分享6個我每天都在用的Prompt心法。

前兩日有個朋友問咗我一個好基本嘅問題。

佢話：點解同樣係問 AI，有人問出嚟好似諮詢公司合夥人，有人問出嚟似小學生作文？

我話你唔好鬧 AI。

好多時候，真係唔關模型事，係你當佢係搜尋框咁用。

你掉一句「幫我想個方案」，佢當然只能俾你一大盤預製菜。

但係如果你將背景、角色、限制、反面意見、失敗路徑全部擺曬出嚟，佢即刻好似插咗電咁。

呢個都係我近呢兩年用 AI 最大嘅體會：

Prompt 唔係咒語，Prompt 係一種協作方式。

所以今日呢篇，唔講嗰啲一眼就覺得好得人驚嘅超級長 Prompt。

我分享 6 個我自己每日真係會用嘅 Prompt 心法。

唔係玄學。

都唔使背。

你只要記住個動作，下次同 AI 對話嘅時候順手用嚇，效果就會明顯唔同。

一. 先讓 AI 自己揀專家。

好多人應該都知，俾 AI 設定角色係有用嘅。

例如你問產品問題，叫佢做一個 10 年經驗嘅產品經理。

例如你問商業問題，叫佢做一個戰略顧問。

呢招當然有用。

但係呢度有個更有趣嘅位：

多數情況下，我哋根本唔知應該叫佢扮邊個。

你叫我去做活動策劃，我個腦可能會彈出「資深活動策劃專家」呢啲好虛嘅角色。

聽落似係，但冇靈魂。

就好似你去醫院掛號，你只知道自己肚痛，但唔一定知應該掛消化內科、胃腸外科定急症。

咁點算？

唔好自己死諗。

叫 AI 先幫你掛號。

我成日用嘅模板大概係咁：

我想探討【領域】裏的【問題類型/場景】。先別回答。

請你先選一位最適合的領域頂尖名人專家來思考它。

可以是活人或歷史人物，名字可以小眾，但必須在該細分領域很專業。

如果你不確定該選誰，可以先反問我 2 個定位問題再選。

先輸出：
1. 你選誰，他對應的細分領域
2. 為什麼選他，用三句話說明

然後再讓我描述詳細問題。

呢個模板嘅關鍵唔係「名人」兩個字。

而係叫 AI 先判斷：呢個到底係邊類問題。

例如我哋要搞年會，我就直接咁問咗嚇。

佢幫我揀咗一個人，Priya Parker。

我一開始都唔知係邊個，順手查咗嚇，發現人哋真係專門研究聚會、儀式同活動設計嘅。

然後我再將我嘅具體資料補返落去。

例如規模、預算、現場人羣、活動目的、我想要嘅氣氛。

出嚟嘅嘢，即刻唔係嗰種「領導致辭、員工表演、抽獎互動」三件套。

佢會開始從「人點解要聚埋一齊」呢個角度去諗。

講真，呢個差別好大。

你俾個粗糙角色佢，佢就俾粗糙答案你。

你叫佢先揾出真正識呢個問題嘅人，佢就更容易進入正確嘅思考通道。

呢招特別適合嗰啲你自己都半懂唔懂嘅領域。

寫品牌策略、設計活動、做招聘、諗產品定位、拆一本書、研究一個行業，都可以先叫 AI 揀專家。

你唔係叫 AI 扮成某個人。

你係叫佢先揀啱個腦。

二. 回答之前，先叫佢追問你。

呢個係我用得最多嘅一條。

冇之一。

我哋平時揾一個信得過嘅人諮詢，佢好少會聽完你第一句就開始狂輸出。

真正專業嘅人，第一反應通常係追問。

你預算幾多？

你目標係咩？

你而家卡喺邊？

你最驚咩？

你已經試過啲咩？

但係 AI 有個缺點。

佢太乖。

你俾一句話佢，佢真係用一句話嘅資訊開工。

然後你睇住答案覺得冇用。

其實唔係佢冇用，係佢根本冇攞到足夠嘅上下文。

所以我而家好多複雜問題，都會先加一句：

【你的問題/需求】

請你在回答前，先問我問題。

要求：
一次只問一個問題。
根據我的回答繼續追問。
直到你有 95% 的信心理解我的真實需求和目標。
然後才給出方案。

呢度最正係嗰個 95% 信心。

佢會逼 AI 唔好急住演講。

都唔會叫佢無限追問到天荒地老。

呢個數值好似一個剎車皮，又好似一條起跑線。

我之前就用佢問過一個好現實嘅問題：

公司業務越來越多，我到底使唔使先請一個 HR？

如果我直接問，AI 大概率會俾我一篇好似知乎鹽選嘅回答。

「請 HR 嘅好處有三點，風險有三點，建議結合自身情況綜合判斷。」

你老母。

我當然知要結合自身情況。

我缺嘅就係點樣拆解個「自身情況」。

於是我叫佢先問。

佢一口氣追咗十幾個問題。

唔係嗰啲廢話問題，而係好具體嘅：

而家招聘係邊個負責？

平均一個位要幾耐先請到人？

創辦人每星期被招聘霸咗幾多時間？

你缺嘅係招聘執行，定係組織搭建？

你要請嘅 HR 係執行型，定係負責人型？

問到後面，連我自己都開始意識到：

哦，原來我唔係糾結要唔要請 HR。

我係糾結創辦人嘅時間係咪已經被招聘拖垮咗。

最後佢俾我嘅方案，就比直接回答靠譜好多。

呢個心法仲有一個隱藏價值：

佢會逼你將自己個腦嗰一團漿糊倒出嚟。

好多時候，我哋以為自己缺答案。

其實係連問題都冇講清楚。

AI 追問你嘅過程，本身就已經係一次需求梳理。

呢個都係點解我覺得，好嘅 Prompt 唔係令 AI 更聰明。

而係令你哋兩個人一齊唔好扮聰明。

三. 叫 AI 做你嘅反對者。

呢條我都好常用。

尤其係當我已經有一個諗法，而且越諗越覺得自己好啱嘅時候。

呢個狀態好危險。

因為 AI 預設係有啲擦鞋。

你話我覺得呢個方向好有前途，佢好易會話：你嘅判斷非常敏鋭。

你話我覺得呢個商業模式得，佢好易會話：呢個確實係一個好有潛力嘅切入點。

你話我準備辭職創業，佢分分鐘仲會同你一齊熱血沸騰。

問題係：

世界唔會因為 AI 讚你就對你温柔啲。

所以我而家只要遇到重大判斷，就會主動叫 AI 反過嚟打我。

最狠嘅版本係咁：

我馬上要參加一場辯論賽，會有很多人來挑戰我的觀點。

我的觀點是：【觀點】

我希望這個理論必須變得無懈可擊。

如果你是一個學者，你需要用盡一切論據、細節和邏輯，來挑戰我、反駁我。

你的唯一目標，就是證明我是錯的。

你會怎麼反駁？

日常啲，都可以咁寫：

【我的想法/觀點】

請你現在扮演一個反對者，從不同角度攻擊我的想法，幫我完善它。

不用客氣，直接指出漏洞。

我之前要做一次分享，手上有一個自己都幾鍾意嘅觀點。

但我怕自己 high 過頭。

於是就將觀點掟俾 Gemini，叫佢反駁我。

嗰次真係傾咗差唔多 3 個鐘。

中間好幾次我都俾佢問到呆咗。

唔係因為佢比我叻，而係佢好穩定咗企喺我對面。

現實生活好難揾到一個咁嘅人。

朋友驚傷感情。

同事驚得罪你。

下屬更加唔會日日俾老細上強度。

但係 AI 可以。

你甚至可以俾佢指定唔同嘅反對者：

投資人角度點樣反駁？

用戶角度點樣反駁？

競爭對手角度點樣反駁？

膠精網友角度點樣反駁？

如果四輪打落嚟，你嘅觀點仲企得穩，咁就真係實淨好多。

我後來越來越覺得，AI 最勁嘅地方之一，唔係幫你寫讚美詩。

而係幫你提早聽到嗰啲你唔想聽嘅話。

四. 叫 AI 幫你提早寫失敗覆盤。

人做計劃嘅時候，好容易上頭。

尤其係嗰啲啱開完會、啱定完目標、啱畫完大餅嘅時刻。

大家坐喺會議室度，PPT 一揭，燈一熄，覺得全世界都喺度讓路俾你。

然後現實一巴掌打過嚟。

排隊冧咗。

預算爆咗。

供應商甩轆。

用戶根本唔買賬。

團隊執行力跟唔上。

呢啲嘢，事後睇都好明顯。

但係事前，大家會自動裝盲。

所以我特別鍾意叫 AI 做一個動作：

唔好幫我將計劃寫得更靚。

先假設佢已經失敗咗，然後話俾我知點解。

模板大概係咁：

【我的項目/想法】

請假設這個項目最後失敗了，而且失敗得很難看。

請你寫一篇失敗覆盤文章，回答：

1. 它從哪個時間點開始出現衰退信號？
2. 最致命的決策錯誤是什麼？
3. 我忽視的核心風險是什麼？
4. 如果能重來，第一件應該改的事是什麼？

要求：
儘量參考真實的類似項目失敗案例。
不要安慰我，不要寫雞湯。

呢個方法有啲似醫學嘅屍檢。

又有啲似電影開拍前做 Previz。

你先喺個腦度整死佢一次，睇嚇死因係咩。

我今年 4 月要喺北京搞一個規模比較大嘅 AI 大會。

萬人規模，仲會有一啲嘉賓同大佬嚟。

呢啲事聽落好燃。

但越燃，越容易忽略嗰啲好土、好污糟、好麻煩嘅細節。

我就將方案 PDF 掟俾 AI，叫佢先幫我預演一次失敗。

佢寫咗幾千字。

裏面有啲點講真都幾刺心。

例如排隊。

例如飯盒。

例如廁所。

例如安檢。

例如場館動線。

例如嘉賓遲到之後成條流程點樣補。

呢啲嘢一啲都唔型。

但只要一個環節爆咗，大家記住嘅就唔係你請咗邊個、講咗咩，而係：

「個會搞得好亂。」

呢個就係預演失敗嘅價值。

佢唔係叫你悲觀。

佢係將你由「我覺得得」度拉返出嚟，等你睇清楚地下到底有幾多個氹。

好多人用 AI 做計劃，只會叫佢幫自己加油。

我建議你掉轉頭。

叫佢先拆台。

拆完仲企得住嘅計劃，先值得向前推。

五. 用成品反推 Prompt。

呢條就特別適合嗰種：

我知道自己想要咩，但我講唔出。

例如你見到一篇文案，節奏好正。

你見到一張圖，構圖好舒服。

你見到一個短視頻腳本，轉摺好順滑。

你想學。

但你一開口，只能話：

「幫我寫一個類似嘅。」

然後 AI 俾你一嚿嘢。

呢個時候就唔好硬描述喇。

直接將成品掟俾佢，叫佢倒推。

我成日用嘅一句話係：

這是我想要的成品範例。

請你倒推一個提示詞，讓我用它能穩定生成同風格的內容。

並說明這個提示詞裏每一句的作用。

呢招嘅重點唔係抄。

坦白講，風格呢樣嘢，抄個外形好易，抄出魂就好難。

尤其係寫作。

你叫 AI 學一個人，最後多數只會學到句式、口癖同表面結構。

真正有價值嘅係：

用 AI 幫你拆解一樣好嘢點解好。

例如我將之前嗰篇 9 蚊 9 DeepSeek 嘅文章擺入去。

佢會將開頭鈎、衝突設置、段落節奏、口語密度、案例安排全部拆曬出嚟。

然後反推成一段可以重用嘅 Prompt。

圖片都一樣。

你見到一張海報，覺得好似某種雜誌封面。

你可以叫 AI 反推：

佢嘅鏡頭係咩？

光線係咩？

主體同背景點擺？

顏色關係係咩？

文字空間留喺邊？

呢個其實就係將一個模糊嘅審美感受，翻譯成 AI 聽得明嘅結構。

有時我睇一篇文章，自己講唔出點解舒服。

叫 AI 拆完之後，我先發現：

哦，原來係佢每一節都先講故仔，再俾判斷。

哦，原來係佢冇急住落結論，而係一路將懸念向後壓。

哦，原來係佢用嘅唔係高級詞，而係具體動作。

呢樣嘢對學習特別有用。

唔係為咗複製人哋。

而係為咗將人哋嘅好嘢拆成零件，再長入自己隻手度。

六. 一個問題，永遠要兩層解釋。

最後呢個，係我學新嘢嗰時最常用嘅。

好多人問 AI 解釋概念，會咁寫：

請用小學生聽得明嘅話解釋嚇。

呢個當然有用。

但我而家唔太鍾意用「小學生」喇。

因為佢好易將答案寫到好似兒童科普。

好得意，但有時都好幼稚。

我更鍾意叫佢寫兩個版本。

一個係完全通俗版。

一個係專業版。

兩個擺埋一齊睇。

模板好簡單：

請幫我解釋一下【你的問題】。

請用兩種方式回答：

1. 初學者版本：
面向對象是洗腳城的大爺，用他也能聽懂的話詳細解釋。

2. 深度專業版本：
面向對象是專業人羣，表達可以更嚴謹，但一定不能出現事實錯誤。

洗腳城大爺呢個形象，我真係用咗好耐。

唔係為咗得罪邊個。

而係呢個形象會逼 AI 用好生活化嘅例子。

佢唔會寫到似氹細路。

都唔會一嚟就掉一堆術語。

例如前幾日 DeepSeek 篇論文入面有個概念，叫殘差連接。

呢個詞如果你直接搜，好易搜到一堆數學表達同網絡結構圖。

唔係冇得睇。

但對普通人嚟講，第一眼真係會心態崩。

我就叫 AI 用雙層解釋法講。

通俗版先令你知道：

哦，大概係為咗令資訊唔好喺傳遞途中走曬。

專業版再話你知：

佢喺神經網絡訓練入面到底解決咗咩問題，點解可以緩解梯度消失，點解可以令更深嘅網絡變得可以訓練。

呢兩層加埋，先舒服。

得通俗版，你會覺得自己明咗，但好易明得好淺。

得專業版，你可能直接俾術語嚇走。

雙層解釋法嘅好處就係：

第一層等你入門，第二層防止你以為門口就係全世界。

我而家學任何陌生概念，基本上都會咁做。

尤其係 AI 論文、金融概念、法律條款、醫學名詞呢啲嘢。

先聽人話。

再睇專業話。

中間邊句唔明，就繼續叫佢對嗰句再做雙層解釋。

一層一層向下挖，好快就可以由「完全冇概念」變成「至少知道應該點樣繼續問」。

寫喺最後。

呢 6 個心法，其實睇落都唔複雜。

叫 AI 揀專家。

叫 AI 先追問。

叫 AI 反駁你。

叫 AI 預演失敗。

叫 AI 反推 Prompt。

叫 AI 雙層解釋。

但佢哋背後其實都係同一件事：

唔好將 AI 當答案機器。

將佢當一個可以俾你調度嘅思考拍檔。

你叫佢企喺專家位，佢就幫你揾角度。

你叫佢企喺訪問位，佢就幫你挖需求。

你叫佢企喺反方位，佢就幫你拆漏洞。

你叫佢企喺未來失敗嘅廢墟度，佢就幫你揾風險。

你叫佢企喺老師位，佢就幫你將概念掰開揉碎。

所以 Prompt 最重要嘅唔係格式。

唔係括號點樣寫。

唔係「請一步一步思考」放唔放。

而係你有冇諗清楚：

呢一輪對話入面，我到底需要 AI 扮演咩功能。

好多人成日揾萬能 Prompt。

但講真，真係冇萬能 Prompt。

有嘅只係你越來越清楚知道，自己要將 AI 放喺棋盤嘅邊個位置。

等你開始咁用嘅時候，AI 就唔再係一個聊天框。

佢會變成你嘅專家團、質檢員、反對派、預演室、拆解器同翻譯官。

呢個先係我覺得 Prompt 真正有趣嘅地方。

唔係將一句話寫到幾靚。

而係令一句話，調動出一個更好嘅思考現場。

以上，既然見到呢度，如果覺得唔錯，順手畀個讚、睇嚇、轉發三連啦，如果想第一時間收到推送，都可以畀個星標⭐～多謝你睇我篇文章，我哋，下次再見。

/ 作者：可可耐特

/ 投稿或爆料，請聯絡電郵：aoshindragon@163.com

前兩天有個朋友問我一個特別樸素的問題。

他說：為什麼同樣都是問 AI，有些人問出來像諮詢公司合夥人，有些人問出來像小學生作文？

我說你別罵 AI。

很多時候，真不是模型不行，是你把它當搜索框在用。

你扔一句"幫我想個方案"，它當然只能給你一盤預製菜。

但你要是把背景、角色、限制、反面意見、失敗路徑都給它擺出來，它一下子就像被插上電了一樣。

這也是我這兩年用 AI 最大的體感：

Prompt 不是咒語，Prompt 是一種協作方式。

所以今天這篇，不講那種一看就很嚇人的超級長 Prompt。

我分享 6 個我自己每天真的會用的 Prompt 心法。

不玄學。

也不需要背。

你只要記住那個動作，下次跟 AI 對話的時候順手用一下，效果就會明顯不一樣。

一. 先讓 AI 自己挑專家。

很多人應該都知道，給 AI 設定角色是有用的。

比如你問產品問題，讓它當一個 10 年經驗的產品經理。

比如你問商業問題，讓它當一個戰略顧問。

這招當然有用。

但這裏有個更有意思的點：

大多數時候，我們根本不知道應該讓它扮演誰。

你讓我去做活動策劃，我腦子裏可能只會冒出"資深活動策劃專家"這種很虛的角色。

聽起來對，但沒有靈魂。

就像你去醫院掛號，你只知道自己肚子疼，但你不一定知道應該掛消化內科、胃腸外科還是急診。

那怎麼辦？

別自己硬憋。

讓 AI 先幫你掛號。

我常用的模板大概是這樣：

我想探討【領域】裏的【問題類型/場景】。先別回答。

請你先選一位最適合的領域頂尖名人專家來思考它。

可以是活人或歷史人物，名字可以小眾，但必須在該細分領域很專業。

如果你不確定該選誰，可以先反問我 2 個定位問題再選。

先輸出：
1. 你選誰，他對應的細分領域
2. 為什麼選他，用三句話說明

然後再讓我描述詳細問題。

這個模板的關鍵不是"名人"兩個字。

而是讓 AI 先判斷：這到底是哪類問題。

比如我們要辦年會，我就直接這麼問了一下。

它給我選了一個人，Priya Parker。

我一開始還真不知道是誰，順手搜了一下，發現人家確實是專門研究聚會、儀式和活動設計的。

然後我再把我的具體信息補進去。

比如規模、預算、現場人羣、活動目的、我想要的氣氛。

出來的東西，立刻就不是那種"領導致辭、員工表演、抽獎互動"三件套了。

它會開始從"人為什麼要聚在一起"這個角度往下想。

說實話，這個差別很大。

你給它一個粗糙角色，它就給你粗糙答案。

你讓它先找到真正懂這個問題的人，它就更容易進入正確的思考通道。

這招特別適合那種你自己也半懂不懂的領域。

寫品牌策略、設計活動、做招聘、想產品定位、拆一本書、研究一個行業，都可以先讓 AI 選專家。

你不是在讓 AI 裝成某個人。

你是在讓它先選對腦子。

二. 回答之前，先讓它追問你。

這是我用得最多的一條。

沒有之一。

我們平時找一個靠譜的人諮詢，他很少會聽完你第一句話就開始哐哐輸出。

真正專業的人，第一反應通常是追問。

你預算多少？

你目標是什麼？

你現在卡在哪？

你最怕什麼？

你已經試過什麼？

但 AI 有個毛病。

它太乖了。

你給它一句話，它就真的用一句話的信息開始幹活。

然後你看着答案覺得沒用。

其實不是它沒用，是它根本沒拿到足夠的上下文。

所以我現在很多複雜問題，都會先加一句：

【你的問題/需求】

請你在回答前，先問我問題。

要求：
一次只問一個問題。
根據我的回答繼續追問。
直到你有 95% 的信心理解我的真實需求和目標。
然後才給出方案。

這裏最妙的是那個 95% 信心。

它會逼着 AI 不要着急演講。

也不會讓它無限追問到天荒地老。

這個數值像一個剎車片，也像一個起跑線。

我之前就用它問過一個很現實的問題：

公司業務越來越多，我到底要不要先招一個 HR？

如果我直接問，AI 大概率會給我一篇很像知乎鹽選的回答。

"招 HR 的好處有三點，風險有三點，建議結合自身情況綜合判斷。"

你大爺的。

我當然知道要結合自身情況。

我缺的就是那個"自身情況"怎麼拆。

於是我讓它先問。

它一口氣追了十幾個問題。

不是那種廢話問題，而是很具體的：

現在招聘是誰在管？

平均一個崗位多久能招到？

創始人每週被招聘吃掉多少時間？

你缺的是招聘執行，還是組織搭建？

你要招的 HR 是執行型，還是負責人型？

問到後面，我自己都開始意識到：

哦，我原來不是在糾結要不要招 HR。

我是在糾結創始人的時間是不是已經被招聘拖垮了。

最後它給我的方案，就比直接回答靠譜太多。

這個心法還有一個隱藏價值：

它會逼你把自己腦子裏那團漿糊倒出來。

很多時候，我們以為自己缺答案。

其實是連問題都沒說清楚。

AI 追問你的過程，本身就是一次需求梳理。

這也是為什麼我覺得，好的 Prompt 不是讓 AI 更聰明。

而是讓你們兩個人一起別裝聰明。

三. 讓 AI 當你的反對者。

這條我也巨常用。

尤其是在我已經有一個想法，而且越想越覺得自己很對的時候。

這個狀態很危險。

因為 AI 默認是有點舔狗的。

你說我覺得這個方向很有前途，它很容易說：你的判斷非常敏鋭。

你說我覺得這個商業模式能成，它很容易說：這確實是一個很有潛力的切入點。

你說我準備辭職創業，它說不定還會跟你一起熱血沸騰。

問題是：

世界不會因為 AI 誇你就對你温柔一點。

所以我現在只要遇到重大判斷，就會主動讓 AI 反過來打我。

最狠的版本是這樣：

我馬上要參加一場辯論賽，會有很多人來挑戰我的觀點。

我的觀點是：【觀點】

我希望這個理論必須變得無懈可擊。

如果你是一個學者，你需要用盡一切論據、細節和邏輯，來挑戰我、反駁我。

你的唯一目標，就是證明我是錯的。

你會怎麼反駁？

日常一點，也可以這麼寫：

【我的想法/觀點】

請你現在扮演一個反對者，從不同角度攻擊我的想法，幫我完善它。

不用客氣，直接指出漏洞。

我之前要做一次分享，手上有一個自己還挺喜歡的觀點。

但我怕自己嗨過頭。

於是就把觀點丟給 Gemini，讓它來反駁我。

那次真的聊了快 3 個小時。

中間好幾次我都被它問得愣住。

不是因為它比我懂，而是因為它很穩定地站在我的對面。

現實裏你很難找到這麼一個人。

朋友怕傷感情。

同事怕得罪你。

下屬更不可能天天給老闆上強度。

但 AI 可以。

你甚至可以給它指定不同反對者：

投資人視角怎麼反駁？

用戶視角怎麼反駁？

競爭對手視角怎麼反駁？

槓精網友視角怎麼反駁？

如果四輪打下來，你的觀點還能站住，那它就真的結實很多。

我後來越來越覺得，AI 最強的地方之一，不是幫你寫讚美詩。

而是幫你提前聽見那些你不想聽的話。

四. 讓 AI 幫你提前寫失敗覆盤。

人做計劃的時候，很容易上頭。

尤其是那種剛開完會、剛定完目標、剛畫完大餅的時刻。

大家坐在會議室裏，PPT 一翻，燈一關，感覺全世界都在給你讓路。

然後現實一巴掌過來。

排隊崩了。

預算爆了。

供應商掉鏈子。

用戶根本不買賬。

團隊執行力跟不上。

這種東西，事後看都很明顯。

但事前，大家會自動裝瞎。

所以我特別喜歡讓 AI 做一個動作：

不要幫我把計劃寫得更漂亮。

先假設它已經失敗了，然後告訴我為什麼。

模板大概是這樣：

【我的項目/想法】

請假設這個項目最後失敗了，而且失敗得很難看。

請你寫一篇失敗覆盤文章，回答：

1. 它從哪個時間點開始出現衰退信號？
2. 最致命的決策錯誤是什麼？
3. 我忽視的核心風險是什麼？
4. 如果能重來，第一件應該改的事是什麼？

要求：
儘量參考真實的類似項目失敗案例。
不要安慰我，不要寫雞湯。

這個方法有點像醫學裏的屍檢。

也有點像電影開拍前做 Previz。

你先在腦子裏把它弄死一遍，看看死因是什麼。

我今年 4 月要在北京辦一個規模比較大的 AI 大會。

萬人規模，還會有一些嘉賓和大佬過來。

這種事情聽起來很燃。

但越燃，越容易忽略那些特別土、特別髒、特別麻煩的細節。

我就把方案 PDF 扔給 AI，讓它先給我預演一次失敗。

它洋洋灑灑寫了幾千字。

裏面有些點說實話挺扎心。

比如排隊。

比如盒飯。

比如廁所。

比如安檢。

比如場館動線。

比如嘉賓遲到以後整條流程怎麼補。

這些東西一點都不酷。

但只要一個環節炸了，大家記住的就不是你請了誰、講了什麼，而是：

"這會辦得真亂。"

這就是預演失敗的價值。

它不是讓你悲觀。

它是把你從"我覺得能成"裏拽出來，讓你看看地上到底有多少坑。

很多人用 AI 做計劃，只會讓它幫自己加油。

我建議你反過來。

讓它先拆台。

拆完還能站住的計劃，才值得往前推。

五. 用成品反推 Prompt。

這條就特別適合那種：

我知道自己想要什麼，但我說不出來。

比如你看到一篇文案，節奏特別好。

你看到一張圖，構圖特別舒服。

你看到一個短視頻腳本，轉折特別絲滑。

你想學。

但你一開口，只能說：

"幫我寫一個類似的。"

然後 AI 給你整一坨。

這時候就別硬描述了。

直接把成品丟給它，讓它倒推。

我常用的一句話是：

這是我想要的成品範例。

請你倒推一個提示詞，讓我用它能穩定生成同風格的內容。

並說明這個提示詞裏每一句的作用。

這招的重點不是抄。

坦率的講，風格這東西，抄個外形很容易，抄出魂很難。

尤其是寫作。

你讓 AI 學一個人，最後大概率只能學到句式、口癖和表面結構。

真正有價值的是：

用 AI 幫你拆解一個好東西為什麼好。

比如我把之前那篇 9 塊 9 DeepSeek 的文章丟進去。

它會把開頭鈎子、衝突設置、段落節奏、口語密度、案例安排都拆出來。

然後反推成一段可複用的 Prompt。

圖片也一樣。

你看到一張海報，覺得很像某種雜誌封面。

你可以讓 AI 反推：

它的鏡頭是什麼？

光線是什麼？

主體和背景怎麼擺？

顏色關係是什麼？

文字空間留在哪裏？

這其實就是把一個模糊的審美感受，翻譯成 AI 能聽懂的結構。

有時候我看一篇文章，自己說不出為什麼舒服。

讓 AI 拆完以後，我才發現：

哦，原來是它每一節都先講故事，再給判斷。

哦，原來是它沒有急着下結論，而是一直把懸念往後壓。

哦，原來是它用的不是高級詞，而是具體動作。

這玩意對學習特別有用。

不是為了複製別人。

而是為了把別人的好東西拆成零件，再長進自己的手裏。

六. 一個問題，永遠要兩層解釋。

最後這個，是我學習新東西時最常用的。

很多人問 AI 解釋概念，會這麼寫：

請用小學生能聽懂的話解釋一下。

這個當然有用。

但我現在不太喜歡用"小學生"了。

因為它很容易把答案寫得像兒童科普。

很可愛，但有時候也很幼稚。

我更喜歡讓它寫兩個版本。

一個是完全通俗版。

一個是專業版。

兩個放在一起看。

模板很簡單：

請幫我解釋一下【你的問題】。

請用兩種方式回答：

1. 初學者版本：
面向對象是洗腳城的大爺，用他也能聽懂的話詳細解釋。

2. 深度專業版本：
面向對象是專業人羣，表達可以更嚴謹，但一定不能出現事實錯誤。

洗腳城大爺這個畫像，我真的用了很久。

不是為了冒犯誰。

而是這個畫像會逼 AI 用特別生活化的例子。

它不會寫得像哄小孩。

也不會一上來給你端一堆術語。

比如前幾天 DeepSeek 的論文裏有個概念，叫殘差連接。

這個詞你要是直接搜，容易搜到一堆數學表達和網絡結構圖。

不是不能看。

但對普通人來說，第一眼真的會心態崩。

我就讓 AI 用雙層解釋法講。

通俗版先讓你知道：

哦，大概是為了讓信息別在傳遞過程中丟光。

專業版再告訴你：

它在神經網絡訓練裏到底解決了什麼問題，為什麼能緩解梯度消失，為什麼能讓更深的網絡變得可訓練。

這兩層合起來，才舒服。

只有通俗版，你會覺得自己懂了，但很容易懂得很淺。

只有專業版，你可能直接被術語勸退。

雙層解釋法的好處就是：

第一層讓你進門，第二層防止你以為門口就是全世界。

我現在學任何陌生概念，基本都會這麼來。

尤其是 AI 論文、金融概念、法律條款、醫學名詞這種東西。

先聽人話。

再看專業話。

中間哪一句不懂，就繼續讓它對那一句再做雙層解釋。

一層一層往下挖，很快就能從"完全沒概念"變成"至少知道該怎麼繼續問"。

寫在最後。

這 6 個心法，其實看起來都不復雜。

讓 AI 選專家。

讓 AI 先追問。

讓 AI 反駁你。

讓 AI 預演失敗。

讓 AI 反推 Prompt。

讓 AI 雙層解釋。

但它們背後其實都是同一件事：

不要把 AI 當答案機器。

把它當一個可以被你調度的思考搭子。

你讓它站在專家位，它就幫你找角度。

你讓它站在訪談位，它就幫你挖需求。

你讓它站在反方位，它就幫你拆漏洞。

你讓它站在未來失敗的廢墟里，它就幫你找風險。

你讓它站在老師位，它就幫你把概念掰開揉碎。

所以 Prompt 最重要的不是格式。

不是括號怎麼寫。

不是"請一步一步思考"放不放。

而是你有沒有想清楚：

這一輪對話裏，我到底需要 AI 扮演什麼功能。

很多人總在找萬能 Prompt。

但說實話，真沒有萬能 Prompt。

有的只是你越來越清楚地知道，自己要把 AI 放在棋盤上的哪個位置。

等你開始這麼用的時候，AI 就不再是一個聊天框了。

它會變成你的專家團、質檢員、反對派、預演室、拆解器和翻譯官。

這才是我覺得 Prompt 真正有意思的地方。

不是把一句話寫得多漂亮。

而是讓一句話，調動出一個更好的思考現場。

以上，既然看到這裏了，如果覺得不錯，隨手點個贊、在看、轉發三連吧，如果想第一時間收到推送，也可以給我個星標⭐～謝謝你看我的文章，我們，下次再見。

/ 作者：可可耐特

/ 投稿或爆料，請聯繫郵箱：aoshindragon@163.com