ARTICLE · 1297648
AI 说＂好主意＂,不等于你对:朵朵的三句提问
主讲：林朵朵（可可客串演示）
可用性说明· 这套方法和工具无关：ChatGPT、Claude 的电脑桌面客户端，WPS 里的 AI 功能都能用。· 文中的中文提示词是编辑改写的模板，不是 Felix 的原话；他的原文我们只引了几句英文，附中文意译和链接。· 涉及公司数据时，先脱敏（去掉客户名、金额改成示意数）再贴给 AI。
· · ·
可可和朵朵（AI 生成插画）
【示例】周四下午，可可在赶季度汇报。她对着 AI 说："帮我把 PPT 里的数字更新一下，再润色一下文字。"
我从她身后路过，推了一下眼镜：
"你只让它当了打字员。"
可可回头："那不然呢？"
那不然呢——这正是这篇要说的。
先说个现象：它很容易顺着你说
我用 AI 有个习惯：结论之前先存个疑。因为我发现，如果我在问题里先给了自己的判断，比如"我觉得是 X 的问题，你看对不对"，它往往会围着我的判断补理由。
它说得很笃定，但笃定不等于对。
Felix Rieseberg 在他十月中旬的长文《How to be more ambitious: A tutorial for humans with models》里写过一句，我觉得戳中了要害（他在个人主页上介绍自己在 Anthropic 做 Claude）：
"When prompted to act like a professional, models often switch vocabulary without actually switching methods."（让模型"扮演专业人士"时，它常常只换了用词，并没有真的换方法。）
也就是说，"你是一位资深财务分析师"这种开头，可能只换来更专业的腔调。想要它真的干活，得在问题本身下功夫。他把这件事拆成了好几个方向，我挑了三个最适合办公室的，改成三句话。
三句提问：往上问、往下挖、往外看（示意图，AI 生成插画）
第一句：往上问一层——"这件事最后要帮谁做什么决定？"
Felix 管这个方向叫 Altitude（高度），问的是"目标背后的目标"。他举的例子刚好就是季度汇报：与其让模型更新数字，不如让它先找出最急的三个决定，并给出支持和反对的理由。
改成打工人模板：
这份季度汇报，最后是要帮领导做什么决定？先列出最急的 3 个决定，各写支持和反对的理由，再告诉我每个决定需要哪些数据支撑。然后再动 PPT。
可可的汇报，从"把数字更新一下"，变成了"这份汇报要回答哪三个问题"。打字员，变成了参谋。
对话 1：普通问法（实测截图，2026-10-30，数据为虚构）
对话 2：往上问一层（实测截图，2026-10-30，数据为虚构）
对话 2：还缺哪些数据（实测截图，2026-10-30，数据为虚构）
【单次观察】我们在 ChatGPT 桌面客户端的「聊天」标签里新开了两个对话，各贴一次同一份【示例】虚构季度数据，只试了一次：
- 对话 1
（"帮我把这份季度汇报的数字更新一下，再润色一下文字。"）：它直接交出一份润色好的汇报稿，环比变化也都算好了。打字员的活，干得挺漂亮。 - 对话 2
（往上问一层）：它先说这份汇报要帮领导决定"第四季度先解决什么经营问题、哪些投入可以批准、哪些投入需要附加条件"；点出三个信号：营收和新客户减少、回款变慢、市场费用增加，再加上计划中的利雅得办事处；接着列出三个决定，第一个就是：要不要把回款列为第四季度的首要任务，并收紧部分客户的赊销条件。最后用一张表列出还缺的数据：各渠道费用怎么花的、从线索到成交的转化、新客户的收入毛利和回款、老客户复购的实际贡献、没成交和流失的原因，还专门提醒：别把"36万÷38"直接当成真实获客成本。它没有自己编数字。
同一份数据，一个给了我一篇稿子，一个给了我一张"先定什么、还缺什么"的清单。只是一次观察，换个时间、换个模型未必一样，但这个方向值得你自己试试。
第二句：往下挖一层——"用原始数据，试着推翻它"
这一招是我最喜欢的，因为它很"财务"。
Felix 的例子是："我们认为客户流失是新用户引导的问题，请试着从原始数据里复现这个结论。"重点有两个：给原始材料，而不是给结论；让它去验证（甚至推翻），而不是去附和。
改成模板：
我们目前的判断是：【写下你的判断】。请用我给的原始数据试着推翻这个判断。如果推翻不了，告诉我还缺什么证据；如果数据本身有问题（缺漏、口径不一致），先指出来。
他还有一句提醒，我抄在便利贴上了：
"Do not ask the model to judge itself."（别让模型给自己打分。）
所以，它算出来的结论，要用它以外的东西来对：原始表格、同事、官方原文。我先存个疑，回头对一下原件——这句话放在这里刚刚好。
第三句：往外看一层——"别的行当的人会做什么检查？"
Felix 管这个方向叫 Range（广度）。他有一句话我特别喜欢：
"Don't ask the model to write like a short seller, ask it to do what a short seller does."（别让模型"像做空者那样写"，要让它"做做空者会做的事"。）
区别在哪？"像审计那样写"，得到的是审计的腔调；"做审计会做的检查"，得到的是一张检查清单。
改成模板：
如果请一位做财务审计的人、一位记者、一位专门挑刺的投资人来看这份方案，他们各自会做什么检查？先把这些检查列出来，再按清单逐条走一遍，告诉我哪几条没通过。
改稿时的一句
很多人让 AI 改稿，第一句就是"帮我改一下"。我的习惯是拆成两步：
先列出这份稿子最弱的 3 个地方，各写一句理由。我同意后，你直接改出新版本。
先列问题、同意后直接改出新版本。这样它不会一上来就夸，也不会一口气把我不想动的地方全改了。
什么时候不用这么麻烦？
简单查询（某个公式怎么写、某个词怎么翻译），直接问就好； 创意发散（取名字、想标语），Felix 自己也说，"往上问"这一招对创意类任务没那么好用； 真正值得多问三句的，是要拿去做决定的东西：汇报、方案、预算、对外的说法。
朵朵的收藏卡
朵朵的三句提问 · 收藏卡（AI 生成插画）
- 往上问
：这件事最后要帮谁做什么决定？ - 往下挖
：用原始数据，试着推翻它。 - 往外看
：别的行当的人，会做什么检查？ - 改稿时
：先列问题，同意后直接改出新版本。
它同意你，不等于你对。🧐
本文主要参考
Felix Rieseberg · How to be more ambitious: A tutorial for humans with models：https://felixrieseberg.com/how-to-be-more-ambitious-a-tutorial-for-humans-with-models/ Felix Rieseberg 个人主页：https://felixrieseberg.com/
