一句话让我的 ChatGPT 测试结果突飞猛进

在人工智能飞速发展的今天，工具输出的质量几乎完全取决于输入的质量。过去两年里，我测试了数百个人工智能提示，发现人工智能响应令人失望的最常见原因并非模型缺乏智能，而是缺乏足够的上下文信息。

问题：猜测 vs. 协作

像 ChatGPT、Claude 和 Gemini 这样的大型语言模型 (LLM) 旨在根据提供的信息预测接下来最有可能出现的词语。当我们提供模糊的指令时，人工智能就不得不对我们的意图、期望的语气、格式和受众进行假设。

这种“猜测”往往会导致内容流于表面，需要耗费大量时间进行手动编辑。

“神奇”的句子

为了消除这种猜测，我开始在撰写的每个重要提示语后都添加一句具有变革意义的句子：

“在回答之前，请向我提出任何需要澄清的问题。如果您已经掌握了足够的信息，请立即回答并解释您所做的任何假设。”

这条简单的指令将互动从单向请求转变为协作对话。人工智能不会基于不完整的数据采取行动，而是会暂停并与您进行有效沟通，确保最终的回复完全符合您的具体需求。

实际应用

• 度假计划：人工智能不会提供一份通用的“热门旅游景点”列表，而是会询问您的预算、旅行伙伴（例如，是否有孩子）以及偏好的环境（例如，山区还是海滩），从而为您量身定制行程。
• 电子邮件撰写：人工智能会通过请求澄清来判断您需要的语气是严谨专业、友好还是具有说服力，然后再生成任何文字。
• 复杂项目：对于编码或创意头脑风暴，这一步骤可以防止人工智能选择错误的框架或风格，从而节省大量修改时间。

优化：不要过度提示

虽然这种策略很有效，但重要的是要避免过度提示。过度使用人工智能进行琐碎查询。如果您问的是一个简单的事实性问题——比如“葡萄牙的首都是哪里？”——您肯定不想进行一来一回的问答。

为了提高您的工作效率，我建议您稍作修改：“在回答之前，仅在必要时提出最多三个澄清问题，以避免做出错误的假设。否则，请立即回答并说明您所做的任何假设。”

养成这种习惯，可以确保人工智能始终是一个有用的助手，而不是一台猜测机器，让您能够专注于真正重要的结果。