明明费了半天心思写了个 Prompt，结果大模型却给了你一堆好听的空话？比如你问它：“你觉得这个方案好不好？”它十有八九会回：“很好，很有潜力”，顺便再堆几个漂亮却空洞的形容词。看似鼓励，其实啥也没帮上。
为什么会这样？答案藏在大语言模型（LLM, Large Language Model）的工作原理里。模型的目标并不是追求“真理”，而是生成“看起来合理”的文本。当你问它意见时，它会根据训练中常见的礼貌表达来回复，于是答案往往带着恭维和笼统的判断。这就像你问一个善于寒暄的人“我今天帅不帅”，他几乎不可能说“不”。
要想让 AI 提供真正有价值的帮助，关键不在于它的智商，而在于你如何提问。换句话说，Prompt 就是你和模型之间的“交互协议”。写好 Prompt，就像设计一个实验，你必须明确变量、限制条件和预期结果，才能得到可验证的输出。以下五条黄金法则，能帮你快速提升写 Prompt 的水平，让大模型从“恭维机器”变成“思维助手”。
法则一：不要问意见，要问证据
很多人写 Prompt 的第一个误区，就是把 AI 当成了“智囊团的投票者”，总想问它“你怎么看”。但在语言模型的逻辑里，“意见”并不是来自独立思考，而是从语料中提炼出常见的说法。你问“这个方案好不好”，模型会倾向于回答“好”，因为这类积极回应在训练数据中出现频率极高。
示例
坏 prompt：你觉得这个创业点子靠谱吗？
ChatGPT 十有八九会说：“这个点子有潜力，市场前景广阔。”听起来很振奋，但无法指导你做出真实决策。
好 prompt：请给我三个具体反例，说明这个方案可能失败的场景。
此时，模型会被迫生成带有因果关系和场景细节的答案，比如：
- 用户教育成本过高，短期内难以形成规模效应
- 现有巨头的产品功能已经覆盖，竞争壁垒不足
- 监管政策可能限制该领域的扩张
这些点虽然未必百分百准确，但至少提供了可以继续探讨和验证的方向。与其说它给了你答案，不如说它帮你打开了思考的边界。
法则二：不要问假设，要问过去
我们常见的提问方式是：“如果未来遇到X问题，你会怎么处理？”听上去像是在考验模型的智慧，但它的回答很可能是编造的故事，因为未来并没有训练数据可供参考。模型擅长补全模式，却无法真正预测未发生的事情。
示例
好 prompt：请列举你在训练语料中学到的、已经出现过的X问题解决案例。
比如，你想问“初创公司如何度过资金链紧张期”，模型可能会调取训练数据中的历史案例：
- 某公司通过削减非核心业务来降低成本；
- 某公司在市场低谷期选择转型切入新赛道；
- 某公司通过引入战略投资方渡过危机。
这些回答至少有一个共同点：它们都能在现实世界里找到对应的案例作为支撑，不是凭空想象的励志台词。这样你就能进一步去验证，而不是被虚构的假设带跑偏。
法则三：不要模糊，要具体
模糊的问题只能得到模糊的答案。这是语言模型的本性。比如：
坏 prompt：帮我优化这个文案。
AI 会给你一个“优化过”的版本，但没有明确标准，它优化的方向完全取决于上下文推断。你可能根本不知道它是为什么这样修改的。
示例
好 prompt：请将这个文案重写成三个版本：① 面向投资人，② 面向工程师，③ 面向普通用户，每个版本100字。
这时，模型会基于目标群体的不同而做出风格区分：
- 面向投资人：强调市场规模、商业模式、回报率；
- 面向工程师：突出技术架构、性能指标、实现逻辑；
- 面向普通用户：用通俗语言强调易用性和体验感。
这种针对性让输出结果更接近实际需求，也更具备可用性。明确的约束条件能减少模型“随意发挥”的空间，从而提升输出的精准度。
法则四：不要问态度，要问行为
“你喜欢这个产品吗？”和“你会如何使用这个产品？”是完全不同的问题。第一个只会得到态度表态，而态度在语料中往往是正面的。第二个则会让模型生成行为链条，而行为链条更容易暴露问题。
示例
坏 prompt：如果你是用户，你会不会喜欢这个产品？
模型会回答：“会的，这个产品很实用。”这是概率最高的礼貌补全，但没有价值。
好 prompt：假设你是目标用户，请模拟一次实际使用过程，并逐步写出你会点击、输入、犹豫的步骤。
这时，模型可能生成这样的使用路径：
- 打开注册页面，填写手机号；
- 收到验证码输入，但提示过期；
- 需要重新获取验证码，产生犹豫；
- 进入首页后找不到功能按钮，产生困惑。
这些细节比“好用/不好用”的态度更具参考性，因为它能帮助你发现设计缺陷。这背后的原理在于：当模型生成行为模拟时，它会调用大量“用户体验类”的场景语料，而这些语料天然更丰富、更贴近现实。
法则五：不要要求认同，要要求反驳
当你问“我这样对不对”，模型往往会回答“对”，因为正面确认在语料中出现频率极高。它并不是在迎合你，而是在完成一个概率补全。
示例
好 prompt：请检查我这个逻辑，找出其中至少一个可能的错误，并解释理由。
或者：
如果必须反驳我，请站在反方角度给出三点论证。
这种方式能迫使模型从“对立角度”生成内容，帮助你看到自己的盲点。很多时候，一个高质量的反驳比十次表扬更能推动你的思考。
结语
- “好问题，胜过好答案。AI 的价值不在回答，而在你如何提问。”
- “模糊的 Prompt 让 ChatGPT 胡编，具体的 Prompt 才能让它掏出真干货。”
- “别求赞美，要证据；别问态度，要行为；别怕反驳，那才是AI最有价值的时刻。”
大语言模型的回答质量，并不是它单方面的能力，而是你与它的交互方式的产物。模糊、礼貌、未来假设的问题，会让它生成看似温和却无价值的回答；而具体、基于证据、要求反驳的问题，则能让它发挥出真正的潜力。
换句话说，好的 Prompt 就是帮模型“建立护栏”，让它少讲空话、多给干货。你问得越清晰，AI 的输出就越接近真实世界的知识，而不是幻觉。
掌握这五条黄金法则，你会发现 AI 不再只是“好好先生”，而是一个能不断挑战、补充、启发你的思维伙伴。它不只是帮你写点小段子，而是可以参与到你的思考流程里，扮演一个合格的“第二大脑”。
下次你写 Prompt 时，不妨想一想：如果你是在采访一位专家，你会怎样避免听到一堆客套话，而是让对方直言不讳？把这个心法用在 AI 上，你会惊讶于对话的质变。
写文章不容易，如果您觉得这篇文章有帮助，欢迎关注作者、转发、收藏，就是对作者的最大帮助。
Share this content:
发表评论