目标
先说要什么
明确指出你需要的产出:结论、方案、代码还是表格?目标越具体,回答越精准。
ask --optimize "如何让 AI 高效生成回答"
好的提问,决定回答的上限。用结构化的方式,把 AI 的能力拉到满格。
SCROLL ▼
01 · 核心原则
六条让回答更高效的提问法则
不是 AI 不够聪明,而是指令还不够清楚。下面六条,覆盖了从"开口"到"追问"的完整链路。
上下文
补充背景
提供环境、约束与已知信息,减少 AI 的猜测空间,也减少它说废话的概率。
角色
设定身份与格式
让 AI 扮演合适的专家,并指定输出结构:列表、JSON、Markdown 表格……
拆分
分步拆解
把复杂任务切成小步骤,一次只让 AI 专注一件事,质量会明显提升。
示例
给示例与边界
用一个范例锁定风格,用约束圈住范围:长度、语气、禁止事项。
迭代
追问与修正
第一版不理想?基于结果追问、纠正方向,比重新开题高效得多。
02 · 互动演示
输入问题,生成一份结构化 Prompt
随便输入一个模糊的问题,看看它如何被改造成"AI 一眼就懂"的高质量指令。
> 你的问题
演示为前端模拟,不会真正调用 AI 接口。
03 · 前后对比
同一件事,两种问法
差距不在用词是否华丽,而在给 AI 的信息是否完整。
模糊提问
AI 只能靠猜
帮我优化一下这段代码
缺少目标:性能、可读性还是安全?
跟我说说这个报错
缺少上下文:完整报错和环境信息
写个方案
缺少角色与格式:给谁看、什么结构
结构化提问
AI 直接进入正题
你是资深 Python 工程师。这段代码在万级数据下很慢,请从算法复杂度角度优化,并说明每步理由。
角色 + 背景 + 目标 + 输出要求
我是前端新手。请用 5 个要点解释什么是闭包,并给出一个最小示例。
受众 + 数量 + 示例要求
请把这份需求拆成 3 个可执行步骤,输出为 Markdown 清单,控制在 300 字内。
任务 + 结构 + 边界
信息量 × 指令清晰度 = 回答质量