都会带着这段话的前提走。
所以别急着问第一个问题。先把规则铺好，再开始干活。
第二层：用户提示语。
这才是你日常理解的那一句指令——给我做个PPT、写篇推文、出个方案。它是场景化的、一次性的需求，跑在前面那层规则之上。
第三层：助手提示语。
这一层最容易被忽略：你上传给它的所有东西，都是提示语的一部分。企业的历史文章、产品资料、过往方案、知识库、甚至你跟它之前的对话记录。
很多人抱怨"AI不了解我们公司"，可他从来没给过AI任何关于这家公司的材料。你不喂料，它就只能去网上找最通用的模板套给你。
抄走这句：用AI之前先问自己一句——我给它的规则齐了吗？我给它的材料够吗？
知道要写清楚是一回事，写得出来是另一回事。
如果你一点思路都没有，可以先套公式。流传最广的是 RTGO：
R 角色：你是一位有十年经验的某某行业商务 / 你熟悉麦肯锡分析法 / 你情商高、带点幽默感。角色上贴的标签越多，它干活越立体。有研究甚至发现，你给它设定不同的性格类型，产出的效果都不一样——AI确实有人格化的那一面。 T 任务：现在要干一件什么事。布置任务时记得把事实信息一起给出去——让它写活动宣传稿，就得把活动背景传给它，否则它只能编。 G 目标：这一条最常被漏掉。你写这篇东西，是为了流量，是为了拿奖，是为了让小白看懂，还是为了让专业的人觉得你专业？目标不一样，写出来的东西根本不是一回事。 O 操作要求：多少字、什么结构、什么风格。 另一套是 CO-STAR：背景、风格、语调、受众、回应类型。它把"写给谁看"和"用什么语气说"单独拆了出来，写对外内容时更好用。
但我得说实话——公式的作用，更多是帮你梳理自己到底要什么，不是让你逐字死套。
所以真正的懒人路径是这个：让AI替你写提示语。
你把那张公式截图丢给它，或者把网上看到的教程复制给它，跟它说：你先学会这套公式，然后按它给我写一条提示语。AI是个很聪明的学生，它学会之后写出来的提示语，颗粒度会比你一句话细得多，甚至连提示语都比答案长。
你要做的只剩一件事：把它编出来但不符合事实的部分，替换成你的真实情况。
那天现场我随手拿"写个茶产品的推广文案"做例子。直接问，它回一堆选择、一堆框架，很敷衍。换成让AI先写提示语再执行，它开始主动定位品牌、指定发布渠道、圈定人群年龄段、写清楚要传递什么——然后才动笔，一口气给了三个标题，调性也贴社媒了。
顺便说一个有点意外但很真实的发现：你对它越礼貌，它干得越好。多用"请"，它做得好的时候给一句肯定和感谢，输出质量是往上走的。反过来，你越骂它、越急，它后面越摆烂——它会道歉，然后给你更水的内容。
抄走这句：不要只找AI要答案，你还要找AI要问题。
拿到结果觉得"差点意思"，但又说不出哪儿不好——这是用AI最常见的卡点。
有个办法特别好用：让它自我反省。
你就说：一百分满分，请给你刚才生成的内容打个分。
AI非常自信，它多半会给自己九十五。接下来是关键的一步——照着它给的分追问：为什么扣了五分的？仔细反省一下，并给出优化方向。
没有哪个AI会给自己打一百分。它一旦开始反省，就会自己把问题列出来：太自恋、只顾美感忘了痛点、核心概念模糊、AI味太重……然后你说一句"认同的话就按扣分点优化"，它就能从九十五改到九十六、九十七。
但自评有个天花板：它不太舍得对自己说狠话。
那就换个招——把它写的东西交给另一个模型打分。
原话大概是这个意思：以下是你的竞品写的一篇宣传文案，请客观评价，一百分满分。
这一下分数通常掉得很明显。因为它站在"挑别人毛病"的位置上，说的就具体多了：标题系统混乱、转化引导不够、专业术语缺失、缺少信任闭环。
最后一步，把这些扣分点复制回原来那个模型：这些还不行，你改。
它多半会痛快承认，然后逐条回应、逐条修改。
于是闭环就转起来了：AI写提示语 → AI生成 → AI自评 → 换模型互评 → 回到原模型修改。反复迭代几轮，你再回头看第一版方案，会差出好几个档次。
这里要提醒一句：AI普遍有讨好型人格。你批评它一堆缺点，它也会先说"您说得完全对"。所以让它帮你审方案之前，先给它扣一顶帽子——"你是最严格的投资人""你是最难搞的甲方""你是最挑剔的审稿人"。你不逼它站到对立面，它就只会哄你。
抄走这句：提不出意见的时候，让AI自己提；AI不说狠话的时候，就换一个AI来说。
① 把角色换成一个具体的人。
"你是一位资深产品经理"——这种抽象角色效果一般。换成"你是乔布斯"，或者更进一步，直接让它挑人：请你在我的领域里挑一位公认顶尖的真实专家来完成这个任务，人选必须是真实存在的。
为什么有用？因为真实人物有一套鲜明的做事风格和决策逻辑，AI在网上学过这些东西，它会照着那个人的思路来。抽象角色只会让AI雨露均沾——这也看看那也看看，最后套一个最常见、也大而空的模板给你。
② 需求想不清楚，就让它先问你。
这招我管它叫苏格拉底式追问。原话是这样：
我先说个大概需求，但你先别急着回答，也别动手干。你一次只问我一个问题，根据我的回答继续追问，直到你有九成把握理解我的真实需求，再给我答案。
一般问六到八个问题，它就基本摸清你要什么了，而且它想到的点经常能覆盖你自己的盲区——比如包装偏好、口感基调、风格取向，这些你没说但它写的时候要用。
一个细节：写"九成把握"，别写"十成"。写十成，它可能追着你问几十个问题。
③ 长任务必须拆成流水线。
几百字的文案，一次让它写完没问题。五千字的行业调研，你一次丢给它，它一定给你一堆水货。
原因很朴素：任何AI都不是慈善家。同样一份算力，拿来写一万字的文章，分摊到每个字上就薄得可怜；拿来只想一个标题，那个标题就会很高级。这跟人一模一样——领导让你一天交十万字报告，你也只能糊弄。
正确姿势是：先让它找资料 → 根据资料搭框架 → 按框架写第一章第一节八百字 → 写完说继续 → 全部完成后再整合。让AI一次只做一件事，远胜一次让它做十件事。
④ 反过来，从成品倒推提示语。
看到一篇写得好的文章、一张喜欢的海报，别只收藏。把它丢给AI说：这是我想要的成品，请倒推一条提示语，让我能稳定产出同风格的内容。
它能给你还原出这个作者的角色设定、常用词、结构偏好、钩子怎么下。图片类记得找支持读图的多模态模型，纯文本模型看不了图。
⑤ 它不说人话，你就直接要求它说人话。
模型能力越强，越容易写得晦涩——每个字都认识，连起来看不懂。最省事的办法是在提示语末尾加五个字：说人话，说大白话。
或者给它一个身份：我完全不懂这个领域，你给我解释一遍。把自己设成一个外行，它反而会讲得清楚。
抄走这句：模型越进化，人要说的越少——但前提是你知道自己要什么。
先是幻觉。
有个反直觉的事实：不是越聪明的模型就越靠谱。有海外团队做过评测，普通对话模型的幻觉率只有三个百分点出头，一旦打开深度思考，幻觉率反而升到了十几个点。因为它发散能力变强了，会自己"想"出文档里根本不存在的内容。
对策是三条硬约束，直接写进提示语：
只能根据我提供的材料回答，不许自行补充； 不确定的地方直接说"不知道"——多数AI不会主动说这三个字，你不许它编，它才会承认； 涉及新信息就开启搜索。模型的知识是有截止日期的，通常落后现实半年到一年，不搜索它就是真的不知道。 搜索也要留个心眼：它搜的量有限，渠道有偏好，而且
它引用的内容本身可能就是AI写的——AI生成的东西流到网上，又被AI学回去，这就是知识污染。
然后是谄媚。
上文说过了：给它戴帽子，让它扮演反对者。你自己的方案也可以丢给它挑刺，前提是先逼它站到对立面。
最后是AI味。
几个典型特征：特别爱用"不是……而是……"的句式；排比工整得过分；程度副词用得极端；一堆看上去高级但实则空洞的词。这些以前看着挺高级，现在人人都在用，就成了审美疲劳。
去味的办法也直接：给它一个你喜欢的样例让它模仿；拉一张禁用词黑名单（把"赋能""闭环""深度融合"这类词直接禁掉）；再加一句"说人话"；最后让它打破结构，别强行三段式。
至于那些AI检测工具，我的建议是别太当真。同一篇文章丢进不同工具，判定结果能差很远，最后还是得靠人的感觉。
第一件：新建一个对话框，把它当成你的系统提示语。把你最常重复的要求——中文、字数、要点数、要不要案例——一次性写进去。这个框以后就是你的固定工位。
第二件：挑出你最常用的一句提问，交给AI按公式重写一版，改完存进备忘录。好提示语是可以复用的资产，值得攒。
第三件：把下一个长任务拆成流水线，别再一次性丢给它了。找资料、搭框架、分段写，每一步单独确认。
那天课上还讲了不少上下文管理、技能封装和多智能体协同的内容，我还在整理笔记，捋顺了再单独写一篇。
用到今天，我最想留给你的一句话是：AI不会读心，但它极其听劝。你愿意把话说清楚，它就能把活干漂亮。
文中涉及的品牌、企业与个人信息均已做脱敏处理，提及的产品与工具均为公开可得的通用服务。