北京
你有沒(méi)有過(guò)這種經(jīng)歷？AI給了一堆垃圾答案，你第一反應(yīng)是罵模型不行。但真相往往是：?jiǎn)栴}出在你的提問(wèn)方式上。
我花了好幾周觀察工程師們?cè)趺从肅laude、ChatGPT和Gemini。同一批人，用差不多的爛提示詞，拿到平庸的結(jié)果，然后抱怨工具垃圾。但換個(gè)問(wèn)法，答案質(zhì)量天差地別。核心差別只有一個(gè)：結(jié)構(gòu)。
大部分開(kāi)發(fā)者把AI當(dāng)搜索引擎用。敲個(gè)問(wèn)題，等著答案，然后失望。問(wèn)題是你沒(méi)給模型上下文，也沒(méi)給約束條件。你只是在……提問(wèn)。
看看這兩種問(wèn)法的區(qū)別。
爛寫(xiě)法："怎么優(yōu)化這個(gè)React組件？"
好寫(xiě)法："我有個(gè)React組件，表單輸入時(shí)會(huì)重渲染50次（profiler確認(rèn)過(guò)）。組件要遍歷200條數(shù)據(jù)。我已經(jīng)對(duì)列表做了memoization。下一個(gè)該檢查的瓶頸是什么？"
第二種給AI的信息包括：?jiǎn)栴}到底是什么（過(guò)度重渲染）、你怎么知道有問(wèn)題（profiler數(shù)據(jù)）、你已經(jīng)試過(guò)什么（memoization）、數(shù)據(jù)規(guī)模（200條）。AI現(xiàn)在能給針對(duì)性建議，而不是泛泛的優(yōu)化技巧。
我總結(jié)了四個(gè)改變輸出質(zhì)量的方法。
第一，角色扮演比手把手教更有效。與其讓AI"解釋async/await"，不如說(shuō)："你在帶一個(gè)懂promise但覺(jué)得async/await confusing的初級(jí)開(kāi)發(fā)。用他即將要debug生產(chǎn)bug的場(chǎng)景來(lái)解釋。"AI會(huì)根據(jù)對(duì)方已有的知識(shí)模型調(diào)整解釋方式，答案質(zhì)量更高。
第二，先展示再提問(wèn)。貼一段代碼或例子，說(shuō)明卡在哪。"這是我現(xiàn)在的寫(xiě)法，為什么生產(chǎn)環(huán)境可能出問(wèn)題？"比"應(yīng)該怎么處理錯(cuò)誤？"強(qiáng)得多。AI一眼看到你的具體問(wèn)題、約束條件和技能水平。
第三，要第二個(gè)答案。拿到回復(fù)后追問(wèn)："這能work，但tradeoff是什么？什么情況下這個(gè)方案會(huì)失敗？"你能得到深度，而不是第一遍的敷衍答案。大多數(shù)人停在第一步，錯(cuò)過(guò)了關(guān)鍵細(xì)節(jié)。
第四，明確輸出格式。"寫(xiě)成React hook"比"寫(xiě)個(gè)函數(shù)"好。"給我shell一行命令"比"怎么找大文件"好。AI會(huì)針對(duì)你的實(shí)際需求優(yōu)化。
為什么現(xiàn)在這招更重要了？2025到2026年，AI模型變聰明了，但也更擅長(zhǎng)在不懂的時(shí)候假裝懂。模糊的提示詞得到自信滿滿的模糊答案。具體的提示詞得到具體答案——要么對(duì)，要么錯(cuò)，沒(méi)有中間地帶。
好的提示詞技巧，是你戳穿AI胡說(shuō)八道的武器。
卡住的時(shí)候，試試這個(gè)結(jié)構(gòu)：Context（你在做什么？約束條件是什么？速度？安全？可讀性？）、Problem（到底哪里失敗或不清楚？）、What you've tried（防止AI重復(fù)建議）、What you need（輸出格式、詳細(xì)程度、技術(shù)棧）。
特別聲明：以上內(nèi)容(如有圖片或視頻亦包括在內(nèi))為自媒體平臺(tái)“網(wǎng)易號(hào)”用戶上傳并發(fā)布，本平臺(tái)僅提供信息存儲(chǔ)服務(wù)。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
