提示词技巧 on AI 观察

用不好批量分类与打标签？先避开这 5 个误区

Fri, 16 Oct 2026 16:46:11 +0800

想把批量分类与打标签用好，先要知道哪些写法会拖后腿。先回顾一下：批量分类打标是让 AI 按你定义的类别，给大量文本贴标签，例如把用户反馈分成功能建议、故障报告、价格抱怨，把邮件分成紧急、待办、仅供参考。下面逐个拆解 5 个最常见的错误。

错误 1：类别之间有重叠

表现：类别之间有重叠。很多人第一次使用时都会这样写。

长文本分层摘要 vs 一次性摘要：适用场景对比

Fri, 16 Oct 2026 16:45:56 +0800

长文本分层摘要和一次性摘要经常被放在一起比较。弄清区别后，你能更快判断该用哪一种。

核心区别

一次性摘要适合几页以内的短材料；分层摘要处理更长、更复杂的材料，步骤更多，但信息保留更完整、可追溯。

从原理看，长文本中信息密度不均，一次性压缩容易只保留开头或结尾；分层处理让每部分都被认真读过，也方便你回到原文核对。分层摘要本质上是先保真、再压缩。第一层尽量保留原文信息和出处，第二层才做合并和取舍，第三层只留最关键的判断。顺序反过来，直接要一句话结论，AI 就只能凭自己的理解挑重点，读者也无法追溯依据。

写给自由职业者的反方视角与红队提问实用指南

Fri, 16 Oct 2026 16:45:31 +0800

以接项目为生的自由设计、开发或咨询从业者，日常工作中常常会遇到这样的情况：一个项目需求范围不断扩大，需要沟通变更。反方视角与红队提问是很适合自由职业者的一项 AI 技能。反方视角是让 AI 扮演批评者、竞争对手或最挑剔的客户，专门找你的方案、文章或决定中的问题。

案例拆解：保险代理人用系统提示词编写改进保障方案说明

Fri, 16 Oct 2026 16:44:51 +0800

这是一个虚构但很典型的案例：阿杰是一位为个人和家庭提供保险咨询的保险代理人，最近手头在忙“和 8 位客户进行保障需求沟通”，同时还要准备“筹备一场家庭保障讲座”。这次阿杰需要整理一份给团队主管的保障方案说明，决定试试系统提示词编写。

背景

对阿杰来说，要向客户讲清楚复杂条款，写跟进消息、做需求分析，还要遵守严格的销售规范。偏偏这次还遇到一个变数：一位客户对条款理解有偏差，需要再次沟通。保障方案说明需要尽快交给团队主管，时间并不宽裕。

分隔符与材料标注技巧检查清单：照着勾选就不会漏

Fri, 16 Oct 2026 16:44:40 +0800

下面这份清单把分隔符与材料标注技巧拆成可勾选的动作，按阶段检查即可。分隔符标注是用三引号、XML 风格标签或明显的标题，把提示词中的“指令”和“材料”分开，例如把要处理的文本放在 <材料></材料> 里。提示词技巧的共同点是把你脑子里的隐含要求说出来。AI 不知道你的读者是谁、标准是什么，写得越具体，它越少猜测。

组合技巧：系统提示词编写搭配自定义专属 AI 助手

Fri, 16 Oct 2026 16:44:04 +0800

系统提示词编写单独使用已经很有用，但在复杂任务里，和自定义专属 AI 助手组合起来效果更好。下面讲清两者如何分工、按什么顺序使用。

两个技能各自负责什么

系统提示词：系统提示词是给 AI 助手设定的长期规则，在每次对话前生效，用来规定它的身份、能力范围、语气、输出格式和禁止事项。
专属助手：自定义专属助手是在支持该功能的 AI 平台上，把固定的指令、参考资料和常用功能打包成一个专门的助手，例如“周报助手”“客服回复助手”“合同初审助手”。

系统提示词有效是因为一次性提示只影响当前问题，系统提示词则影响整个会话，相当于给 AI 一份岗位说明书，让每次回答都保持一致的标准；专属助手有效则是因为很多工作任务的背景和要求是固定的，把它们写进助手配置后，每次只需提供新内容，输出风格稳定，也方便分享给同事使用。两者叠加，正好互补。

写给 HR 的 AI 评分标准打分实用指南

Fri, 16 Oct 2026 16:43:45 +0800

负责招聘、员工关系和培训的人力资源专员，日常工作中常常会遇到这样的情况：两个技术岗位招聘周期偏长，用人部门催得紧。AI 评分标准打分是很适合 HR 的一项 AI 技能。评分标准打分是先定义一套评分维度和等级描述，再让 AI 按标准给文章、方案、答卷或回复打分并说明理由。

案例拆解：运营用防幻觉与事实核查提示改进活动方案

Fri, 16 Oct 2026 16:43:25 +0800

这是一个虚构但很典型的案例：小孙是一位负责用户增长、活动策划和社群运营的互联网运营，最近手头在忙“策划并上线国庆签到活动”，同时还要准备“准备双十一预热活动方案”。这次小孙需要整理一份给运营负责人的活动方案，决定试试防幻觉与事实核查提示。

背景

对小孙来说，活动方案、推送文案、社群话术、数据复盘一个接一个，经常要在短时间内产出大量文字。偏偏这次还遇到一个变数：活动预算尚未最终审批，奖品方案可能调整。活动方案需要尽快交给运营负责人，时间并不宽裕。

上下文打包和一句话提问有什么区别？怎么选

Fri, 16 Oct 2026 16:43:00 +0800

上下文打包和一句话提问经常被放在一起比较。弄清区别后，你能更快判断该用哪一种。

核心区别

一句话提问快，适合通用问题；上下文打包前期多花几分钟，换来贴合你真实情况的结果，适合依赖背景的任务。

从原理看，AI 只知道你告诉它的内容，信息缺失时它会用常见情况补齐，导致结果泛泛；有条理的资料包能让它在你的真实场景中工作。很多人以为提示词的关键是“怎么问”，其实更关键的是“给什么”。同一个问题，配上不同的背景，AI 的回答会完全不同。上下文打包就是把你脑子里默认的信息写下来，这一步的价值往往超过任何提示词技巧。

JSON 结构化输出入门教程：是什么、怎么用，附可复制模板

Fri, 16 Oct 2026 16:42:56 +0800

结构化输出是让 AI 按照固定的字段和格式返回结果，例如 JSON、表格或固定标题的清单。这样结果可以直接粘贴进表格、导入系统，或被程序自动处理。读完这篇，你就能把它用到自己的日常工作里。

结构化输出是什么，为什么有效

背后的原理并不复杂：自由文本每次结构都不同，后续整理很费时；预先定义字段相当于给 AI 一张要填的表，结果更一致，也更容易检查遗漏。与自由文本回答相比，自由文本可读性好但格式不稳定；结构化输出牺牲一点流畅度，换来可以直接复制、导入和自动处理的稳定结果。

AI 决策矩阵分析问答合集：用法、模板和坑

Fri, 16 Oct 2026 16:42:44 +0800

如果你对 AI 决策矩阵分析还有疑问，可以先看看这 7 个问答。

Q1：决策矩阵到底是什么？

决策矩阵是把几个选项和几项评价标准排成表格，给每个标准设置权重，再逐项打分并计算总分。借助 AI，你可以快速搭建矩阵、补充遗漏的标准，并测试权重变化对结论的影响。

Q2：为什么它有效？和列优缺点清单有什么不同？

面对多因素决策时，人容易被某一个突出因素左右；矩阵把各因素摊开、量化，AI 则能帮你从不同角度检查打分和权重是否合理。优缺点清单简单直观，但无法体现各因素的轻重；决策矩阵加入权重和打分，更适合多选项、多因素的复杂决策。

写给客服的范文仿写技巧实用指南

Fri, 16 Oct 2026 16:42:12 +0800

负责在线咨询、售后处理和投诉跟进的客服专员，日常工作中常常会遇到这样的情况：大促期间咨询量预计翻倍，排班需要提前调整。范文仿写技巧是很适合客服的一项 AI 技能。范文仿写是给 AI 一两篇你认可的范文，让它分析范文的结构、语气和用词特点，再按同样的风格写新内容。

写给酒店前台的苏格拉底式提问学习法实用指南

Fri, 16 Oct 2026 16:40:58 +0800

在酒店或民宿负责接待、预订和客诉处理的前台人员，日常工作中常常会遇到这样的情况：节假日满房，超售风险需要提前关注。苏格拉底式提问学习法是很适合酒店前台的一项 AI 技能。苏格拉底式学习是让 AI 不直接给答案，而是通过一连串提问引导你自己推出结论。

为什么酒店前台值得学

对酒店前台来说，要接待不同国家的客人，回复预订平台评价，处理突发投诉，还要做交接记录。苏格拉底式学习正好能帮上忙：自己推导出来的结论记得更牢，提问过程还能暴露你理解中的漏洞；AI 可以根据你的回答调整问题难度，这是看书做不到的。

从会用到用好：对比表格生成的 5 个进阶技巧

Fri, 16 Oct 2026 16:40:49 +0800

这篇写给已经会用对比表格生成、希望再进一步的读者。理解原理是关键：文字描述容易让人只记住最后看到的选项；表格强制每个选项回答同样的问题，缺失信息和差异一目了然。

对比表格的说服力来自维度的选择。维度应该对应决策时真正关心的问题，并且每个选项都能回答。如果某个维度所有选项都一样，它就没有区分作用，可以删掉；如果某个维度很重要却缺数据，应在表格里明确标出，提醒决策者。

案例拆解：客服用 AI 模拟用户访谈改进客服话术手册

Fri, 16 Oct 2026 16:40:30 +0800

这是一个虚构但很典型的案例：大刘是一位负责在线咨询、售后处理和投诉跟进的客服专员，最近手头在忙“处理在线咨询约 600 条”，同时还要准备“更新退换货政策话术”。这次大刘需要整理一份给客服主管的客服话术手册，决定试试 AI 模拟用户访谈。

背景

对大刘来说，同类问题反复回答，遇到情绪激动的客户还要斟酌措辞，知识库更新也跟不上。偏偏这次还遇到一个变数：大促期间咨询量预计翻倍，排班需要提前调整。客服话术手册需要尽快交给客服主管，时间并不宽裕。

用不好范文仿写技巧？先避开这 5 个误区

Fri, 16 Oct 2026 16:40:29 +0800

想把范文仿写技巧用好，先要知道哪些写法会拖后腿。先回顾一下：范文仿写是给 AI 一两篇你认可的范文，让它分析范文的结构、语气和用词特点，再按同样的风格写新内容。下面逐个拆解 5 个最常见的错误。

错误 1：范文风格不统一

为什么不行：范文风格不统一。这是最常见也最容易忽略的情况。

角色提示词 vs 直接提问：适用场景对比

Fri, 16 Oct 2026 16:39:52 +0800

角色提示词和直接提问经常被放在一起比较。选错了不会出大问题，但会多走弯路。

核心区别

直接提问时 AI 默认用通用助手的口吻回答，覆盖面广但重点不突出；角色提示会让它带入特定专业视角，按该身份关心的标准取舍信息。

从原理看，大模型在训练中见过大量不同身份的写作方式，指定角色相当于帮它从众多可能的回答风格里先挑出一种，减少泛泛而谈。角色提示最有价值的地方不是让 AI 变得更“权威”，而是帮它确定取舍标准。同样一份方案，财务角色会先看成本，用户角色会先看是否好用，法务角色会先看风险。你想让它重点关注什么，就给它一个天然关注这些问题的身份。

按受众改写技巧和直接转发原文有什么区别？怎么选

Fri, 16 Oct 2026 16:38:23 +0800

按受众改写技巧和直接转发原文经常被放在一起比较。弄清区别后，你能更快判断该用哪一种。

核心区别

直接转发最省事，但读者需要自己筛选信息；按受众改写多花几分钟，换来读者真正读懂并采取行动。

从原理看，同样的信息，读者不同，最需要的部分也不同；AI 擅长在保留事实的前提下调整详略、顺序和用词，前提是你说清读者是谁。按受众改写的核心不是“降低难度”，而是“匹配需求”。领导并不需要更简单的内容，而是需要更短的路径到达结论；新手也不只是需要更少的术语，而是需要被补上缺失的背景。先想读者缺什么，再决定加什么、删什么。

从会用到用好：AI 决策矩阵分析的 5 个进阶技巧

Fri, 16 Oct 2026 16:37:56 +0800

这篇写给已经会用 AI 决策矩阵分析、希望再进一步的读者。理解原理是关键：面对多因素决策时，人容易被某一个突出因素左右；矩阵把各因素摊开、量化，AI 则能帮你从不同角度检查打分和权重是否合理。

决策矩阵最有价值的部分，往往不是最终总分，而是敏感性分析。如果稍微调整权重，结论就会翻转，说明这几个方案其实差不多，你可以更多考虑执行难度或个人偏好；如果怎么调整都是同一个结果，那这个选择就相当稳健。

苏格拉底式提问学习法实战案例：游戏开发者如何把策划文档做得更好

Fri, 16 Oct 2026 16:37:26 +0800

这是一个虚构但很典型的案例：阿美是一位在小团队或独立工作室做游戏的开发者，最近手头在忙“完成战斗系统原型”，同时还要准备“设计新手引导关卡”。这次阿美需要整理一份给制作人的策划文档，决定试试苏格拉底式提问学习法。

背景

对阿美来说，策划、程序、美术、文案和社区运营都要兼顾，原型迭代时间紧。偏偏这次还遇到一个变数：美术资源外包进度慢，可能影响试玩版时间。策划文档需要尽快交给制作人，时间并不宽裕。

发散-收敛头脑风暴法的 5 个常见错误及修正方法

Fri, 16 Oct 2026 16:37:11 +0800

发散-收敛头脑风暴法看起来简单，但写法上的小偏差会明显影响结果。先回顾一下：发散-收敛头脑风暴是先让 AI 大量产出想法（发散），再按标准筛选、合并、排序（收敛）。下面逐个拆解 5 个最常见的错误。

错误 1：发散时就要求“可行的”想法

问题在哪：发散时就要求“可行的”想法。这是最常见也最容易忽略的情况。

游戏开发者必会的 AI 技能：AI 模拟用户访谈

Fri, 16 Oct 2026 16:37:01 +0800

在小团队或独立工作室做游戏的开发者，日常工作中常常会遇到这样的情况：美术资源外包进度慢，可能影响试玩版时间。AI 模拟用户访谈是很适合游戏开发者的一项 AI 技能。用户模拟访谈是让 AI 扮演特定类型的用户、客户或听众，回答你的问题或对你的产品、文案给出反应。

案例拆解：销售用按受众改写技巧改进客户方案

Fri, 16 Oct 2026 16:36:11 +0800

这是一个虚构但很典型的案例：小吴是一位负责客户开发、商务谈判和回款跟进的 B2B 销售，最近手头在忙“拜访 6 家意向客户，推进 2 家进入方案阶段”，同时还要准备“推动两家客户签约”。这次小吴需要整理一份给销售经理的客户方案，决定试试按受众改写技巧。

背景

对小吴来说，客户跟进记录、方案报价、邮件沟通和周报汇报很多，真正和客户交流的时间不够。偏偏这次还遇到一个变数：一家重点客户预算审批延后，可能影响本季度业绩。客户方案需要尽快交给销售经理，时间并不宽裕。

文风与语气迁移问答合集：用法、模板和坑

Fri, 16 Oct 2026 16:35:51 +0800

刚接触文风与语气迁移的人，问得最多的往往是下面这几个问题。

Q1：文风迁移到底是什么？

文风迁移是让 AI 保持内容不变，把文字改成另一种风格或语气，比如把技术说明改成通俗讲解，把口语记录改成正式公文，把严肃通知改成轻松的社群文案。

Q2：为什么它有效？和从头重写有什么不同？

同一信息面对不同对象需要不同表达，手动改写费时又容易漏信息；让 AI 专门负责“换说法”，你只需检查内容是否保真。从头重写容易引入新内容或遗漏原意；文风迁移以原文为准，只换表达方式，信息更可控。

信息抽取提示词问答合集：用法、模板和坑

Fri, 16 Oct 2026 16:34:29 +0800

如果你对信息抽取提示词还有疑问，可以先看看这 7 个问答。

Q1：信息抽取到底是什么？

信息抽取是让 AI 从非结构化的文字中找出特定信息，例如从合同中提取金额和期限，从聊天记录中提取待办事项，从简历中提取工作经历。它把“读完再找”的工作交给 AI。

Q2：为什么它有效？和人工阅读查找有什么不同？

AI 擅长理解不同说法表达的同一含义，比如“下周三前”“30 号之前”都是截止时间，这让它比关键词搜索更适合从自然语言中提取信息。人工阅读准确但耗时；AI 信息抽取速度快、能处理多种说法，但需要原文依据和抽查来保证准确。

角色提示词实战案例：退休人士如何把生活计划做得更好

Fri, 16 Oct 2026 16:34:00 +0800

这是一个虚构但很典型的案例：老张是一位刚退休、希望学点新东西、安排好生活的长辈，最近手头在忙“学会用手机视频通话”，同时还要准备“学习识别电信诈骗”。这次老张需要整理一份给家人的生活计划，决定试试角色提示词。

背景

对老张来说，想学手机和新技术、规划旅行和健康生活，但遇到问题不好意思总麻烦子女。偏偏这次还遇到一个变数：对网上信息真假不好判断。生活计划需要尽快交给家人，时间并不宽裕。

信息抽取提示词实战案例：老师如何把教案做得更好

Fri, 16 Oct 2026 16:33:58 +0800

这是一个虚构但很典型的案例：小赵是一位在中小学一线任教的学科老师，最近手头在忙“完成第三单元的备课和课件”，同时还要准备“准备期中复习资料”。这次小赵需要整理一份给教研组长的教案，决定试试信息抽取提示词。

背景

对小赵来说，备课、出题、批改、写评语、家校沟通占满了课外时间，个性化指导很难顾及每个学生。偏偏这次还遇到一个变数：期中考试时间提前，复习时间比较紧。教案需要尽快交给教研组长，时间并不宽裕。

按受众改写技巧进阶技巧：让效果更稳定的 5 个用法

Fri, 16 Oct 2026 16:33:38 +0800

按受众改写技巧入门不难，难的是在复杂任务里稳定发挥。理解原理是关键：同样的信息，读者不同，最需要的部分也不同；AI 擅长在保留事实的前提下调整详略、顺序和用词，前提是你说清读者是谁。

按受众改写的核心不是“降低难度”，而是“匹配需求”。领导并不需要更简单的内容，而是需要更短的路径到达结论；新手也不只是需要更少的术语，而是需要被补上缺失的背景。先想读者缺什么，再决定加什么、删什么。

保险代理人必会的 AI 技能：AI 生成检查清单

Fri, 16 Oct 2026 16:33:25 +0800

为个人和家庭提供保险咨询的保险代理人，日常工作中常常会遇到这样的情况：一位客户对条款理解有偏差，需要再次沟通。AI 生成检查清单是很适合保险代理人的一项 AI 技能。清单生成是让 AI 根据任务或流程，列出可勾选的检查项，例如出差准备清单、上线前检查清单、活动执行清单。

大学生必会的 AI 技能：发散-收敛头脑风暴法

Fri, 16 Oct 2026 16:33:18 +0800

在读本科、需要兼顾课程、社团和实习求职的大学生，日常工作中常常会遇到这样的情况：小组项目成员分工不清，可能临近截止才赶工。发散-收敛头脑风暴法是很适合大学生的一项 AI 技能。发散-收敛头脑风暴是先让 AI 大量产出想法（发散），再按标准筛选、合并、排序（收敛）。

把 AI 模拟用户访谈和角色提示词结合起来用

Fri, 16 Oct 2026 16:31:40 +0800

AI 模拟用户访谈单独使用已经很有用，但在复杂任务里，和角色提示词组合起来效果更好。下面讲清两者如何分工、按什么顺序使用。

两个技能各自负责什么

用户模拟访谈：用户模拟访谈是让 AI 扮演特定类型的用户、客户或听众，回答你的问题或对你的产品、文案给出反应。
角色提示：角色提示就是在提问前先告诉 AI 它要以什么身份、什么经验水平、面向谁来回答，比如“你是一位有十年经验的招聘经理”。

用户模拟访谈有效是因为 AI 能根据你描述的画像生成符合该类人群常见想法的回应，适合快速发现明显的问题和准备真实访谈的提纲；角色提示有效则是因为大模型在训练中见过大量不同身份的写作方式，指定角色相当于帮它从众多可能的回答风格里先挑出一种，减少泛泛而谈。两者叠加，正好互补。

用好 AI 辅助写提示词的检查清单（可收藏）

Fri, 16 Oct 2026 16:31:38 +0800

与其记住所有要点，不如把 AI 辅助写提示词整理成一张清单。让 AI 写提示词是把你的需求告诉 AI，请它帮你设计一条更完整、更结构化的提示词，然后再用这条提示词去完成任务。提示词技巧的共同点是把你脑子里的隐含要求说出来。AI 不知道你的读者是谁、标准是什么，写得越具体，它越少猜测。

约束条件提示词+输出格式控制技巧：组合使用的实操方法

Fri, 16 Oct 2026 16:31:28 +0800

约束条件提示词单独使用已经很有用，但在复杂任务里，和输出格式控制技巧组合起来效果更好。本文给出一套可以直接照做的组合流程。

两个技能各自负责什么

约束条件提示：约束条件提示是在任务之外明确写出限制：字数、必须包含的要点、禁止出现的内容、语气、格式和截止范围等。
输出格式控制：输出格式控制是明确告诉 AI 结果长什么样：用几级标题、表格还是列表，每部分多长，是否需要加粗，结尾要不要总结。

约束条件提示有效是因为没有约束时模型会按“平均最常见”的方式回答，往往偏长、偏客套；明确的边界能让它把精力集中在你真正需要的部分；输出格式控制有效则是因为模型默认的格式往往偏长、层级多，未必适合你的使用场景；格式要求相当于给它一个版式模板，让内容直接适配你要粘贴的地方。两者叠加，正好互补。

用不好 AI 生成检查清单？先避开这 5 个误区

Fri, 16 Oct 2026 16:30:40 +0800

很多人用了 AI 生成检查清单却觉得效果一般，问题往往出在几个常见错误上。先回顾一下：清单生成是让 AI 根据任务或流程，列出可勾选的检查项，例如出差准备清单、上线前检查清单、活动执行清单。下面逐个拆解 5 个最常见的错误。

错误 1：清单条目写成名词

为什么不行：清单条目写成名词。很多人第一次使用时都会这样写。

关于 AI 模拟用户访谈的 7 个问答，一次讲明白

Fri, 16 Oct 2026 16:30:06 +0800

本文用问答的形式，把 AI 模拟用户访谈从概念到实操讲一遍。

Q1：用户模拟访谈到底是什么？

用户模拟访谈是让 AI 扮演特定类型的用户、客户或听众，回答你的问题或对你的产品、文案给出反应。它不能替代真实调研，但能帮你在接触真实用户前，先打磨问题和方案。

Q2：为什么它有效？和真实用户访谈有什么不同？

AI 能根据你描述的画像生成符合该类人群常见想法的回应，适合快速发现明显的问题和准备真实访谈的提纲。真实访谈获得的信息最可靠但成本高；模拟访谈成本低、速度快，适合在真实访谈前打磨问题和方案。

项目经理的自我批改与修订提示实战：一次完整的改进过程

Fri, 16 Oct 2026 16:29:54 +0800

这是一个虚构但很典型的案例：陈姐是一位负责跨部门项目计划、进度跟踪和风险管理的项目经理，最近手头在忙“组织 3 场跨部门协调会”，同时还要准备“召开第三阶段启动会”。这次陈姐需要整理一份给项目发起人的项目计划书，决定试试自我批改与修订提示。

背景

对陈姐来说，会议多、文档多、协调多，项目周报、风险登记和会议纪要几乎占满日程。偏偏这次还遇到一个变数：外部供应商的接口联调进度落后，可能影响里程碑。项目计划书需要尽快交给项目发起人，时间并不宽裕。

分步思考提示词入门教程：是什么、怎么用，附可复制模板

Fri, 16 Oct 2026 16:29:32 +0800

分步思考提示是要求 AI 把复杂问题拆成几个步骤依次处理，比如先列已知条件、再分析、最后给结论。它对计算、推理、方案比较这类需要多步判断的问题尤其有用。这篇入门教程会讲清它适合什么时候用、具体怎么操作，并给出可以直接复制的提示词。

分步思考提示是什么，为什么有效

简单说，把中间步骤写出来，相当于给模型更多“思考空间”，也让你能检查每一步是否合理，而不是只看到一个无法验证的结论。与直接要答案相比，直接要答案速度快但难以检验；分步思考把过程摊开，回答更长，却能让你发现中间哪里出错并针对性修正。

JSON 结构化输出速查表：场景、模板与禁忌一页看完

Fri, 16 Oct 2026 16:29:04 +0800

这是一份 JSON 结构化输出速查表，适合收藏后随用随查。结构化输出是让 AI 按照固定的字段和格式返回结果，例如 JSON、表格或固定标题的清单。

一句话理解

结构化输出 = 这样结果可以直接粘贴进表格、导入系统，或被程序自动处理。原理：自由文本每次结构都不同，后续整理很费时；预先定义字段相当于给 AI 一张要填的表，结果更一致，也更容易检查遗漏。

反方视角与红队提问 vs 让 AI 直接评价：适用场景对比

Fri, 16 Oct 2026 16:27:56 +0800

反方视角与红队提问和让 AI 直接评价经常被放在一起比较。选错了不会出大问题，但会多走弯路。

核心区别

直接评价通常会先夸后提建议，语气温和但不够尖锐；反方视角明确要求挑刺，能更快暴露真正的风险。

从原理看，我们对自己的方案容易有确认偏差，只看到支持的证据；明确要求 AI 站在反方，能系统性地暴露被忽略的风险和反驳点。反方视角的关键在于“授权批评”。AI 默认倾向于礼貌和肯定，如果不明确要求，它往往会说“整体很好，可以考虑……”。当你明确告诉它“你的任务是找出问题，不需要夸奖”，它才会把注意力放在漏洞上。

关于角色提示词的 7 个问答，一次讲明白

Fri, 16 Oct 2026 16:27:43 +0800

刚接触角色提示词的人，问得最多的往往是下面这几个问题。

Q1：角色提示到底是什么？

角色提示就是在提问前先告诉 AI 它要以什么身份、什么经验水平、面向谁来回答，比如“你是一位有十年经验的招聘经理”。身份一旦明确，AI 选词、关注点和判断标准都会跟着变化。

Q2：为什么它有效？和直接提问有什么不同？

大模型在训练中见过大量不同身份的写作方式，指定角色相当于帮它从众多可能的回答风格里先挑出一种，减少泛泛而谈。直接提问时 AI 默认用通用助手的口吻回答，覆盖面广但重点不突出；角色提示会让它带入特定专业视角，按该身份关心的标准取舍信息。

发散-收敛头脑风暴法常见问题：新手最关心的 7 个疑问

Fri, 16 Oct 2026 16:26:29 +0800

如果你对发散-收敛头脑风暴法还有疑问，可以先看看这 7 个问答。

Q1：发散收敛头脑风暴到底是什么？

发散-收敛头脑风暴是先让 AI 大量产出想法（发散），再按标准筛选、合并、排序（收敛）。把两个阶段分开，既能得到足够多的选项，又不会被一堆想法淹没。

Q2：为什么它有效？和一次要“最好的方案”有什么不同？

人在同时想点子和评价点子时，容易过早否定好主意；AI 产出数量不受疲劳影响，分阶段使用能兼顾数量和质量。一次要最佳方案会得到最常见的答案；发散-收敛先扩大选择范围再筛选，更容易找到有新意又可行的方案。

小老板必会的 AI 技能：文风与语气迁移

Fri, 16 Oct 2026 16:25:46 +0800

经营十几人规模小公司或门店的老板，日常工作中常常会遇到这样的情况：主要原材料价格上涨，毛利可能被压缩。文风与语气迁移是很适合小老板的一项 AI 技能。文风迁移是让 AI 保持内容不变，把文字改成另一种风格或语气，比如把技术说明改成通俗讲解，把口语记录改成正式公文，把严肃通知改成轻松的社群文案。

对比表格生成检查清单：照着勾选就不会漏

Fri, 16 Oct 2026 16:25:38 +0800

与其记住所有要点，不如把对比表格生成整理成一张清单。对比表格技能是让 AI 把多个选项按统一维度排列成表，比如工具、方案、供应商、课程的优缺点对比。所有提示词技巧都在解决同一个问题：减少 AI 的猜测空间。背景、目标和标准写清楚，比任何花哨的句式都重要。

自我批改与修订提示常见问题：新手最关心的 7 个疑问

Fri, 16 Oct 2026 16:25:26 +0800

本文用问答的形式，把自我批改与修订提示从概念到实操讲一遍。

Q1：自我批改到底是什么？

自我批改是让 AI 先写初稿，再按你给的标准检查自己的输出并修订，常见流程是“起草 → 列问题 → 改写”。它能用很少的额外工作换来更扎实的第二版。

Q2：为什么它有效？和一次生成有什么不同？

生成时模型专注于往下写，检查时则专注于对照标准找问题，把两个动作分开，往往能发现第一遍忽略的遗漏和逻辑跳跃。一次生成速度最快；自我批改多花一轮时间，但能系统性地减少遗漏和表达问题，适合重要或对外的内容。

AI 决策矩阵分析速查手册：收藏这一页就够用

Fri, 16 Oct 2026 16:25:06 +0800

本页把 AI 决策矩阵分析的关键内容压缩成速查格式，写提示词前扫一眼即可。决策矩阵是把几个选项和几项评价标准排成表格，给每个标准设置权重，再逐项打分并计算总分。

一句话理解

决策矩阵 = 借助 AI，你可以快速搭建矩阵、补充遗漏的标准，并测试权重变化对结论的影响。原理：面对多因素决策时，人容易被某一个突出因素左右；矩阵把各因素摊开、量化，AI 则能帮你从不同角度检查打分和权重是否合理。

一页看懂角色提示词：常用场景与模板速查

Fri, 16 Oct 2026 16:24:17 +0800

本页把角色提示词的关键内容压缩成速查格式，写提示词前扫一眼即可。角色提示就是在提问前先告诉 AI 它要以什么身份、什么经验水平、面向谁来回答，比如“你是一位有十年经验的招聘经理”。

一句话理解

角色提示 = 身份一旦明确，AI 选词、关注点和判断标准都会跟着变化。原理：大模型在训练中见过大量不同身份的写作方式，指定角色相当于帮它从众多可能的回答风格里先挑出一种，减少泛泛而谈。

咨询顾问必会的 AI 技能：分隔符与材料标注技巧

Fri, 16 Oct 2026 16:23:20 +0800

为企业提供管理或业务咨询的顾问，日常工作中常常会遇到这样的情况：客户关键数据迟迟未提供，影响分析进度。分隔符与材料标注技巧是很适合咨询顾问的一项 AI 技能。分隔符标注是用三引号、XML 风格标签或明显的标题，把提示词中的“指令”和“材料”分开，例如把要处理的文本放在 <材料></材料> 里。

采购的少样本示例提示实战：一次完整的改进过程

Fri, 16 Oct 2026 16:22:02 +0800

这是一个虚构但很典型的案例：老张是一位负责供应商管理、询比价和采购合同的采购专员，最近手头在忙“完成 3 个品类的询比价”，同时还要准备“开展年度供应商评估”。这次老张需要整理一份给采购经理的比价报告，决定试试少样本示例提示。

背景

对老张来说，询价、比价、供应商沟通和采购申请审批材料多，信息分散在邮件和表格里。偏偏这次还遇到一个变数：一家核心供应商交期不稳定，需要准备备选。比价报告需要尽快交给采购经理，时间并不宽裕。

退休人士的约束条件提示词实战：一次完整的改进过程

Fri, 16 Oct 2026 16:21:20 +0800

这是一个虚构但很典型的案例：林林是一位刚退休、希望学点新东西、安排好生活的长辈，最近手头在忙“学会用手机视频通话”，同时还要准备“学习识别电信诈骗”。这次林林需要整理一份给家人的生活计划，决定试试约束条件提示词。

背景

对林林来说，想学手机和新技术、规划旅行和健康生活，但遇到问题不好意思总麻烦子女。偏偏这次还遇到一个变数：对网上信息真假不好判断。生活计划需要尽快交给家人，时间并不宽裕。

AI 评分标准打分进阶技巧：让效果更稳定的 5 个用法

Fri, 16 Oct 2026 16:20:59 +0800

掌握了 AI 评分标准打分的基础用法之后，下一步是让效果稳定可复现。理解原理是关键：有了明确的等级描述，AI 的评价就有了参照物，不同对象之间可以横向比较；理由部分还能直接转化为修改意见。

评分标准的难点在于“3 分是什么样”。1 分和 5 分往往容易描述，中间档最容易模糊。写等级描述时，尽量用可观察的特征，比如“结论出现在第一段”，而不是“结论比较清楚”。描述越可观察，AI 和人的评分越一致。