夜雨聆风前阵子朋友把一段 AI 生成的方案发给我，第一句话就是："你看，这玩意儿是不是又在糊弄我？"
我点开一看，内容确实很熟悉：语气很正式，结构很完整，每句话都像没错，但合在一起就是一坨没法用的正确废话。再往上翻他的提问，只有一句："帮我 AI 一下关于末位淘汰的年度绩效管理制度。"
这就很尴尬了。你把这么一句话丢给一个刚入职的实习生，他大概率也会愣住：给谁看？公司多大？是写制度，还是写沟通方案？能不能提法律风险？语气要强硬还是谨慎？
AI 没问，直接写了，于是你生气。可很多时候，问题不是它完全不行，而是我们把"布置任务"误会成了"许愿"。
···
别急着学咒语，先把话说清楚
前面几篇我们聊过，AI 的底层能力说白了，是根据前面的内容去猜接下来该怎么写。它不是坐在你旁边，知道你公司里发生了什么，也不知道你心里那套隐含标准。
你只说"帮我写个方案"，它只能从互联网上见过的无数"方案"里，猜一个最像方案的东西出来。它会写标题，会分点，会用很多看起来很职业的词，但它不知道你到底要拿去干嘛。
这就是为什么同一个 AI，有人用得像开挂，有人用得像在吵架。差别不一定是模型，也不一定是谁掌握了什么神秘口令。更多时候，是前者会交代任务，后者只是在丢愿望。
我自己刚开始用 AI 时也踩过这个坑。让它写会议纪要，它写得像新闻通稿；让它帮我改文案，它给我一堆"提升品牌影响力"。后来我才意识到，AI 的默认答案往往是"最安全、最平均、最像范文"的答案。你不给它更具体的抓手，它就只能往平均数上靠。
如果你经常被 AI 的"正确废话"气到，先选一个：A 写方案全是空话，B 让它改越改越偏，C 一开口就开始编，D 已经会用了。记住这个字母，文末我想看看大家主要卡在哪里。
它听不懂的，是你以为不用说的那些
人和人沟通时，很多信息可以靠默契补上。你跟同事说"按上次那个版本改一下"，对方知道"上次"是哪次，也知道老板讨厌哪种写法。
AI 没有这些默契。
它不知道你所在的行业，不知道你的读者是谁，不知道你们公司什么话能说、什么话不能说。它更不知道你脑子里那个"我想要的感觉"长什么样。你以为这些是常识，它那边全是空白。
所以，Prompt（提示词，也就是你对 AI 说的话）不是把问题问得玄乎一点。它的本质更像给新人派活：你要把背景讲出来，把交付标准说清楚，把你认可的样子给它看，再把不能碰的边界画出来。
AI 给你一堆废话，常常不是因为它笨，而是因为你给的信息不够它做对。
这句话听起来像在替 AI 开脱，但实际很有用。因为只要问题出在"信息不够"，我们就能改。
这篇是《小白的 AI 扫盲课》第 5 篇，也是第 2 部分「使用 AI」的开篇。没看过前面也没关系，这一篇只解决一个具体问题：怎么把任务交代到 AI 能听懂。
一张能立刻用的四件套
我平时最常用的，是四个词：背景、要求、示例、边界。
保存这张图，下次问 AI 前按这四格补信息。
背景，是你是谁，这件事发生在什么场景里，最后要给谁看。比如"我是 300 人互联网公司的 HRBP，这份材料给管理层讨论用"，就比"帮我写个制度"清楚得多。
要求，是你希望它交付什么形态。字数、语气、结构、格式，都可以写进去。比如"800 字以内，语气谨慎，不要像宣传稿，先给框架再给风险提醒"。
示例，是你心里那个"对的样子"。这点很多人会忽略，但 AI 特别吃这一套。你给它一段以前写得好的内容，它会比你空口描述"要专业一点、自然一点"理解得快得多。
边界，是别做什么。比如"没有数据就留空，不要编"、"涉及劳动法的地方标注需要法务确认"、"信息不够先问我，不要直接展开写"。
把前面那句很模糊的指令改一下，可以单独写成这样一段：
我是一家 300 人互联网公司的 HRBP，正在准备一版关于年度绩效管理的内部沟通方案，给管理层讨论，不直接发给全员。
请先写一版 800 字以内的方案框架，语气克制、可执行，不要像宣传稿。内容包括目标、执行流程、沟通风险和员工反馈渠道。
涉及合规风险的地方标注"需要法务确认"，不要编造法律条文。信息不够就先问我，别急着写。
这段不高级，也没有什么黑话。但它比"帮我 AI 一下"强太多了。因为 AI 终于知道自己在替谁干活、要交什么、哪些地方不能乱来。
你甚至可以把它压成一个固定模板：
我想让你帮我做【任务】。背景是【我是谁 / 这事干嘛用 / 给谁看】。我希望输出【长度 / 语气 / 格式 / 结构】。下面是我喜欢的示例：【贴一段】。请注意【不能做什么 / 不确定怎么处理】。如果信息不够，先问我。
不用每次都写这么长。小任务可以少写几项，重要任务就多交代一点。关键不是凑格式，而是别让 AI 靠猜。你愿意收藏的，其实不是一篇文章，而是下次可以直接复制的这一套框架。
三个小习惯，比换模型更立竿见影
第一，在开头给它一个角色。
"你是一个资深 HR"、"你是一个有十年经验的语文老师"、"你是一个挑剔的产品经理"，这类句子不是装腔作势，它是在帮 AI 进入正确频道。同样是写解释，老师会讲得更慢，产品经理会更关注用户场景，律师会更在意风险措辞。
第二，让它主动反问。
我现在经常在结尾加一句：信息不够就先问我，别急着写。 这句话很简单，但能拦住很多"张口就编"。尤其是写方案、做决策、分析数据这类活，AI 如果先问你两三个问题，最后结果通常会稳很多。
第三，不满意时别急着重开，直接让它改。
很多人第一次结果不满意，就换个问题从头再问。其实更好的方式是继续对话："第二点太空泛，给我一个具体例子"、"语气太像汇报材料，改得像发给同事看的消息"、"保留结构，但把每段压短一点"。
和 AI 对话不是一次性考试，更像带新人改稿。第一次交上来的东西不够好很正常，你真正要学会的是怎么指出哪里不好。
OpenAI 指南里的词，其实也没那么玄
如果你去看 OpenAI 的 Prompt Engineering Guide，或者别的 AI 教程，很快会遇到一堆英文词。第一次看会有点劝退，但放到刚才这套方法里，它们其实都是你已经会的动作。
Zero-shot，就是一个例子都不给，直接下命令。你平时说"帮我写个方案"，基本就是它。
One-shot，是给一个对的样子，让它照着来。比如你贴一段以前写过的通知，说"按这个语气写"。
Few-shot，是给两三个例子，让它自己找规律。你要批量改标题、改风格，这招很管用。
Role prompting，就是前面说的角色设定。你让它当 HR、老师、教练，本质上是在限定它该从哪个角度说话。
Chain-of-Thought，常被翻译成思维链。普通人不用背这个词，记住一个动作就够了：碰到要推理、要比较、要算账的复杂问题，先让它把步骤拆开，再给结论。
Delimiters，是分隔符。比如你用引号、三道横线、<资料> 这种标记，把"我的指令"和"我要你处理的材料"隔开。这样 AI 不容易把你贴进去的资料误当成新命令。
你看，听起来很专业的一堆词，本质上还是那件事：把任务交代清楚。
我现在会先写第一句话
如果只带走一个动作，我建议你从第一句话开始改。
不要一上来写"帮我写一下"。试着把第一句话改成："我想让你帮我完成一个具体任务，先不要急着输出，如果缺信息你先问我。"
这一句会把你从"许愿模式"拉回"协作模式"。你会自然地开始补背景、补限制、补标准。AI 也更容易从一个胡乱猜题的人，变成一个可以沟通的助手。
当然，Prompt 不是万能的。你把话说清楚，只是让 AI 更可能做对。它给出的事实、数据、法律和医学建议，仍然要验证。后面几篇会继续给可复制的模板：怎么喂资料，怎么管长对话，怎么让它少编，怎么让它替你做一串重复工作。
今天先不复杂化。下次你再被 AI 气到，先别急着骂它，也别急着换模型。把你的问题翻出来看看：背景说了吗？要求说了吗？示例给了吗？边界画了吗？
开头让你记的那个字母，现在可以放到评论里了：A 写方案全是空话，B 越改越偏，C 一开口就编，D 已经会用了。选一个就行，我也想看看大家主要卡在哪里。
也可以把这篇转给那个总说"AI 没用，全是废话"的同事。很多时候，他缺的不是新模型，而是一张能照着填的任务单。
如果你想继续拿后面的模板，可以关注这个系列。下一篇会聊一个更常见的坑：为什么和 AI 聊着聊着，它就像失忆了一样。
