我每天跟 AI 对话几十轮——写文章、查资料、调试代码、做决策分析。用了一年多，最大的感受不是”AI 越来越强了”，而是：同样一个模型，不同人用出来的效果天差地别。
有人拿 ChatGPT 写了一篇能直接发布的文章，有人问了十轮还在纠结开头怎么改。差别不在模型能力上，在对话方法上。
下面这 5 个技巧是我踩了无数坑之后沉淀下来的，不是什么高深理论，就是每天真正在用的东西。
1. 先告诉 AI “你是谁”，而不是直接问问题
这是新手最容易踩的坑。上来就问”帮我写个 Python 脚本处理 CSV 文件”，AI 会给你一个正确但完全没法用的答案——因为它不知道你的技术水平、项目场景、具体需求。
正确的做法是：在问题前面加一句角色和场景描述。
❌ 差：帮我写个 Python 脚本处理 CSV 文件。
✅ 好：我是一个后端开发，用 Python 3.12，这个脚本要跑在 Linux 服务器上做定时任务。CSV 文件大概 50 万行，需要按日期分组统计销售额并输出汇总表。性能要求 5 分钟内跑完。
效果差多少？第一个回答可能给你一个 csv.reader 的基础示例，第二个会给你一个用 pandas 分块读取、带错误处理和进度显示的完整方案。
这不是提示词”写得好不好”的问题——是 AI 需要上下文才能做对的事。
2. 把复杂任务拆成几步，别指望一次到位
很多人把 AI 当成”一个指令解决一切”的魔法盒子。现实是：复杂任务需要分步协作。
比如你想让 AI 帮你写一篇行业分析文章：
- 第一步：让它先列出提纲，你确认方向
- 第二步：按提纲逐段展开，每段确认后再下一步
- 第三步：整体润色和精简
而不是一个 prompt 丢过去：”帮我写一篇 3000 字的 AI 行业分析”。那种出来的东西，通常看起来像那么回事，但读三句就发现空洞无物。
分步的核心不是”步骤多”，而是每一轮你都有机会校准方向。 AI 第二轮的回答质量，很大程度上取决于你第一轮能不能给出准确反馈。
3. 用”约束条件”替代”模糊要求”
“写得好一点””再详细一点””更有深度一点”——这些话 AI 完全听不懂。
AI 能理解的是约束条件：
- 字数范围
- 输出格式（表格、列表、段落）
- 风格要求（口语化、学术化、技术文档）
- 禁止事项（不要用专业术语、不要超过 200 字）
- 必须有或不能有的内容
一个实际例子：
❌ 模糊：帮我总结这篇文章。
✅ 约束：用三句话总结这篇文章的核心观点，每句话不超过 30 个字，用中文，不要引用原文段落。
第二个 prompt 出来的结果，基本不需要你再改。
约束条件越具体，AI 发挥空间越小，结果越可控。 这是反直觉但非常重要的一点：对 AI 来说，”自由发挥”往往等于”胡说八道”。
4. 不满意就”纠偏”，别重新开始
很多人的习惯是：AI 回答不满意 → 关掉对话 → 重新开一个新对话从头问。
这其实是最低效的做法。AI 的每一次回答都是基于对话历史生成的，你在同一轮对话里纠偏，比重新开始效率高得多。
正确的做法：
- “这个方向不对，我想要的其实是……”
- “第三个方案还不错，往这个方向再展开一下”
- “之前说的那个点具体怎么操作？给我一个步骤清单”
纠偏比从零开始快 3-5 倍。因为 AI 已经有了上下文，你只需要调整方向，不需要重新建立认知。
实际场景：我写这篇文章的时候，Claude 的第一版草稿有点”教科书腔”。我直接说：”太正式了，用我平时写博客的语气重写，短段落，口语化，要有具体的例子。”第二轮出来的就完全不一样了。
5. 管理好你的”上下文窗口”
AI 有上下文长度限制，不同模型不一样——Claude 是 200K token，GPT 是 128K token，DeepSeek 是 128K token。
当你的对话太长，AI 会”忘记”前面说过的东西。 这不是 bug，是机制决定的。前面的内容会被”挤出”上下文窗口。
几个实操建议：
- 长篇任务（比如写系列文章），每个子任务开新对话，在开头用一段话简要说明背景
- 发现 AI 开始”答非所问”或”忘记要求”，说明上下文满了，该开新对话了
- 把关键约束条件（角色、格式要求、禁止事项）写在消息末尾而不是开头——这样即使上下文被裁剪，最重要的东西还在
小技巧：如果你在做一个需要长期维护的任务（比如维护代码库），可以把核心规则写成一个”项目简介”文本，每次新对话开头贴进去。我用这个方法管理了上百轮对话，从来没有丢过关键上下文。
总结
这五个技巧总结成一句话：把 AI 当成一个能力极强但完全不了解你的新人同事。 你得告诉它你是谁、你要什么、什么算好、什么不能做——它才能给你真正有用的东西。
AI 不是魔法，但用对方法是魔法。
*延伸阅读：用 AI 把每天省出 2 小时：5 个拿来就用的个人效率提升方法 | 2026 年 8 月 AI 副业全景：普通人靠 AI 赚钱的 5 条真实路径和收入预期 | 老达AI实践专题 | AI工具评测专题*
