除了改变措辞，还有哪些降AI的指令高级技巧？

我们都知道，想让AI给你靠谱的回答，最直接的办法是换个说法问。但一直换说法，感觉就像在猜谜，效率很低。其实，真正好用的指令，背后都有一些更深层的技巧，这些技巧不是让你换个词，而是让你改变和AI沟通的整个框架。

技巧一：让AI“把思考过程写下来”，而不是直接给答案

这个技巧有个名字，叫“思维链”（Chain of Thought）。听起来很专业，但说白了就是，你别直接问AI“1+1等于几”，而是跟它说：“请一步一步计算1+1，然后告诉我答案。”

这有什么用？用处大了。AI在处理复杂问题时，比如一道数学应用题或者一个逻辑推理，如果直接蹦出答案，很容易出错。因为它可能跳过了某个关键步骤。但如果你让它把每一步的思考都写出来，它就必须遵循逻辑顺序。这个过程不仅强迫它更严谨，也让你能看清楚它到底在哪一步出了问题。

举个例子。我之前让AI帮我规划一个为期三天的市场活动，需要考虑预算分配、人员安排和时间线。

我最初的指令是：
“帮我规划一个为期三天的市场活动方案。”

结果它给我的东西很空洞，就是一些通用模板，什么“第一天：准备；第二天：执行；第三天：总结”，没什么实际价值。

后来我用了“思维链”的技巧，指令改成：
“帮我规划一个为期三天的市场活动方案。请按照以下步骤思考并写出你的分析过程：
1. 目标分析： 首先，定义这次活动的核心目标是什么？是增加品牌曝光，还是直接促进销售？
2. 预算拆分： 假设总预算是5万元，请你把它拆分到场地、物料、人员和宣传等几个大项，并说明为什么这么分。
3. 时间线规划： 把三天要做的事情，按照小时为单位列出来，确保每个环节都衔接得上。
4. 风险评估： 想一想这个方案可能存在哪些问题，比如下雨怎么办，或者人流量不够怎么办？
最后，根据上面的思考，给我一个完整的方案。”

你看，这次的指令不是让它直接给“方案”，而是引导它先完成一系列的“思考动作”。结果完全不一样。AI给出的方案逻辑清晰，考虑周全，我甚至能直接拿去用了。因为它写的每一步，都是在回答我的具体问题，而不是在背模板。这个方法特别适合需要逻辑、计算和复杂规划的场景。

技巧二：别光让AI扮演角色，要给它一个完整的“人设”

很多人都用过“假设你是一个……”这样的指令，这确实有用。但高级的玩法，不是只给它一个职业，而是给它一个完整的“人设”，包括它的经验水平、说话的语气，甚至它的价值观。

AI的回答质量，很大程度上取决于它在哪个知识区间里去寻找信息。你给的人设越具体，这个区间就越精确。

比如，你想了解一个财务概念“市盈率”。

普通的指令：
“解释一下什么是市盈率。”
这会得到一个像百科全书一样的标准答案，准确，但枯燥。

好一点的指令：
“假设你是一位金融分析师，请解释一下什么是市盈率。”
这个答案会专业一些，可能会包含一些行业术语。

高级的指令：
“假设你是一位有15年经验的价值投资者，你在写一本书，教完全不懂金融的年轻人如何理财。现在，请用你书中的一章，来解释‘市盈-率’这个概念。你的语言风格要像和朋友聊天一样，多用比喻，少用术语，目标是让一个大学生彻底听懂，并知道怎么用这个指标去判断一家公司贵不贵。”

看到区别了吗？这个指令给了AI一个极其具体的人设：
* 身份： 15年经验的价值投资者。
* 受众： 金融小白（大学生）。
* 场景： 写书。
* 语气： 像朋友聊天，多用比喻。
* 目标： 不仅要听懂，还要会用。

AI拿到这样的指令，它就不会去调用那些干巴巴的教科书知识了。它会模拟一个资深投资者的口吻，用更生活化的方式来组织语言。它给出的答案，可能就会包含“市盈率就像给一个公司买回本需要多少年”这类生动的比喻。

这个技巧的核心是，你在向AI提问时，其实是在为它“编程”，设定它回答问题的边界和风格。人设越清晰，它的表现就越稳定、越符合你的预期。

技巧三：提供范例，让AI“照葫芦画瓢”

这个方法叫“少样本提示”（Few-shot Prompting）。简单说，就是你先给AI一两个例子，告诉它你想要什么格式、什么风格，然后让它按照你的例子去处理新任务。这比用语言描述半天“我想要一个xx样的东西”要有效得多。

AI本质上是一个模式识别机器。你给它一个清晰的模式，它就能快速学会。

比如，你需要把一些杂乱的客户信息，整理成统一的格式。

原始信息：
“张三，电话13812345678，邮箱zhangsan@email.com，来自北京。李四，来自上海，邮箱lisi@email.com，电话13987654321。”

如果你直接说：
“帮我整理这些客户信息。”

AI可能会给你一个列表，但格式不一定是你想要的。

但如果你用“少样本”技巧：

“请根据我提供的范例，整理以下客户信息。

范例1：
输入：张三，电话13812345678，邮箱zhangsan@email.com，来自北京。
输出：
{
“name”: “张三”,
“phone”: “13812345678”,
“email”: “zhangsan@email.com”,
“city”: “北京”
}

现在，请处理以下信息：
李四，来自上海，邮箱lisi@email.com，电话13987654321。”

AI看到这个范例，会立刻明白你想要的是一个JSON格式的数据，而且字段名都定义好了。它会准确地输出你想要的结构。这个技巧在数据清洗、格式转换、内容风格迁移等任务上特别好用。你不需要费力描述你的要求，直接做个示范就行。

技巧四：用“反向指令”告诉AI“不要做什么”

我们通常习惯告诉AI“要做什么”，但有时候，告诉它“不要做什么”反而更重要。这就像给它划定一个“禁区”，防止它跑偏。

特别是在创意写作或者生成营销文案时，我们常常不希望看到一些陈词滥调或者过于夸张的词语。

比如，你要写一个咖啡的产品描述。

常规指令：
“帮我写一段关于一款阿拉比卡咖啡豆的产品描述，突出它的香醇和高品质。”

AI可能会生成这样的文字：“品味这款极致香醇的阿拉比卡咖啡，开启您无与伦比的美妙一天！每一颗咖啡豆都蕴含着大自然的力量，为您带来终极的味蕾体验。” 这类话术很空洞，没有吸引力。

现在试试加入“反向指令”：

“帮我写一段关于一款阿拉比卡咖啡豆的产品描述。
要求： 突出它的产地是埃塞俄比亚，有柑橘和花香的风味。
禁止事项： 请不要使用‘极致’、‘无与伦比’、‘终极’、‘美妙’、‘力量’这些浮夸的词。描述要具体、真实，就像一个咖啡师在向朋友推荐一样。”

这个“禁止事项”给了AI一个非常明确的约束。它就会避开那些营销套话，转而寻找更具体的词语来描述咖啡的风味，比如它可能会写：“这款来自埃塞俄比亚的咖啡豆，闻起来有柠檬和茉莉花的香气。喝下去的第一口，舌尖会感觉到明亮的酸质，像是咬了一口新鲜的橙子。”

这样的描述是不是真实多了？通过设定“禁区”，你强迫AI放弃捷径，去调用更精确、更有价值的信息。

技巧五：把复杂任务拆解成流水线

当你有一个非常复杂的任务时，不要指望一个指令就能搞定。最高效的方式，是把这个大任务拆解成几个小步骤，让AI像工厂流水线一样，一步一步地处理。上一个步骤的输出，直接作为下一个步骤的输入。

假设你想写一篇关于“人工智能对未来教育影响”的深度文章。

一步到位的指令（通常效果很差）：
“写一篇3000字的文章，探讨人工智能对未来教育的影响。”
结果很可能是东拼西凑、缺乏深度的网络文章。

流水线式的指令：

第一步：头脑风暴和生成大纲
“我正在写一篇关于‘人工智能对未来教育影响’的文章。请为我提供5个核心的讨论角度，并为每个角度提供3个支撑论点。以大纲的形式呈现。”
AI可能会给你类似这样的大纲：1. 个性化学习；2. 教师角色的转变；3. 新的评估方式…

第二步：扩展其中一个论点
“很好。现在请专注于‘个性化学习’这个角度。详细阐述AI如何通过分析学生数据，实现自适应的学习路径。请提供一两个具体的例子，比如某个教育软件是如何做的。”
这一步是让AI深入挖掘某一个点。

第三步：寻找反方观点
“关于AI个性化学习，也存在一些批评和担忧。请列出3个主要的反方观点，比如数据隐私、算法偏见等，并简单解释。”
这能让你的文章更有深度，不只是一味唱赞歌。

第四步：整合和润色
“现在，请把上面关于‘个性化学习’的正面阐述和反方观点，整合成一段大约800字的流畅段落。注意段落间的逻辑连接，语言风格要客观中立。”

通过这种方式，你就像一个项目经理，指挥AI完成一个个具体的子任务。每一步的质量都更高，而且完全在你的掌控之中。最终拼起来的文章，结构和深度都会比一步生成的要好得多。

这些技巧的核心思想，其实都是把我们和AI的关系，从“我问你答”的模式，转变为“我指挥，你执行”的协作模式。我们不再是一个模糊的提问者，而是一个清晰的指令设计者。当你开始这样思考时，你会发现，AI能做到的事情，比你想象的要多得多。