夜雨聆风写在前面：
上篇（《AI 提效，可能违反直觉的几个技巧（上篇）：给 AI 看东西，比让 AI 描述东西更有效》）讲了 6 条——共同点是把已经存在的具体素材（图、截图、样本）扔给 AI，让它换个形式。
这一篇是下篇，接着讲另外 7 条。它们的共同点不同：不再依赖具体的“素材”，而是换种姿势跟 AI 协作。具体来说，是把“让 AI 写”，换成“让 AI 审、问、考、翻、改”。
文中提到的所有方法，依然不依赖付费版、不依赖 API、不依赖编程能力——豆包、千问、Kimi、DeepSeek、GLM、MiniMax、GPT、Claude、文心等任何一个国内外大模型，今晚都能上手试。
一个总的思路：把动词从“写”换成“审 / 问 / 考 / 翻 / 改”
如果说上篇讲的是“把已有的东西扔给 AI 让它转换”，那这一篇讲的是 “把跟 AI 的协作动词换掉”。
举几个对照：
每一条都是把“写（生成新东西）”换成另一个动词。这个动词的切换，决定了 AI 是不是真的能帮你省时间。
下面 7 条都是这条思路的具体展开。
技巧七：让 AI 当反方 / 唱反调，比让它当啦啦队有用
大多数人在做什么
写完一份方案 / 一段论证 / 一个 PR，扔给 AI：
"帮我看看写得怎么样？"
AI 会很客气地回答：“写得很棒！结构清晰，论证有力，建议在第三段稍微补充一些数据……”
你心情很好，关掉对话框。但你的方案没变好一点点。
反直觉做法
让 AI 唱反调。在写完想法 / 决定后，在指令末尾加一句：
"请直接指出我这个想法中存在的 3 个致命逻辑缺陷，不要夸奖，越犀利越好。"
把 AI 当“对手”用，而不是“评委”用：
这是我的方案 / 论证 / 文章 / PR / 决定，请扮演一个最严苛、最不留情面的反对者。
找出其中最可能让我翻车的 3 个漏洞，每个漏洞说明：
- 1、漏洞在哪
- 2、为什么会翻车
- 3、我应该怎么补救
不要给我任何鼓励性话语，所有反馈必须是批评性的。
或者更狠的版本：
请扮演一个对这件事持相反立场的人。用他的视角，写一段反驳我的论证——尽可能尖锐、尽可能合理。
这种 Prompt 写完，AI 给你的反馈密度，明显比“鼓励型 Prompt”高得多。
进阶玩法：让 AI 多角色轮流批评。
请依次扮演下面三个角色，每个角色用他的视角批评我的方案：
- 1、一个抠成本的老板
- 2、一个用户至上的产品经理
- 3、一个怕背锅的法务
比如，用 AI 给最近写的一篇“关于 AI时代怎么学习”的文章进行批评：
上方的这个例子，用的是 DuMate （https://dumate.cn） ，最近刚上手试，初步印象还不不错。
为什么反直觉
人类对鼓励容易上瘾，所以本能把 AI 用成“夸我的工具”。但 “夸”对你的成长几乎为零，“挑刺”才是真的提效。
而且 AI 不像同事——它不怕得罪你，不怕影响关系，不怕你给它使绊子。它大概是你能找到的，比较耐心、不会有情绪的批评者。这个红利如果不用，挺亏的。
适用边界
用在“重要产出”上（方案、决策、报告、代码评审），不要用在“随手写的一句话” 别真的被批评伤到——AI 的反馈不带情绪、不带恶意，它就是在干活 反馈也不要全信，它会找出真问题，也会找出“听起来像问题但其实不是问题”的伪问题——你来判断
技巧八：AI 第一稿不要让它“写”，让它先“审你的草稿”
大多数人在做什么
要写一份方案 / 邮件 / 报告，第一动作是打开 AI：
"帮我写一份关于 XX 的方案……"
AI 写了，你看了，不满意，让它再改。改了三五版，还是觉得“没我自己写的那个味儿”——但你已经被 AI 的第一版“框死”了，跳不出来。
反直觉做法
反过来——先你写，再 AI 审。
具体节奏：
- 1、不开 AI，自己花 10 分钟写一份粗糙的草稿（哪怕只是 bullet point）
- 2、再开 AI，把草稿喂进去：“这是我的草稿，请帮我做三件事——”
指出结构上的问题（顺序、详略、缺失） 指出表达上的问题（哪里不清楚、哪里啰嗦、哪里有歧义） 给一个改进后的完整版本作为参考 - 3、你拿到 AI 的反馈和参考版本，自己合成最终版
这套流程的好处：
第一版是你的——保留了你独特的观点、表达和视角 AI 介入的是“打磨”，不是“创作”——它不会把你的稜角磨平 最终成品是你的味道 + AI 的精度，不是AI 的味道 + 你的零碎修改
为什么反直觉
绝大多数人觉得“AI 写得比我快，所以先让它写”。但你忽略了一件事：一旦你看了 AI 写的版本，你的思路就被它锚定了——后面你怎么改都跑不出它的框。
这跟你写文章前不要看类似的文章一样：别人的好句子，会偷偷替换掉你本来想说的好句子。
适用边界
适合“有自己观点的产出”：方案、汇报、随笔、技术文档 不适合“标准化产出”：邮件模板、合同模板、SOP——这些直接让 AI 写就行 草稿不需要工整，越糙越好——AI 越能从糙的版本里抓出“真正的你想表达的”
技巧九：遇到不懂的概念，让 AI 用你已经懂的领域来类比
大多数人在做什么
学新概念 / 看新文档时，看不懂，让 AI 解释：
"什么是 RAG？""什么是反向代理？""什么是期权 Theta？""什么是 IRR？"
AI 给你一段标准教科书式的解释，你看完了还是不懂。
反直觉做法
让 AI 用你已经熟悉的领域类比新概念：
我是一个做电商运营的人，请用电商场景的例子，解释什么是 RAG（检索增强生成）。
或者：
我是一个会做饭的家庭主妇，请用厨房 / 菜谱 / 备料的方式，给我解释什么是"反向代理"。
或者：
我是一个看了 10 年足球的人，请用足球比赛的方式，解释 TCP 三次握手。
AI 会给你一个完全用你已有知识体系搭建出来的版本——理解速度通常比看 10 篇技术文章还快。
更高阶的玩法：
我对 [新领域] 完全是小白，但我对 [旧领域] 非常熟悉。请用 [旧领域] 的概念体系，逐一类比 [新领域] 里这 10 个最关键的概念。给我一份"双语对照表"。
举几个真实用法：
程序员学股票投资：让 AI 把 K 线、均线、MACD 类比成代码里的“事件流”“滑动窗口”“信号过滤” 设计师学产品数据：让 AI 把 DAU、留存、ARPU 类比成设计里的“用户路径”“画面停留”“单价提升” 文科生学机器学习：让 AI 用“做菜”“学习考试”“学习驾驶”等类比训练 / 验证 / 测试集
比如，用电商场景的例子来解释什么是 RAG：
需要注意的是，有些专有概念，要小心。比如，只有在你所在企业内部才使用的专用名词，或者某个特定专业领域的专用概念，如果AI的训练数据里没出现过，你也没提供足够的参考语料（上下文），它就可能会胡乱解释，这叫AI 幻觉。
这个时候，可以在 Prompt 里加上：
“如果你不知道，请直接说不知道，不要编造” “请提供来源链接” “不确定的部分用 [推测] 标注” 等等
为什么反直觉
我们以为“学新东西”等于“读教程”。其实学新东西等于“在旧知识里找一个钩子，把新东西挂上去”。AI 的强项之一就是帮你找这个钩子。
你自己想钩子很难——你不知道哪些类比合适。AI 见过的类比比你多得多，它能找到。
适用边界
类比的本质是“近似”，不是“等价”——重要细节还是要看正式资料 用类比快速建立直觉，再用正经材料补足精度 类比不要选太远的领域（“用量子物理类比烹饪”——它能写，但你也看不懂）
技巧十：不要为了“完美 Prompt”而打字——先说人话，让 AI 帮你整理
大多数人在做什么
想让 AI 帮一件事，开始深思熟虑组织语言：
"请扮演一位资深 XX 顾问，按照 XX 框架，给我输出 XX 格式的 XX，要求 1）… 2）… 3）… 4）…"
打了 200 字，才发现自己还没说清楚要什么。于是打字本身就花了 5 到10 分钟。
反直觉做法
第一句话直接说人话，越口语越好：
"诶我有个事儿啊，我想做一份汇报，主要是讲我们这个季度做的事情，大概有这些点啊：搞了个新功能、上了个新流程、出过一次故障然后修了……你帮我想想这份汇报应该怎么搭结构？"
AI 一般都能听懂。它对“口语化随便聊”的容忍度，比对“打了一半半完美的格式化 Prompt”高得多。
更狠的姿势——直接语音输入：
微信键盘、手机输入法都有语音转文字 豆包、Kimi、文心、通义千问 等 App 都直接支持长按说话 一分钟你能说 200-300 字，比打字快不少
说完之后，如果觉得“我语音录的有点乱”，加一句：
"我刚才说话有点乱，你先帮我把我说的内容整理成清晰的需求描述，然后再回答。"
例如听不清楚/听不太懂修车师傅所说的车子有哪些问题，让 AI 梳理：
可以看到，AI 对日常中非常口语化、充满重复和无用信息干扰的文字描述具有很强的容忍度，让 AI 将其整理成“清晰的内容描述”，往往能取得很不错的效果。
这一招在三类场景里特别值钱：
- 1、想清楚自己要什么之前——先说，再让 AI 帮你整理出“原来你要的是这个”
- 2、路上 / 散步 / 通勤时——脑子里冒出灵感，立刻语音输入扔给 AI
- 3、写长 Prompt 嫌累时——说完比打完快
为什么反直觉
很多人把“写出完美 Prompt”当成一种技术活，害怕 AI 听不懂随便说的话。但现在的大模型对自然语言的理解力比五年前强很多——它最不怕的就是你说话乱。
并且说话本身就是一种思考。打字时你会反复修改，思路反而卡住；说话时你会一口气说完，思路反而连贯。
适用边界
一次性、不需要复用的任务：怎么乱说都行 高频、需要稳定输出的任务：还是值得沉淀一份“模板 Prompt” 涉及敏感内容、需要严谨的（医疗、法律、合同）：语音输入完之后人工读一遍再发
技巧十一：让 AI 出题考你，比让 AI 讲给你听更扎实
大多数人在做什么
学一个新东西——看一份长 PDF / 看一篇技术文档 / 看一段视频——让 AI 帮我总结。AI 给你出一份大纲，你看完，觉得“懂了”。
实际上没记住多少。三天后回想，全忘了。
反直觉做法
学完之后，把材料喂给 AI：
这是我刚才学的材料。请基于材料给我出 10 道题，覆盖材料里最重要的知识点。题型要求：- 5 道选择题（多选 / 单选都可以）- 3 道简答题（需要我用自己的话回答的）- 2 道场景应用题（给一个情境，让我判断 / 决策的）先把题发给我，**不要给我答案**。我回答完，你再批改。然后你认真回答，AI 帮你批改。
整个流程下来：
你主动调用了知识，记忆深度会更深 你暴露了自己不懂的点，AI 给你针对性补 你练习了“在场景中用”，而不只是“懂概念”
比如，丢一份《【人教版】九年级全一册物理电子课本》给 AI，然后让 AI 给你出题，考考你知识点掌握得怎么样：
然后它就会给出批改和解释了：
更进阶的玩法：让 AI 设计一份“间隔重复”复习清单——今天考 5 题、明天考 3 题、一周后再考一次。
为什么反直觉
主流的“AI 学习”姿势是 AI 输出 → 我接收——但接收型学习是效率最低的方式之一（教育心理学早就证明）。
更高效的学习是“我输出 → 反馈 → 再输出”——也就是费曼学习法。AI 出题、AI 批改、AI 反馈，正好是费曼学习法的一种自动化版本。
不开玩笑，这一招对学生党、考证党、新人入职、跨领域转行的人，效率提升是数量级的。
适用边界
适合需要“内化”的知识：考证、专业知识、新语言、新框架 不适合“查一次就忘的资料型信息”：地址、电话、临时数据 AI 出的题质量参差不齐，遇到题目本身有误的时候要纠正——把这个当成“学得更深”的机会
技巧十二：看不懂的消息、写不出的回复，让 AI 当“语气翻译官”
大多数人在做什么
收到领导一段微信：
"这个事情我觉得还可以再考虑一下，你最近也比较辛苦，要不下周再聊？"
愣半天，他到底是让我继续做还是停下？
或者写完一段邮件，自己看着觉得“是不是太冲了？”“会不会显得我抱怨？”——但又找不到具体哪里不对。
反直觉做法
把消息（无论是收到的还是要发的）扔给 AI，让它做 “语气翻译”：
场景 A：解读别人的消息
这是我领导刚发给我的微信，请帮我分析：
- 1、他真正想表达的核心意图是什么？
- 2、字面意思和真实意图之间有没有差距？
- 3、我应该怎么回复最合适？
消息：[贴消息]
背景：[简单说一下你们的关系、最近在做的事情]
AI 通常能比较准地识别出“潜台词”，并帮你拟一个得体的回复。
场景 B：审查自己要发的消息
下面这段是我准备发给 [客户 / 领导 / 同事] 的消息。请帮我看一下：
- 1、有没有可能被对方误解？
- 2、语气合适吗？会不会显得太硬 / 太软 / 太啰嗦？
- 3、给我一个改进版本。
我的消息：[贴消息]
场景 C：跨文化沟通
我要给一个英国客户回邮件，下面是我写的中文版本。请帮我翻译成英文，要符合英国商务邮件的得体程度（不要太美式热情，也不要太生硬），并指出原文里有没有任何可能"文化上不合适"的表达。
场景 D：把“情绪化的话”变成“得体的话”
我现在很想跟某某说 [一段情绪化的话]。请帮我改写成 1）保留我所有真实诉求但 2）听起来比较专业、平和、不带情绪 的版本。
举个例子（下方是提示词举例，直接说你的想法和需求就是了）：
群里有人说话让我不舒服，我有点想呛回去，但不想让自己显得没风度。请帮我把这段话改成一个冷静、得体、保留态度但不失风度的回复版本。我原本想说的是："你什么意思？会不会说话？"
为什么反直觉
很多人觉得“沟通这种事是社交直觉，AI 帮不上忙”。但其实“读懂潜台词”和“用合适语气写消息”是高度模式化的语言任务——AI 训练数据里见过非常多类似情境。
而且 AI 有一个比较独特的优势：它没有情绪。它读你领导的消息时不会紧张，读你写的尖锐回复时不会生气，它只是冷静地告诉你“这话说了对方大概率会觉得 X”。
这条技巧的真实价值，不在于“让你显得更圆滑”——在于让你在职场和生活里少踩一些沟通的坑。对偏内向、不太擅长应付社交场景的朋友，这条挺值得一试。
适用边界
你给 AI 的“背景信息”越多，它的判断越准——别只给一句消息 AI 的判断是“概率上合理”，不是“100% 正确”——最终要发的内容还是你自己拍板 重要关系（亲密关系、长期合作伙伴），AI 给的回复模板适合参考，不适合照搬——那样会失去“你”的味道 涉及他人聊天内容时，注意先脱敏（人名、公司名、敏感细节）再上传
技巧十三：写完一段 Prompt，回过头让 AI 帮你改写这段 Prompt
大多数人在做什么
练 Prompt 写作。看各种“Prompt 工程教程”。背各种“高手 Prompt 模板”。然后在实战里发现：背的模板对不上自己的真实任务，写出来的 Prompt 还是别扭。
反直觉做法
让 AI 自己帮你写 Prompt——这叫 Meta-Prompting，可能是所有反直觉技巧里最反直觉的一个。
最简单的姿势：
我想让 AI 完成 [一段任务描述]。我现在的 Prompt 是这样写的：
[贴你写的 Prompt]
请你帮我:
- 1、指出这个 Prompt 里有哪些模糊、歧义、可能被误解的地方
- 2、给出一个改进后的完整 Prompt
- 3、告诉我改了什么、为什么改
更强的姿势——让 AI 反向问你：
我想做 [一件事]，但我不太会写 Prompt。你不要急着帮我写。请先反问我 5-10 个问题，把这件事的需求和边界搞清楚，然后再给我一份高质量的 Prompt。
比如以“编程教程网站”为例：
然后就收到了 AI 推荐的 Prompt，可以基于这个按自己需求进行更改，然后给 AI 编程工具让生成网站系统：
这一招在以下场景特别值钱：
高频任务：每天要写“周报”“日报”“提交记录”，让 AI 帮你打磨一份模板 Prompt，之后每次复用 首次接触的复杂任务：写一份方案、改一份合同、做一份研究——让 AI 先帮你“想清楚问题” 你卡住的时候：尝试好几个 Prompt 都不对劲，让 AI 帮你看看是“任务没想清楚”还是“Prompt 没写对”
为什么反直觉
绝大多数人觉得 Prompt 是“自己写给 AI 看的东西”，没意识到 AI 自己也能帮你写 Prompt——而且经常写得比你更好（因为它知道自己被怎么问效率最高）。
这一条某种程度上是“AI 协助 AI”——用 AI 的元能力，反向优化你跟 AI 的交互。
适用边界
对一次性的简单任务，不需要 Meta-Prompting——直接说就好 对高频、复杂、要复用的任务，值得花 5 分钟做 Meta-Prompting，省下后面几十次的迭代时间 改完之后的 Prompt 一定要自己跑一遍验证——AI 推荐的 Prompt 也可能在你的具体场景里不灵
类似地，在布置复杂任务前，可以让 AI 先进行提问，不让 AI 直接执行模糊指令，而是让它通过提问来帮你澄清需求。
比如，先使用提示词：
我需要你帮我完成[XX数据分析报告]，请先问我五个关键问题，以确保你充分理解我的背景、目标和约束条件。AI 提出的问题往往能触及你自己都未意识到的模糊点，最终产出的结果与真实需求匹配度更高。
一点收尾：反直觉的本质，是“换个动词”
写到这里，你可能已经注意到一件事——上下两篇 加起来 13 条技巧的共同点是什么？
我自己琢磨下来，是这么一句话：
大多数人用 AI，动词是"写"——让 AI 写一段东西出来。
用 AI 用得顺手的人，动词是"转、审、问、考、翻、整理"——让 AI 把已经存在的东西换个形式。
把动词换掉，整个用法就活了：
不是“让 AI 写一个流程图”，是“让 AI 把这张图转成可编辑的” 不是“让 AI 写一段生图 Prompt”，是“让 AI 看这张图反推出 Prompt” 不是“让 AI 写一份 PPT 模板”，是“让 AI 生成一张封面图” 不是“让 AI 帮我做设计”，是“让 AI 把我的草图升级成设计稿” 不是“让 AI 写一段表格描述”，是“让 AI 看截图输出 Markdown” 不是“让 AI 写一段小红书风格的文字”，是“让 AI 学这几段样本的风格” 不是“让 AI 写一份方案”，是“让 AI 批评我写的方案” 不是“让 AI 写一份草稿”，是“让 AI 审我的草稿” 不是“让 AI 解释这个概念”，是“让 AI 用我熟悉的领域类比这个概念” 不是“让 AI 写一段完美 Prompt”，是“让 AI 整理我说的人话” 不是“让 AI 讲给我听”，是“让 AI 考我” 不是“让 AI 写一段回复”，是“让 AI 翻译潜台词” 不是“让我写一段更好的 Prompt”，是“让 AI 帮我改写 Prompt”
每一条都是把“写（生成新东西）”换成另一个动词。这个动词的切换，决定了 AI 是不是真的能帮你省时间。
一份“今晚就能试”的清单
如果你看完上下两篇，今晚只想动手试一两条，我会推荐这四条（按“上手立刻见效”排序）：
- 1、截图代替打字（上篇 · 技巧五）
—— 下次需要复制粘贴文字的时候，截图试试。会很快见效。 - 2、图片反向出 Prompt（上篇 · 技巧二）
——找一张你喜欢的图，让 AI 给出生图 Prompt，自己试着复刻一张。 - 3、草图升级成设计稿（上篇 · 技巧四）
—— 随手画一份功能布局草图，让 AI 出一版专业 UI 图。 - 4、让 AI 唱反调（下篇 · 技巧七）
—— 把你手头任何一份“还没发出去的产出”，让 AI 用最严苛的标准批评一遍。
这四条共同的特点是：门槛低、即时反馈强、看完会“啊原来还可以这样”。今晚试一下其中任何一条，接下来一段时间会持续从这条里受益。
剩下九条，按你的工作场景慢慢消化——它们的价值不在“今晚就用上”，而在于它们会逐渐替换掉你以前的某些低效习惯。
写在最后
我自己用 AI 四年多，最大的感受是：AI 是不是真的让你提效，跟你用什么模型关系不大（某些场景下），跟你怎么用关系更大。
那些“AI 没什么用”的人，常常用的姿势就一种——让 AI 写。
那些“AI 真的改变我的工作”的人，往往用了一堆奇奇怪怪的姿势——让 AI 转、审、问、考、翻、看、批、教、考你、扮演反方、模仿样本、把草图升级成设计、整理胡言乱语、解读潜台词。
这些姿势单看每一条都不算什么大招，但叠加起来，它会慢慢替换掉你一天工作里那些原本最耗时间的小动作——而工作里相当一部分时间，本来就是花在这些小动作上的。
如果上下两篇里有任何一条让你“哦原来还可以这么用”——那就值了。下次再发现一条新的反直觉用法，记得回头补到自己的私人清单里。
最好的“AI 用法手册”，是你自己用出来的那本。