从「能用」到「好用」：淘宝问问对比示例
淘宝中的 AI 购物与生活助手——这是淘宝问问最主要的用途，也是本文讨论的前提。
下面用几组示意对比，说明同一任务里提示写法和流程不同会带来什么差别。
对比一：模糊指令 vs 明确指令
改之前：直接说「帮我商品描述生成」。结果往往泛泛而谈、格式随意。
改之后：写清材料、格式和验收标准：
根据参数表生成商品标题和描述：标题包含核心品类词，描述分为卖点、规格、使用说明三段，参数表中没有的功能不要写。
变化（示意）：输出结构稳定，可以直接按「描述没有超出参数表」检查。
对比二：一次做完 vs 分步完成
改之前：把「客户沟通稿」的全部要求一次塞进去。改之后：先让它给出计划或大纲，确认后再逐步完成。变化（示意）：中途发现偏差可以及时纠正，返工更少。
用非专业人士能理解的语言解释这个问题，避免给出绝对化承诺，并提醒客户需要专业人士最终确认的部分。
对比三：不检查 vs 带检查点
改之前：拿到结果直接用。改之后：每次都对照「区分了已证实与待验证」检查，并让工具列出它不确定的地方。变化（示意）：问题在交付前被发现。
以上对比均为示意，用来说明方法差异，不代表具体的效率数字。
更多可以试的用法
合规清单
适用情况：手头有一项业务流程时。
针对这项流程列出需要关注的合规检查点，每项注明依据类型（法规 / 行业标准 / 内部制度）以及需要向谁确认。
检查点：注明了确认对象。
购物前提问
适用情况：手头有一个购物需求和预算时。
我想买【品类】，预算【金额】，主要用途是【用途】。请列出我需要关注的 5 个参数，并说明每个参数怎么选；商品推荐请附上可核对的商品页面。
验收标准：参数解释清晰可核对。
常见问题：输出引用了不存在的条款或文献
只接受能追溯到原文的引用，逐条核对。
常见问题：识别模型在新场景失效
补充新场景的标注数据重新评估。
常见问题：客户误以为是专业意见
在输出中加入明确提示，并由专业人员审核后再发出。
概念补充：领域模型
针对特定行业数据训练或调优的模型。
概念补充：环境感知文书
在征得同意后记录对话并自动生成专业记录。
适合人群：数据分析师
数据分析师可以用淘宝问问处理取数与 SQL、清洗与可视化等工作。需要注意：确认指标口径，敏感数据脱敏后再交给 AI 处理。
适合人群：设计师
设计师可以用淘宝问问处理灵感与草图、多尺寸物料适配等工作。需要注意：确认生成素材与字体的商用授权，客户未公开的项目不要上传。
适合人群：新媒体运营
新媒体运营可以用淘宝问问处理内容排期、数据复盘等工作。需要注意：活动规则与奖品说明要准确，避免诱导分享等违规玩法。
注意事项
涉及个人信息、商业机密或受监管数据时，先确认淘宝问问的数据处理条款，再决定能否使用。
文中提示词和示例仅作示意，实际效果取决于你的材料和淘宝问问当前版本，重要内容请人工核对后再使用。