很多人在用 ChatGPT、Claude 的时候总觉得输出差一口气——要么答非所问,要么浮于表面。核心原因不是模型不够强,而是你的提示词写法还停留在“一句话提问”阶段。
以下 3 个技巧,每个都有前后对比,照着改就能看到明显变化。
最常见的错误是一次性让 AI“把整个方案写出来”。结果要么太短没深度,要么又长又散。正确的做法是拆成多个阶段,每阶段都有明确交付物。
大多数人只告诉 AI“要什么”,忘了约束“不要什么”。结果是 AI 输出一堆你以为应该能避开的东西——你不说不要,它还真就给你塞进去。
加上禁止项后,AI 会主动避开这些坑,文案质感立刻上来了。
这个技巧的灵感来自学术界的 Chain-of-Thought(思维链),但我们用一行话就能触发,不需要写复杂 prompt。
核心就一句话:“先分析,再给结论。”
| 场景 | 普通提问 | 加思维链后 |
|---|---|---|
| 数据解读 | “这份数据说明了什么?” | “先列出数据中的 3 个异常点,逐一分析可能原因,再给出综合结论” |
| 代码调试 | “这段代码哪里有问题?” | “先逐行分析这段代码的执行流程,指出每步的预期结果和实际结果,再定位 bug 位置” |
| 热点分析 | “这个新闻对我有什么影响?” | “从我的视角分 3 个层面(业务、竞争、趋势)分析这个新闻,最后给出 3 条可执行的建议” |
| AI 绘画 | “生成一个未来城市” | “先描述未来城市的 5 个视觉元素(建筑材质、灯光、气氛、色彩、构图),然后用这些元素拼凑成提示词” |
这个技巧零成本、零门槛,但对输出的逻辑性和深度提升非常明显,尤其适合需要 AI 做推理和判断的场景。
用一个真实场景来展示:让 AI 帮我评估是否应该投资某个 AI 工具赛道。
同样的模型、同样的底层能力,换一种提问方式,输出就从“泛泛的行业分析”变成了“可落地的投资决策参考”。
三个技巧背后是同一个底层逻辑:把脑子里的要求写出来,别指望 AI 猜你的心意。
| 技巧 | 一句话口诀 | 最适用场景 |
|---|---|---|
| 分层指令法 | “先做X,再做Y,每步确认” | 写方案、做策划、长篇内容 |
| 反例约束法 | “我要...但不要...” | 文案写作、风格控制、品牌内容 |
| 思维链偷懒法 | “先分析,再给结论” | 数据解读、代码调试、决策分析 |
下次打开 ChatGPT 或 Claude,把老习惯“帮我写一个XX”换成上面这个框架,你会立刻感受到差别。