COURSE 03 · 一阶段 · 打地基 · AI不听话怎么办——从"不会问"到"会调教"

AI沟通与纠错· 课程页

AI 不听话怎么办——从"不会问"到"会调教";本课教你和 AI 把话说明白,输出不对时知道查哪一环、怎么改。

11. 理解 AI 为什么"笨":概率生成、上下文敏感、理解≠执行
22. 掌握提问艺术:精准提问、给背景、给例子
33. 学会迭代调优:链式追问、三遍法则、验收清单
44. 会诊断失败:输出不对时,知道查哪一环
55. 建立人机协作习惯:AI 是参谋,不是裁判
课程思维导图 · MINDMAP
AI 生成课程思维导图
第1章第1章 AI为什么"笨":先懂它,才好用
现在就动手
1.1 概率生成:它在猜,不是在想

讲解:大模型不是一台"什么都知道的百科全书",它更像一个"接龙高手":它的核心工作不是查资料,而是反复预测"下一个最可能出现的词",一个字一个字地把回答"接龙"出来。你问它一句,它就先猜下一个词最可能是什么,再猜下一个、再下一个,直到凑成一段通顺的话。这就像玩成语接龙,接得顺不代表懂意思。明白了这一点,你就不会把 AI 当成全知全能的百科,也能理解它为什么有时说得自信满满,却悄悄说错了。

为什么重要:这是整门课的地基。只有知道 AI 的答案本质是"猜出来的",你才会养成"不轻信、要验收"的习惯,而不是 AI 说什么都照单全收。

> 你问 AI"我家袜子店适合开直播吗",它不会真的去你家店里看一圈再回答,而是根据网上大量"开店经验帖"里的说法,接龙出一段"听起来很专业"的分析。它可能靠谱,也可能漏掉你家店的特殊情况——因为它没有"亲眼看过"。(示例为教学演示,原理来自人民网·科普中国《科普人工智能大模型》:"在'压缩'和'还原'的过程中,大模型都在反复预测文本中可能出现的下一个字",案例改编自调研包)
常见误区:把 AI 当"百度百科",问它"什么都知道",答错就判定"AI 没用"。正确姿势:把 AI 当成"很会接话的助手",它擅长顺着你的话说,所以你的话说得越清楚,它接得越准。
1.2 上下文敏感:理解≠执行

讲解:AI 的回答不是固定的,它由"你这次说的话 + 对话历史 + 它学过的数据"共同决定。同样一句话,换个说法、换个前后文,它可能给出完全不同的答案;聊了很久的长对话,它可能慢慢"忘掉"开头你交代过的事。更要紧的是,"听懂"不等于"能做到"——AI 能把你的要求复述得像模像样,但它没有身体、没有工具、没有真实体验,很多事它只能"嘴上答应",做不了实际动作。

为什么重要:这两点解释了两个常见困惑:一是"为什么换个说法结果就不一样",二是"为什么长对话聊着聊着 AI 就失忆"。所以开新对话时,要把关键背景重新说一遍;布置任务时,别把 AI 当"真人员工"安排超出它能力的事。

> 你在和 AI 聊了几轮"帮我优化简历"之后,突然说"再帮我写个自我介绍"。AI 很可能把自我介绍也写成"应聘法学岗位"的版本——因为它记住了前面的对话,而不是因为你说清楚了。想让它写通用的,就要重新交代:"以上对话不算,请帮我写一段去同学聚会用的自我介绍,不要太正式。"(示例为教学演示,原理来自科普中国《AI不懂,但AI真敢乱编?》:"它们从海量文本中学习词语之间的统计关联,然后根据上文预测下一个最可能出现的词",案例改编自调研包)
常见误区:以为 AI"说过就记得",同一个新任务不交代背景直接问;或者让 AI 干它干不了的事(比如"帮我去店里收个货"),它答不上来就骂它笨。正确做法:关键背景每次重新说;检索、起草、润色交给 AI,决策、落地、执行留给人。
1.3 幻觉与"装懂":不懂也硬答

讲解:因为 AI 只追求"下一句说得顺",它可能把不存在的论文、数据、人名说得像真的一样,语气还特别自信——这就是"幻觉",通俗说就是"一本正经地胡说八道"。它不会像人一样说"我不知道",而是会顺着你的问题编一段"最像正确答案"的话。这是整门"纠错"课的起点:知道 AI 会说谎,才知道为什么要验收、要核实、要追问。

为什么重要:写文章、查资料、做报价、写简历,凡是 AI 给出的"事实",都要先问一句"这个是真的吗、有来源吗"。尤其涉及数字、人名、引用、法规,一定要人工核实,不能直接复制就发。

> 应届毕业生玖玥在用 AI 优化求职简历时总结出一个"40%法则":对 AI 的建议先打个折、自己核实,不盲目照搬。她把 AI 改出来的简历逐条过了一遍,能讲出细节的经历才保留,面试官追问时每个数字都答得上来,最终连获 4 个 offer。反过来,把 AI 编的"亮眼经历"直接写进简历的人,面试官一问细节就露馅。(案例改编自调研包:中国青年网转载《北京青年报》关于玖玥求职的报道)
常见误区:拿到 AI 的回答不核查事实、不追问依据,直接复制发出去。正确做法:关键信息逐条问"依据是什么?数据来源是哪?",再人工核对一遍。新华社、新华网等官方媒体都专门科普过:大模型是基于概率生成内容,可能"算出"不存在的说法。 >
AI 生成流程图
流程图/03-01.svg(本章流程图:提问→AI理解→执行→结果;差异出在哪一步) · 点击图片可放大

📌 本章小结

  1. AI 是"接龙高手"不是"知识库",它在反复猜下一个词,可能自信满满地说错。
  2. AI 看上下文说话:同样的话换个说法结果不同,长对话还会"失忆";"听懂"不等于"能做到"。
  3. AI 会"一本正经地胡说八道"(幻觉),所以必须验收、核实、追问。

✍️ 自测题

  1. AI 的回答是怎么"写"出来的?(答案提示:反复预测下一个最可能出现的词,一个字一个字接龙出来,不是查资料)
  2. 长对话聊着聊着 AI "失忆"了,怎么办?(答案提示:不是 AI 坏了,是它由"这次的话+历史+学过的数据"决定回答;开新对话或新任务时把关键背景重新说一遍)
  3. AI 说"这个数据是官方统计的",可以直接引用吗?(答案提示:先追问依据和来源,再人工核实;幻觉会让它把编的当真的说)
第2章第2章 提问的艺术:把话说到AI能听懂
现在就动手
2.1 精准提问:先想清楚自己要什么

讲解:同一件事,问法不同,答案质量完全不同。"帮我写个旅游攻略"和"我下个月去长沙玩 5 天,预算 5000 元,喜欢美食和自然风光,帮我规划行程",后者拿到的攻略能直接照着走,前者拿到的只是"放之四海皆准"的空话。精准提问的核心是:动手问之前,先想清楚自己到底要什么——要什么内容、给谁看、达到什么效果。成都日报记者实测两组对比后得出结论:"指令越具体,回答越靠谱"。

为什么重要:这是"提问课"的第一个知识点,也是所有后续技巧的基础。写文案、做计划、查资料、问建议,任何场景都适用:你越清楚自己要什么,AI 就越不用猜。

> 成都日报记者做了两组实测。生活题:先问"策划一个周末聚餐计划",AI 给的计划内容模糊;改成"策划一个成都周末朋友聚餐的计划,共 4 人参与,预算为 500 元,时间为 11 点至 20 点,以放松休闲的方式度过周末",AI 立刻给出更清晰的方案,还推荐了本地特色餐厅。工作题:先问"帮我写一个护肤品文案,要有创意,突出产品特点",文案生硬平淡;改成"目标用户 20-30 岁女性,突出平价、保湿两点,语言轻松活泼",文案立刻清晰、流畅、有针对性。(案例改编自调研包:四川新闻网转载成都日报《DeepSeek"驯化"攻略爆火 靠谱吗?》记者实测)
常见误区:只给大方向就让 AI "自由发挥",拿到空话又怪 AI 不行。记住:问得越模糊,AI 只能按最普通的模板猜;问得越具体,它才能给你量身定做的答案。
2.2 开放式vs封闭式:让AI有方向

讲解:问题分两种:开放式问题让 AI 发散、给思路,比如"给我 3 个方案,各说优缺点";封闭式问题让 AI 收敛、给结论,比如"这个方案是否包含成本测算,回答是或否"。开放式能拿到灵感,但容易啰嗦跑题;封闭式干净利落,但得不到思考过程。会用的人不是二选一,而是"混着用"——先用开放式收集选项,再用封闭式逐项确认。

为什么重要:这是控制 AI "发散程度"的开关。头脑风暴、选方案时用开放式;核对事实、确认细节时用封闭式。吴恩达《AI Prompting for Everyone》课程教的就是这套"让 AI 给选项→对选项反馈→再要更多选项"的开放式迭代法。

> 你想给袜子店选一个促销方向:先开放式问"给我 3 个春节促销方案,各说优缺点";选定一个后,再封闭式确认"方案 A 是否包含赠品成本测算,只回答是或否"。这样既拿到思路,又不被 AI 的长篇大论带偏。(示例为教学演示,方法来自吴恩达《AI Prompting for Everyone》课程"头脑风暴"模块,案例改编自调研包)
常见误区:一直问开放式问题,AI 越答越长、越跑越偏;或一直问封闭式问题,拿不到任何新思路。正确做法:按目的选——要灵感用开放式,要结论用封闭式,两者交替用。
2.3 一次一问:拆开问,别混着问

讲解:"帮我做一份开店计划"这种大问题,AI 很容易给出一堆"正确的废话"。正确做法是把大问题拆成小问题逐个问:先列 5 个备选品类,再给选址要点,再算启动成本,每一步都更准,也方便你中途纠正方向。判断标准很简单:如果你的问题里出现"顺便""再""还要",大概率该拆开了。

为什么重要:拆解是提问的核心能力。陕西商洛市科技局干部郑铎在分享使用体会时说:"越善于提问的人,受益会越多;越善于分解问题的人,用起来越顺手。"做方案、写材料、规划开店,都是先拆小再逐个问。

> 郑铎的用法是"打破砂锅问到底":不满足第一版答案,持续追问;动手前先想清楚"自己到底要什么";把大问题拆成小问题,还打开"深度思考"模式,研究 AI 对问题的细分拆解过程。他总结,这样得到的表述"逻辑性更强、内容更精准,有些甚至可以直接放到材料里面",大幅提高了写文字材料的速度。(案例改编自调研包:商洛市人民政府·商洛市科学技术局《市直科技系统干部学习使用DeepSeek交流发言摘编(二)》) > > 补充视角:兰州市七里河区敦煌路、城关区张掖路等商圈周边的社区餐饮小店,此前外卖页面多是"牛肉面套餐,量大实惠"这类缺乏吸引力的表述,部分门店日均外卖单量不足 80 单。2025 年 9 月起,本地服务商推出接入"兰州方言语料库"的 AIGC 工具,经营者输入"早八、三细、辣子油、暖身"等"懂行"的关键词,5 分钟就能生成 3-5 条备选文案,AI 还能精准匹配"二细""韭叶""蓬灰"等本地饮食术语。把需求拆成"懂行的词",AI 才写得"懂行"。(案例改编自调研包:澎湃新闻·兰州市科协官方号《用AI读懂"兰州味"》报道)
常见误区:把所有要求、背景、禁忌一次性塞进一条消息,期望 AI 一步到位;AI 没做对就断定"AI 不行"。正确做法:先给大方向,拿到初稿后逐轮反馈"哪里改、怎么改",按"先方向、再结构、后细节"分步推进。
2.4 给背景:AI不知道你的上下文

讲解:AI 不知道你是谁、东西给谁看、发在哪、想用什么语气——这些你不说,它就全靠猜。所谓"给背景",就是交代"读者是谁、发在哪、想要什么语气、多少字、忌用什么词",AI 才知道该站在什么立场、用什么口吻说话。背景缺失,是"AI 写得不合心意"最常见的原因之一。

为什么重要:背景决定口吻和边界。义乌老板娘傅江燕总结过:"提出好问题就是一个很大的考验。"她发现,如果只让 AI"帮我生成一个 15 秒以内的袜子视频文案",而不说明"不可以用极限词",AI 很可能写出"最高级""行业第一"这类违规广告词。

> 义乌国际商贸城的袜子店老板娘傅江燕,在 AI 小程序里输入产品关键词"男袜、保暖舒适、松口设计、花型随机混搭、现货供应",再交代"不可以用极限词",系统就生成合规的商品推荐文案;几分钟能做出 30 多种语言版本的外语推介视频,外国客户看到视频后直接在后台下单。她经营的袜子店年出口约 2000 万双袜子,视频走红后"上亿网友围观",不少商户上门请教。(案例改编自调研包:新华网转载《中国新闻周刊》关于义乌老板娘傅江燕的报道;人民日报客户端《AI做生意?一位义乌老板娘尝到了甜头》)
常见误区:只给任务不给背景,比如"帮我写条朋友圈",AI 不知道是给客户看还是给家人看,只能写最保险的套话。正确做法:把"给谁看、在哪用、什么要求、忌用什么"一次说全。
2.5 给例子:比描述更有效

讲解:想说明白"我要什么风格",最省力的办法不是堆形容词,而是直接贴一段"你觉得好的"例子,告诉 AI"按这个风格来"。一段真实范例胜过十句"要有创意、要生动、要有温度"——AI 是模仿高手,给它一个样本,它能学得又快又准。这个方法叫"少样本提示",是让 AI 模仿指定风格的通用技巧。

为什么重要:这是零基础学员最容易上手的技巧,不用懂任何术语,只要会"找例子、贴例子"。写文案不知道风格怎么说,就翻出一条你喜欢的公众号推文贴进去;给孩子讲故事,就把孩子上次爱听的故事开头贴进去,让 AI 照着讲。

> 兰州牛肉面小店想要更有吸引力的外卖文案,服务商先给 AI 灌入"兰州方言语料库",经营者再输入"早八、三细、辣子油、暖身"这些"懂行"的关键词当例子,5 分钟就能生成 3-5 条备选文案,比如"三细煮得筋道,辣油泼得喷香……汤都要喝光的暖身套餐"。多数使用门店的外卖订单月增幅在 25% 至 35%,工具每月服务成本约 30 元。(案例改编自调研包:澎湃新闻·兰州市科协官方号《用AI读懂"兰州味"》报道)
常见误区:只描述不示范——"写得生动一点"说十遍,不如贴一条"生动"的例子。记住:给 AI 一个它能模仿的样板,比一百句形容词都好使。 >
AI 生成流程图
流程图/03-02.svg(本章流程图:需求→定目标→补背景→给例子→提问) · 点击图片可放大

📌 本章小结

  1. 精准提问:先想清楚自己要什么,需求越具体,回答越靠谱。
  2. 开放式问题拿思路,封闭式问题拿结论,混着用才不会跑偏。
  3. 一次只问一件事,把大问题拆成小问题;背景要说全,风格用例子示范。

✍️ 自测题

  1. "帮我写个旅游攻略"为什么通常效果差?(答案提示:没给目的地、天数、预算、偏好,AI 只能按最普通的模板猜,输出放之四海皆准的空话)
  2. 想要 AI 帮你"头脑风暴"出几个方案,该用开放式还是封闭式问题?(答案提示:开放式,如"给我 3 个方案,各说优缺点";选定后再用封闭式逐项确认)
  3. 想让 AI 写的文案"接地气一点",最有效的做法是什么?(答案提示:直接贴一段你觉得接地气的例子,说"按这个风格来",比形容词管用)
第3章第3章 迭代调优:好结果是"磨"出来的
现在就动手
3.1 链式追问:不满意就追一句

讲解:拿到不满意的回答,别急着重开对话,就在原对话里追一句:"太啰嗦了,压到 100 字""把第二点展开说说""第三段语气太书面,改成和朋友聊天那样"。AI 会基于上一轮的结果修正,越改越准。央视在介绍 AI 使用技巧时专门建议"保持持续优化":指出不通顺的地方,让 AI 换一种说法。

为什么重要:这是最高频的纠错动作。重开对话等于丢掉上下文,前面攒的修正全部作废;在原对话里追问,AI 记得你要什么,修改才有依据。写文案、改材料、做计划,几乎每轮都用得上。

> 法学专业毕业生玖玥把简历交给 DeepSeek 反复优化,不是问一次就完事:她把单薄经历拆解成可视化成果,比如"法院实习"改写为"独立归档 200+ 案件电子卷宗,协助起草 15 份裁判文书底稿";又让 AI 当"面试官"反复预演,针对法学专业设计"法律+跨界"复合人设和"3 秒黄金开场白"话术,还准备了备用答案。面试中被 AI 预测过的题目真的出现,她最终斩获 4 个 offer 并成功入职。(案例改编自调研包:中国青年网转载《北京青年报》关于玖玥求职的报道)
常见误区:改了两轮不满意就"新建对话"从头再来,把 AI 记住的上下文全丢掉,前面调好的部分还得重调。正确做法:在原对话里继续迭代,每轮只改一个最要紧的点。
3.2 三遍法则:初稿→修改→定稿

讲解:把"迭代"变成固定流程,就是"三遍法则":第一遍让 AI 出大纲或初稿,只看方向对不对;第二遍让它按大纲展开每一部分;第三遍让它自查错误、核对信息,再定稿。三步走完,质量明显比"一次问完"高。国外媒体实测的"3-prompt rule"也是同一个思路:先问基础问题、再要求改进、最后优化。

为什么重要:它把"磨"这个抽象动作变成了可照做的三步,防止你东一榔头西一棒子。写长文、做方案、写材料,都按"先方向、再结构、后细节"推进,每一步只解决一个层次的问题。

> 写一篇 800 字的店铺活动推文:第一遍"先给我一个大纲,包含活动时间、优惠内容、报名方式三块";第二遍"按大纲写正文,语气亲切,控制在 800 字";第三遍"请检查正文里有没有编造的数据、有没有用词违规,再帮我改一遍"。三遍下来,初稿的跑题、啰嗦、硬伤都被磨掉了。(示例为教学演示,方法来自澎湃新闻·广东科普"分解任务式提问"三步法及 TechRadar"3-prompt rule"实测,案例改编自调研包)
常见误区:第一遍就要求"一次成型",把方向、结构、细节三个层次的问题混在一起改,越改越乱。正确做法:分层迭代,每一遍只盯一个层次。
3.3 换角度重来:这条路不通换一条

讲解:有时候不是哪里改得不够,而是 AI 的思路本身不对路。这时明确告诉它:"不要重复刚才的思路,从另一个角度重新给方案。"AI 往往会生成新的东西。全国政协委员姜耀东说得直接:"遇到不满意的思考,让它从另外的角度重新考虑就会生成一个新的东西,这就是创造。"

为什么重要:当"小修小补"不管用时,这一招能跳出死胡同。选题想不出、方案被否、文案没新意,都可以让 AI"换个角度再来一遍"。它把"纠错"升级成"创造"。

> 一家袜子店让 AI 写"春季新款"文案,第一版全在讲"舒适、保暖",平淡无奇。你追问:"不要重复舒适保暖的角度,从'送给妈妈的礼物'这个角度重新写一版。"AI 立刻换了一版讲"亲情、陪伴"的文案,角度新了,转发也多了。(示例为教学演示,方法来自人民日报客户端两会观点"使用AI不能局限于一问一答,应发挥人的创造性",案例改编自调研包)
常见误区:在一条死胡同里反复改,越改越像"换汤不换药";或者换角度时说得太模糊("再想想"),AI 不知道往哪换。正确做法:明确给一个新角度,必要时给个方向词,如"换成'学生党平价'的角度"。
3.4 版本记录:留档对比

讲解:每次调出满意结果,就把这条"提问+要求"复制进备忘录或模板库,下次改几个参数就能复用;调过多个版本时,把每个版本存下来对比,就知道哪种问法效果最好。中国青年报调查中,34.2% 的受访者建议"建立常用场景的提示词模板库"——让个人经验可积累、可复用,不再每次从零开始。

为什么重要:AI 对话是"用完即走"的,你不记下来,好问法就随手丢了。把"好的提问"沉淀成模板,等于给自己攒了一套私人"操作手册";以后写文案、做计划、出考题,拿出来改改就能用。

> 你在备忘录里存一条模板:"你是[角色];我的[产品/场景]是[描述];给[谁]看,发在[哪里];请[任务],要求[字数/语气/禁忌]。"下次给袜子店写文案时,只改括号里的内容,10 秒就能发出一版像样的需求;还可以在旁边注明日期和效果,比如"2026-08 用这版问的,转化不错"。(示例为教学演示,做法来自调研包"版本记录"知识点及中国青年报调查数据)
常见误区:调出满意结果后,提问方式随手丢掉,下次又从头"摸索";或每次不满意就重开对话,把调好的版本全丢了。正确做法:满意就问法存档,不满意在原对话里继续调,好版本要能"找回来"。
3.5 验收清单:按单验收不凭感觉

讲解:拿到 AI 输出先别急着用,过一遍清单:事实和数据有没有来源?有没有编造?格式、语气对不对?哪部分还需要人改?中国青年报调查中,63.3% 的受访者会"仔细审核、修改后再使用",19.1% 建议"人工核实关键信息"。验收是"纠错"的最后一关,也是防止幻觉翻车的保险。

为什么重要:凭感觉说"还行"就发出去,最容易在细节上翻车——编的数据、错的名字、违规的用词,都会在发布后找你算账。按单验收,把"该查的"变成"必查的",尤其适合发广告、发推文、交材料这些不能错的场景。

> 发布前的验收清单可以长这样:① 事实与数据:每条数字有没有来源、有没有编造?② 内容边界:有没有"最高级""行业第一"这类违规极限词?③ 格式语气:字数、口吻、结构符合要求吗?④ 待人工改:哪部分还需要你自己补充真实信息?四项全过,才对外发布。(示例为教学演示,清单依据来自调研包"验收清单"知识点及中国青年报调查数据)
常见误区:AI 给出一版答案,不核查事实、不追问依据,直接复制发出去或提交上去。正确做法:把验收清单贴在手机备忘录里,发布前逐项打勾,关键数据人工核对。 >
AI 生成流程图
流程图/03-03.svg(本章流程图:初稿→诊断→修改→再验→定稿,循环打磨) · 点击图片可放大

📌 本章小结

  1. 不满意就在原对话里链式追问,别急着重开;每轮只改一个最要紧的点。
  2. 三遍法则:先方向、再结构、后细节;思路不通就让 AI 换一个角度重来。
  3. 好问法存成模板,发布前按验收清单逐项打勾,不凭感觉。

✍️ 自测题

  1. 改了两轮不满意,正确的做法是重开对话还是继续追问?(答案提示:继续在原对话里追问;重开会丢掉上下文,前面调好的全部作废)
  2. "三遍法则"的每一遍分别盯什么?(答案提示:第一遍看方向/大纲,第二遍按大纲展开,第三遍自查错误、核对信息)
  3. 发布 AI 写的促销文案前,至少要检查哪几项?(答案提示:事实数据有无来源、有无编造;有无违规极限词;格式语气是否符合要求;哪些还需人工补充)
第4章第4章 失败诊断:输出不对时,先查哪一环
现在就动手
4.1 定位问题:先问"缺了什么",再怪AI

讲解:输出不对时,先别急着重来,按"角色?背景?要求?例子?"四步排查缺了哪一环:有没有告诉 AI 它该扮演谁?有没有交代给谁看、在哪用?有没有说清字数、格式、语气、禁忌?有没有给它一个可模仿的样板?多数翻车是提示词缺信息,不是 AI 坏了。吴恩达在《AI Prompting for Everyone》课程里反复强调的就是这件事:和 AI"一起迭代",找出该给 AI 哪些额外上下文。

为什么重要:这是从"会用"走向"会调"的分水岭。会诊断才能自修复——每次不满意,你都知道该补什么、不该瞎改什么,而不是删掉重来碰运气。

> 你让 AI"写一段袜子店的开业文案",结果它写得像婚庆司仪。用清单一查:角色没定(应该说"你是资深袜子店文案"),背景没给(没说开在居民区、主打男袜),要求不明确(没说字数、语气),例子没有(没贴你喜欢的风格)。四项补全再问,答案立刻对味。(示例为教学演示,方法来自吴恩达《AI Prompting for Everyone》课程及 OpenAI 官方《提示工程指南》"写清晰指令、拆复杂任务"策略,案例改编自调研包)
常见误区:问得太笼统("帮我写个方案")不给任何信息,或反过来把不相关的信息全塞给 AI,指望它自己"挑重点"。正确做法:一次只问一件事,只给和任务相关的背景,缺哪一环补哪一环。
4.2 明确纠错指令:别说"不对",说"改成什么"

讲解:"不行""太差了""重写一份"——这些反馈对 AI 等于什么都没说,它只能靠猜。正确的纠错要说清两件事:错在哪、要改成什么样。比如"第三点没有数据支撑,请补上来源"或"第二段语气太书面,改成和朋友聊天那样"。央视建议的"保持持续优化",就是指"指出这一句不通顺,要求大模型换一种说法"——反馈越具体,修改越准。

为什么重要:这是"沟通纠错"的核心动作。你说不出"哪里错、要什么",AI 就只能瞎猜;把正确信息给 AI,它才能一次改对。改稿、改方案、改数据表述,全靠这一句。

> 成都日报记者实测里的工作题正是这个道理:先问"帮我写一个护肤品文案,要有创意,突出产品特点",AI 写得生硬平淡;加上明确要求"目标用户 20-30 岁女性,突出平价、保湿两点,语言轻松活泼",AI 立刻改出清晰、流畅、有针对性的文案。不是 AI 变聪明了,是纠错指令变具体了。(案例改编自调研包:四川新闻网转载成都日报记者实测)
常见误区:只评价不指路——"不行""太差了""重写一份",AI 只能凭感觉再来一遍,大概率还是不行。正确做法:指出具体位置+具体方向,一次只提一个最要紧的修改点。
4.3 让AI当反对者:主动找漏洞

讲解:更高阶的用法是让 AI 帮你"挑刺":主动要求它"找这个方案的漏洞""扮演反对者挑战我的想法",或者"请检查整篇文章的数据和事实是否准确"。中国青年报调查中,34.7% 的受访者建议"让 AI 扮演反对者,挑战自己的方案"。用 AI 的"挑刺"能力反哺人的判断,是高级用法。

为什么重要:一个人想方案容易"自我感觉良好",AI 当反对者能帮你提前发现漏洞。交方案前、发文章前、做决定前,让 AI 从对立面盘一遍,等于多了一个"抬杠的同事"帮你把关。

> 玖玥让 AI 当"面试官"反复预演面试,把 AI 当"反对者"来挑战自己的回答;面试中被 AI 预测过的题目真的出现,她最终拿到 4 个 offer。做法很简单,比如对 AI 说:"你现在是挑剔的面试官,请针对我的回答连续追问 5 个刁钻问题。"(案例改编自调研包:中国青年网转载《北京青年报》关于玖玥求职的报道)
常见误区:把 AI 当"裁判",它说哪个方案好就选哪个,全盘照搬不自己判断。正确做法:让 AI 给多个方案+各自的理由和风险,再让它当反对者找漏洞,最后由人拍板。 >
AI 生成流程图
流程图/03-04.svg(本章流程图:输出不对→查角色/背景/要求/例子→定位→修正) · 点击图片可放大

📌 本章小结

  1. 输出不对先诊断:按"角色?背景?要求?例子?"四步排查缺了哪一环,再怪 AI。
  2. 纠错要具体:别说"不对",要说"错在哪+改成什么样"。
  3. 让 AI 当反对者和检查员,主动找漏洞,再决定怎么改。

✍️ 自测题

  1. AI 给的答案不对,第一步应该做什么?(答案提示:用"角色/背景/要求/例子"清单排查提示词缺了什么,多数翻车是缺信息不是 AI 坏了)
  2. 为什么说"不行,重写一份"是低效的纠错?(答案提示:没说错在哪、要什么,AI 只能靠猜;要指出具体位置+具体方向)
  3. 想让 AI 帮你提前发现方案漏洞,可以怎么问?(答案提示:让它扮演反对者挑战你的方案,或让它检查数据和事实是否准确)
第5章第5章 人机协作:AI是参谋,不是裁判
现在就动手
5.1 边界意识:AI建议,人拍板

讲解:把 AI 当"参谋"而不是"裁判":它给方案、找漏洞、补盲点,但最终决定和风险由人承担。中国青年报调查中,72.4% 的受访者建议"把 AI 回答当参考,不盲目照搬"。人民日报客户端两会观点也强调:"使用 AI 不能局限于机械的一问一答,应发挥人的创造性。"AI 可以告诉你"这样写更顺",但签不签字、发不发出去、选不选这个方案,必须是人来定。

为什么重要:这是整门课的价值落点。会沟通、会纠错,最终是为了"人用 AI",而不是"被 AI 带偏"。发广告、交材料、做决定,凡是需要承担后果的事,最后一关都必须过人。

> 应届毕业生玖玥的"40%法则"就是这个意思:对 AI 的建议保持一定折扣、自己核实。她把 AI 改的简历逐条过一遍,能讲出细节的才保留,面试官追问时每个数字都答得上来,最终拿下 4 个 offer。她没有被 AI"带着走",而是把 AI 当参谋用。(案例改编自调研包:中国青年网转载《北京青年报》关于玖玥求职的报道)
常见误区:把 AI 当裁判,AI 说哪个方案好就选哪个,AI 写的内容直接签字使用,不再自己判断。正确做法:让 AI 给多个方案+各自的理由和风险,由人拍板;重要内容"人审后用"。
5.2 关键信息的交叉验证

讲解:AI 会"一本正经地胡说八道",所以关键信息不能只听 AI 一家之言。交叉验证就是"多个信源互相印证":AI 给的数据,去官网、新闻、官方文件里再查一遍;AI 引用的观点,找到原始出处看是不是真的那么说。中国青年报调查中,19.1% 的受访者建议"人工核实关键信息";本课 1.3 讲的幻觉,就是必须验证的原因。这条和 01 课"防幻觉"一脉相承:AI 说的每句"事实",都要当成"待核实线索",而不是"最终结论"。

为什么重要:数字、人名、法规、报价,这些"错了要担责"的信息,交叉验证是最后的保险。做报价单、写宣传、发推文、写简历,凡是要对外承诺的内容,都必须验。

> 你让 AI 写一条"本店成立 20 年"的宣传语,AI 写得很好——但你的店其实只开了 3 年。这就是典型的"AI 顺着话编":你没给真实信息,它就补一个像模像样的。正确做法:给 AI 真实信息("本店成立于 2023 年"),并要求"所有数字以我提供的为准,不要自己补充"。(示例为教学演示,原理来自调研包"幻觉"知识点及中国青年报调查数据)
常见误区:让 AI"代笔造假"——编造简历经历、虚构项目数据、美化照片,以为"包装"得更专业。正确做法:AI 只做润色+结构化,事实必须真实;写好后自己逐条过一遍,能讲出细节的才保留。
5.3 协作节奏:哪些事给AI,哪些事自己来

讲解:不是所有事都适合交给 AI。适合给 AI 的:检索信息、起草初稿、润色文字、生成多个备选方案、检查漏洞——这些是"加速";必须自己来的:拍板决策、签字负责、落地执行、情感判断、关键信息核实——这些是"掌舵"。中国青年报调查中,67.7% 的受访者建议"把 AI 当加速思考的工具"。《关于深入实施"人工智能+"行动的意见》(国务院)也提出"加快形成人机协同、共创分享的智能社会新形态"——人机协作,才是 AI 时代的常态。

为什么重要:分清楚节奏,你才不会把 AI 用成"替代自己思考",也不会把不该交的交给它。写材料、做方案、开店经营,一套固定的协作节奏能让你又快又稳。

> 义乌老板娘傅江燕的节奏是这样的:让 AI 做外语文案起草、多语言配音、视频生成(加速),自己把关产品关键词、极限词合规、最终发布(掌舵)。结果几分钟就能产出 30 多种语言版本的外语推介视频,外国客户直接下单,而内容始终合规、真实。(案例改编自调研包:新华网转载《中国新闻周刊》关于义乌老板娘傅江燕的报道)
常见误区:要么全包给 AI(把决策、签字、落地全交给它),要么全自己干(把 AI 只当搜索引擎用)。正确做法:按"加速 vs 掌舵"分工,AI 负责跑腿出方案,人负责拍板担责任。 >
AI 生成流程图
流程图/03-05.svg(本章流程图:需求→AI草稿→人审核→拍板,守住人机分界) · 点击图片可放大

📌 本章小结

  1. AI 是参谋不是裁判:它给方案、找漏洞,人来拍板、担责任。
  2. 关键信息要交叉验证,数字、人名、法规必须人工核实,不盲目照搬。
  3. 协作有节奏:检索、起草、润色、找漏洞交给 AI;决策、签字、落地、核实留给自己。

✍️ 自测题

  1. AI 说"这个方案最好",可以直接拍板执行吗?(答案提示:不行。AI 是参谋不是裁判,让它给出理由和风险,最后由人拍板)
  2. 为什么关键数据要交叉验证?(答案提示:AI 可能"一本正经地胡说八道",编造数据还语气自信;关键信息要多个信源互相印证)
  3. 下面哪些事适合交给 AI:拍板决策/起草初稿/核对关键数据/生成多个方案?(答案提示:起草初稿、生成多个方案适合交给 AI;拍板决策、核对关键数据必须自己来)
  4. 找出原对话:翻出最近一次"AI 回答不满意"的对话,把最初的问题和 AI 的回答原样复制存档。
  5. 诊断失败环节:按 4.1 的清单排查——是角色没定?背景没给?要求不明确?还是缺例子?写出一句话诊断结论。
  6. 用四要素+例子重写:按 2.1-2.5 的方法,把"要什么、给谁看、什么要求、什么风格(贴例子)"补全,重写提问。
  7. 迭代 2 轮:在新对话里至少追问 2 轮,每轮只改一个最要紧的点,记录"修改意见+AI 的新回复";不满意就让 AI 换一个角度重来。
  8. 写前后对比:用一小段话总结"改了什么、结果改善在哪里、下次遇到同类问题会怎么做"。

作业

**要求**:

翻出最近一次"AI 回答不满意"的对话,按第 2-4 章的方法重问一次,记录前后对比。提交时贴出五样东西:①你最初的问题和 AI 的回答;②你的诊断结果(缺了哪一环);③重写后的提问(补全角色/背景/要求/例子);④AI 的新回答;⑤你的迭代记录(至少 2 轮修改意见和对应回复)。

**步骤**:

  1. 找出原对话:翻出最近一次"AI 回答不满意"的对话,把最初的问题和 AI 的回答原样复制存档。
  2. 诊断失败环节:按 4.1 的清单排查——是角色没定?背景没给?要求不明确?还是缺例子?写出一句话诊断结论。
  3. 用四要素+例子重写:按 2.1-2.5 的方法,把"要什么、给谁看、什么要求、什么风格(贴例子)"补全,重写提问。
  4. 迭代 2 轮:在新对话里至少追问 2 轮,每轮只改一个最要紧的点,记录"修改意见+AI 的新回复";不满意就让 AI 换一个角度重来。
  5. 写前后对比:用一小段话总结"改了什么、结果改善在哪里、下次遇到同类问题会怎么做"。

**验收标准**:

  1. 重写后有明显改善:AI 的新回答比原回答更接近你想要的结果(信息更全、语气更对、能直接用);
  2. 诊断出具体环节:能说清原问题缺的是角色/背景/要求/例子中的哪一环,而不是笼统说"AI 不行";
  3. 有对比记录:完整保留"原对话 + 重写提问 + 新回答 + 2 轮迭代"的记录,可复现;
  4. 内容真实:没有让 AI 编造事实,关键信息自己核实过。

**示例成品**(改编自调研包案例3——成都日报记者实测两种问法):

**① 最初的问题和 AI 的回答**:
我的问题:"帮我写一个护肤品文案,要有创意,突出产品特点。"
AI 的回答(节选):"这款护肤品质地温和,能有效滋养肌肤,为您的肌肤带来焕然一新的体验……"(生硬、平淡,像谁都能用的套话)
**② 诊断结果**:缺"要求"和"背景"——没说给谁看、突出什么卖点、用什么语气,AI 只能按最普通的广告模板写。
**③ 重写后的提问**:
"你是资深美妆文案(角色)。我的一款护肤品主打平价和保湿,目标用户是 20-30 岁女性,发在小红书(背景)。请写一段 100 字以内的种草文案,突出平价、保湿两点,语言轻松活泼,像闺蜜聊天(要求)。参考语气:××博主那篇平价好物笔记(例子)。"
**④ AI 的新回答**(节选):
"百元内能打的保湿面霜,学生党闭眼冲!上脸水润不黏腻,妆前用也不搓泥……平价大碗,保湿这块是真的拿捏了。"
**⑤ 迭代记录**:
第 1 轮修改意见:"把'闭眼冲''拿捏了'去掉,换成更自然的口语;字数压到 80 字。"AI 新回复:"这款面霜百元出头,保湿在线,油皮干皮都能用……"
第 2 轮修改意见:"第一句直接说卖点,不要铺垫;补一句适合什么肤质。"AI 新回复:"平价保湿面霜,油皮干皮都能用,上脸清爽不黏腻,秋冬换季备一瓶很安心。"
**对照验收**:重写后有明显改善✓(从套话变成能直接用的种草文案);诊断出具体环节✓(缺背景和要求);有对比记录✓(原对话+重写+2 轮迭代全保留);内容真实✓(卖点为真实产品信息,没有编造)——达标。

## 学完去哪

  1. 学完本课,进入下一课:04(课程名与链接以 AI学堂官网课表为准)
  2. 本课配套实操记录:《AI 纠错四步诊断卡》《提问模板卡(角色+背景+要求+例子)》——随课发放,把本课的诊断清单和提问模板存成自己的工具卡
  3. 延伸课程:01《AI基础入门》——本课讲的"AI 是什么、幻觉、防幻觉"在 01 课系统讲过,可回看;02《提示词工程》——本课提问四要素的完整结构在 02 课有专门一章