AI 对话与提示词常见问题
70 个问题，按五项能力分类。每题提供独立阅读页，保留完整解答、适用条件与引用文献。
A 表达意图
- A006 如果需求含有错误前提，怎样允许 AI 先指出问题而不是顺着回答？
- Q001 先让 AI 扮演专家再提问题，有没有用？
- Q002 主语用你、我，还是你们、我们？要不要加敬语？对 AI 的态度如何？
- A007 “扮演专家”是在规定视角、语气，还是能提高事实准确性？应分别怎样检查？
- A008 与其指定职业角色，直接列出分析标准有什么不同？
- A009 让一个 AI 扮演多位专家讨论，能否当作独立意见？
- A010 夸奖、责备、催促或威胁措辞会如何影响 AI？
- A011 “你”“我们”“我”等提示词的主语该怎么选？是必要的吗？影响答案吗？
- Q003 用词是否必须专业规范，还是可以使用民间用词？
- A012 不知道专业名称时，能否通过用途、特征、例子和反例让 AI 帮忙确定概念？
- A013 和 AI 对话时使用的专有名词是一直用一个还是可以换着用？是否要以 AI 生成的专有名词为基准？
- A015 项目内自定义名称、缩写和行话，应怎样定义并保持一致？
- A016 中文、英文、方言、网络用语或混合语言，何时需要补充解释？
- Q004 问题描述多清楚算清楚？主谓宾都要有吗？环境描写、背景信息有帮助吗？
- Q007 标点符号是否必须完美？为什么？
- A019 不完整句子、错别字、语音转写错误，哪些会改变任务含义？
- A021 标点、换行、标题、列表和引号分别在什么时候帮助区分含义？
- A023 把要求放在开头、结尾或重复多次，是否必要，怎样避免写成互相冲突的要求？
- Q005 提供一个案例能让 AI 生成的内容提高多少？
- A028 怎样避免 AI 把示例中的姓名、数字和情节复制到新任务？
- A029 怎样区分“更像示例”和“内容更正确”，评价案例带来的改善？
- Q008 如果描述不出需求，该怎么办？遵循哪些步骤？
- A035 如何发现AI在长任务中擅自改变目标或完成标准，并尽量不打断工作？
- Q009 提问模板是否有用？多大程度上有用？是否会一直有用？
B 提供条件
- B006 贴入网址、文件名或路径，是否意味着 AI 已经访问了其中内容？怎样确认？
- B007 上传成功是否等于全文已被读取？怎样发现遗漏页、截断或解析失败？
- B008 扫描件、图片里的文字、表格、脚注和图表，应怎样检查识别是否正确？
- B009 文件中有多个工作表、附件或隐藏内容时，怎样明确需要读取的范围？
- B014 AI 说“记住了”，应怎样确认记住的内容、有效范围与持续时间？
- B015 在新对话中继续任务，需要重新提供哪些信息？
- B016 对话很长时，怎样检查早期约定是否仍被正确使用？
- B017 怎样制作交接摘要，保留决定、依据、例外和未解决问题？
- B018 哪些长期偏好可以复用，哪些任务特例不应变成永久规则？
- B022 提供全文、摘录或摘要，各会失去哪些信息，应如何选择？
- B023 要求只依据所给资料时，应怎样处理资料没有回答的问题？
- B024 什么时候需要查找外部信息，什么时候引入外部信息反而偏离任务？
- B025 怎样选出有代表性的示例，而不是只挑最容易的情况？
- B033 要求 AI“不保存”是否等同于产品真的不保留数据，应去哪里核实设置与政策？
C 控制变化
D 组织复杂过程
- D001 一个请求里包含多个任务时，怎样明确交付物和相互关系？
- D002 什么时候一次完成更合适，什么时候需要分阶段？
- D003 哪些中间结论必须先核实，才可以作为下一步依据？
- D004 拆得过细会增加哪些沟通负担，怎样判断拆分是否有必要？
- D008 什么时候看提纲、样例或小规模试做，比直接生成完整结果更有效？
- D009 怎样设置有意义的检查点，而不是每一步都停下来？
- D011 在一条对话里切换话题，什么时候会混入旧目标或旧材料？
- D012 何时继续原对话，何时另开对话，应保存什么交接信息？
- D014 任务中断或工具失败后，怎样确认已完成部分，避免重复操作？
- D019 让多个 AI 或多个角色讨论，什么时候有价值，什么时候只是增加重复内容？
- D022 怎样在开始前约定投入时间、费用、尝试次数和输出深度？
- D024 反复尝试没有进步时，应换表达、补资料、换工具，还是改变目标？
- D025 如何先用低成本试做判断方案是否可行？
- D031 怎样避免把 AI 的建议自动当成自己的偏好或最终决定？
E 判断与修正
- E006 AI 的引用是否真实存在，是否真的支持对应结论，怎样检查？
- E007 来源真实但过时、断章取义或适用范围不同，应怎样识别？
- E009 AI 表示“很确定”或给出置信度数字时，应该怎样看待？
- E013 结果不好，是目标不清、材料不足、输入误读、能力限制，还是评价标准不一致？
- E017 AI 改对一处却改坏另一处时，应怎样检查回归问题？
- E019 让 AI 自己检查答案，能发现什么，不能替代哪些独立验证？
- E020 我反复质疑后 AI 改口，怎样判断是真纠错还是迎合？
- E021 让 AI 反驳我时，怎样避免得到为了反驳而反驳的内容？
- E026 比较两种提问方法时，需要保持哪些条件一致？
- E032 怎样发现自己越来越依赖 AI 的认可，而不再独立判断？
- E035 结果交给他人使用前，应说明哪些 AI 参与、核验范围和剩余限制？
- E036 怎样把一次错误整理成可复用的检查项，而不是积累越来越长的禁令？