为了避免AI的讨好式回答,深挖提示词内容总结了该框架,终于AI输出内容的正确率大大提升了

今天差点被AI输出的内容整崩溃，今天问了它一行代码中的问题，一开始他告诉我的解释内容是A，我的经验告诉我A一定不是正确思路，于是我说“A不对，认为是B”，结果它直接告诉我“你太聪明了，我刚刚说错了”...

就这样我们经历了好几轮，最终我忍不住了，只能重新打开一个窗口，清空以前的记忆，然后按照以往学习的提示词思路进行问，终于，可以一次性给我正确的答案，而不是无尽的讨好式回答了。

其实AI的本质我个人理解就是基于概率的语言生成模型。注意这一点，是概率，是基于概率的语言生成模型。恰巧之前有过AI讨好式的回答经历，所以当时也针对这个问题大概的了解了一下。

最终，我总结了属于我自己的一套核心策略——“四层控制法”。这个名其实就是因为我想“我在提问时，会设置四层思考的策略控制AI的输出”。所以叫“四层控制法”。

这四层其实也就是：问题约束->推理约束->证据约束->结果校验

第一层：问题约束

这一层，其实我认为就是你要明确你的问题、你的需求，输入问题不要模糊。

如果在输入问题阶段，问题过于模糊，其实在AI猜测你的意图时会出现猜错的可能性，如果意图猜错，后面就会全错，也就会输出错误答案。

所以我在提问题的时候，会做到四个方面的问题约束：

1. 语境约束：我想让AI在哪个情景下回答

2. 目标约束：指定让AI的这次回答要解决什么问题，确定最终目标

3. 精度约束：指定让AI的回答要多严谨。

4. 边界约束：指定哪些情况要考虑，哪些情况不要考虑。这里其实是在限定问题边界条件

如果你要做一个严谨的回答，其实可以先与AI沟通，让他帮你理清你的需求。

以下是我常用的几个关于这方面的提示词框架，大家可以试一试：

基础版

请在【语境/领域】下，

针对【具体问题】，

以【目标形式】回答，

并限制在【边界条件】内。

工程版

请在【语境/领域】下，

针对【具体问题】，

以【目标形式】回答，

并满足以下要求：

* 精度要求：【严格/定性/定量】

* 边界条件：【适用范围/排除条件】

严格版

请在【语境/理论框架】下，

针对【具体问题】进行分析，

并严格遵循：

1. 明确问题的定义和前提条件

2. 仅在该理论体系内推导，不混用其他体系

3. 给出清晰的推理路径，而不是直接结论

4. 明确结论的适用范围（边界条件）

禁止：

* 使用模糊表述（如“通常”“可能”）

* 脱离前提进行泛化结论

第二层：推理约束

有时其实AI会跳过推理，直接生成“看起来”对的结论。如果要做一个非常严谨的话，我感觉可以将“一步生成”强制拆成“多步生成”。但是哈，有推理不一定就是正确的，因为推理链也可能是错的。

所以推理的时候，我会控制三个我认为的核心变量：

1. 推理结构：规定“思考路径”。让AI按照你所想到的思考路径去思考

通用分析结构

1. 定义概念

2. 给出基本原理

3. 推导过程

4. 得出结论

判断类问题结构

1. 明确定义命题

2. 拆解前提条件

3. 分别验证每个条件

4. 综合判断结论

因果类问题结构

1. 识别因变量和自变量

2. 分析作用机制

3. 验证因果链

4. 得出结论

2. 推理粒度：控制每一步推理要多细节

请逐步推导，每一步都明确说明依据不要跳过中间步骤

3. 推理显式化：控制推理的过程必须写出来，方便看推理链是否正确，如果错误可以及时纠正

简易版	请展示完整推理过程，而不是只给最终结论
基础版	请不要直接给出结论，按照以下步骤进行推理： 1. 【步骤1】 2. 【步骤2】 3. 【步骤3】最后再给出结论。
工程版	请按照结构化推理进行回答： 1. 明确问题的定义与前提 2. 分步骤进行推导，每一步说明依据 3. 不要跳过中间过程 4. 最后再给出结论要求： * 每一步必须逻辑连贯 * 不允许直接给出未经推导的结论
严格版	请进行严格推理，并满足以下要求： 1. 将问题拆解为多个子问题 2. 对每个子问题分别推导 3. 每一步推导必须基于明确前提或已知事实 4. 明确指出每一步的推理依据（定律/规则/定义）禁止： * 跳步推理 * 直接给出结论 * 使用未解释的隐含前提

第三层：证据约束

其实这部分就是想让AI所输出的内容增加一些有利论证，比如他说某某研究的时候，可以直接把相关的论文链接指出来，这样可以大大减少AI的幻觉，也避免AI瞎编内容。

关于证据方面也有三个核心控制点：证据类型、证据性质、证据强度

以下是我常用的提示词框架

简易版

请说明：

- 该结论是否为学界共识

- 是否存在反对观点

- 证据支持强度如何

基础版

请在给出结论的同时，提供证据支持，并说明：

1. 依据的类型（理论/共识/数据/经验）

2. 哪些是已验证事实，哪些是推测

3. 该结论是否属于主流共识

严格版

请严格基于可验证依据进行分析，并满足：

1. 每个关键结论必须对应明确依据

2. 明确区分：

* 已验证事实

* 推测或假设

3. 说明依据来源类型（理论/数据/共识）

4. 标注该结论是否存在争议

禁止：

* 使用无法验证的来源

* 编造研究、数据或引用

第四层：结果校验

其实第四层就是最后一道防线，如果前三层都失效了，那么最后一层会自动校验，避免出错的概率。这里的校验方法其实我常用的有三种，分别是：自我反驳、对立观点、极端测试。

以下是我常用的提示词

自我反驳	你的结论可能在哪些情况下不成立？
对立观点	是否存在与你结论相反的主流观点？请说明理由
极端测试	在极端情况下（或边界条件下），该结论是否仍然成立？

其实以上内容也是自己在使用AI时的一些技巧，不一定是适用于每个人，也不一定适用于每个模型，但是自从脑中搭建这样的框架以后，面对一些需要严谨的大项目工程时，AI给我讨好式回答的概率大大的减少了。

如果该框架有误，或者大家认为还有一些可以增加的内容，也欢迎大家在评论区讨论，总之都是想让AI成为自己的得力助手吗。祝大家周末愉快！

相关学习资料