还在把AI当搜索引擎?用了这10个AI技巧,让你彻底告别“垃圾回答”

我爱免费

作者：微信文章
Greg Isenberg 最近发了个超有深度的视频，叫《我用错了 Claude》，这个视频特别受欢迎。他根据 Anthropic 官方的研究，总结出了 10 个能让 Claude 效率提高 10 倍的技巧。



这些技巧专门解决AI"幻觉"、"懒惰"、"平庸回答"的问题。

1. 协作语气



Anthropic 的研究发现，用命令式的语气和模型交流，会让它防御性变得特别强。

比如说，要是你说 “立刻把这堆垃圾修好！这代码根本跑不通”，这样就不太好。

而要是换成 “请检查这段代码中的错误。我的目标是让它运行得更有效率。如果你发现了 bug，请解释原因并提出修复建议，就像我们在进行代码审查一样”，效果就不一样了。

用协作的语气和模型交流，能激活它的 “队友模式”，它就会更主动地去想解决办法。

2. 明确性原则



要是输入的内容模模糊糊，那输出的结果也会模模糊糊。咱们得把被动的请求变成具体的行动指令。

像说 “我需要一些关于咖啡的博客点子” 就不太好。

但要是说 “生成 10 个关于‘精品咖啡对现代职场文化影响’的博客标题。目标受众是 25 - 35 岁的科技工作者。语气要诙谐且引发共鸣”，效果就大不一样了。

把主题、数量、受众还有语气都明确了，得到的结果会精准很多。

明确了主题、数量、受众和语气，结果会精准得多。

3. 定义边界



对创造力来说，适当的限制其实是有促进作用的。要是给 AI 足够大的发挥空间，它反而不知道该怎么办了。

就像说 “写一个关于未来的故事”，这种说法就不太好。

但要是说 “写一个不超过 500 字的短篇故事。风格上要结合海明威的极简主义和赛博朋克设定，主角是一个在火星上调查数据盗窃案的过时机器人侦探”，效果就好多了。

给它设定具体的约束条件，能迫使模型在规定的框架里进行更深入的创作。

4. 草拟、计划、然后行动



最重要的技巧就是让模型先 “思考” 再 “执行”。

直接说 “写一份关于远程工作优势的完整报告” 就不太好。

可以采用分步法。第一步先让模型 “请先为我起草一个详细大纲，包含引言、三个主要论点和结论”。第二步等有了反馈之后，告诉模型 “把第二点‘节省成本’改为‘心理健康影响’”。第三步再让模型 “现在根据修订后的大纲撰写完整报告”。

这样做能避免模型在写长篇报告的时候找不到方向。

5. 要求结构化输出



要是指定输出的 “细节要求”，内容的质量也会跟着提高。

直接说 “告诉我关于阿波罗任务的事” 不太好。

更好的做法是说 “列出最后三次阿波罗任务。格式上要用 Markdown 表格，列标题分别是任务名称、发射日期、机组人员名单、关键科学成就”。

这样输出的数据会很清晰，提取和使用起来也更容易。

6. 解释原因



给指令提供一些背景信息很有用。模型知道了你的目的，就能自己琢磨出你没说清楚的细节。

直接说 “给这些运动鞋写几句广告词” 不太好。

更好的说法是 “给我 5 个新运动鞋品牌的营销口号。背景是我们品牌的核心是‘极度舒适’和‘可持续发展’，鞋子是用回收海洋塑料做的。目的是打动那些在意环保但又想要舒适度的城市跑者”。

这样写出来的广告词就会围绕环保和舒适，而不是那种很常见的 “跑得更快” 之类的话。

7. 控制详略程度



和 AI 说清楚文章要写多深、多长很重要。

比如简化版的要求是 “用 5 岁孩子能听懂的语言解释量子纠缠，用简单的比喻，别用专业术语”。

深度版的要求则是 “为物理系研究生详细解释量子纠缠，要逐步推理，引用相关数学概念，保证技术上准确”。

同样是解释量子纠缠这个话题，按照不同要求，AI 输出的内容会有很大差别。

8. 提供模板



别让 AI 自己去构建文章结构，给它一个 “填空题” 模板会更好。

直接说 “总结这篇文章” 不太好。

更好的做法是 “阅读这篇文章，严格按照下面的格式总结：一句话核心论点写在这里，关键数据或事实列出 3 个，分别写在对应位置，潜在的反直觉见解也写在这里”。

这样能保证输出的内容格式一致，处理大量文件的时候用这种方法特别合适。

9. 使用专业术语



特定的短语可以激活模型特定的训练权重。

说 “Think step by step”，也就是逐步思考，能让模型把推理过程展示出来，这样可以减少逻辑错误。

说 “Critique your own response”，意思是批评你的回答，能让模型自我反思，让结果更准确。

说 “Adopt the persona of...”，就是扮演某个角色，能让模型切换语料库风格。

说 “Chain of Thought”，也就是思维链，能让模型写出它是怎么得出结论的。

10. 分而治之



就算 Claude 有很大的上下文窗口，要是一次性处理复杂任务，结果的质量也会下降。

直接说 “帮我写一个完整的 iOS 应用程序” 不太好。

采用分步法会更好，比如先设计数据库架构，接着编写用户认证模块代码，然后编写前端 UI 的 SwiftUI 代码。

用模块化的方法能保证每个部分的质量都是最高的。

终极综合示例



把所有技巧融合的超级提示词：

"扮演一位世界级的大学历史教授。我正在为一群对二战历史没有任何了解的高中生准备一堂45分钟的入门课。我的目标是让他们对那段历史产生兴趣，而非死记硬背日期。首先，不要写讲稿。请先为我创建一个讲座大纲。大纲必须包含三个主要部分，且总时长严格控制在45分钟内。使用嵌套的Markdown列表格式。每个要点都要包含一个具体的'故事钩子'。语气要生动、引人入胜，但保持学术严谨性。"

这个请求包含了：角色设定、背景说明、任务分解、边界定义、格式要求、具体细节和语气指导。

这里虽然是以 Claude 为例讲这些技巧，但其实其他 AI 也差不多，关键是咱们要转变思维，别再把 AI 当成搜索引擎，而是把它当成能理解复杂需求的专业队友。你就像指挥家，AI 就像乐手。