AI提问的万能框架

无论你是想快速上手，还是想进阶成为“提问工程师”，这套从入门到专业的万能框架都能帮你把AI“喂”明白。它本质上是一个从模糊意图到精准指令的翻译漏斗。

一、基础万能公式（RLEC）

如果你只想记一个最简单的模板，用这个RLEC结构，覆盖90%的日常需求：

• Role (角色)：设定AI的身份（如：资深Python工程师、严格的历史教授）。

• Goal (目标)：清晰陈述你的核心任务（如：写一个爬虫、解释这个概念）。

• Expectation (要求)：明确格式、长度、风格等交付标准。

• Context (背景)：提供关键信息或约束条件（如：代码语言、受众水平）。

💡 示例对比

❌ 模糊提问：“帮我写点代码。”

✅ RLEC提问：“【Role】你是一名资深Python开发工程师。【Goal】编写一个爬取知乎热榜的脚本。【Expectation】代码需包含异常处理，并添加详细注释。【Context】使用requests和BeautifulSoup库，运行环境为Python 3.8。”

二、专业级提问框架（CRISPE）

当你需要处理复杂任务（如撰写报告、制定策略）时，使用CRISPE模型进行深度对话：

维度	说明	示例
Capacity & Role (能力与角色)	明确AI的专家身份。	“作为一位资深市场营销总监...”
Request (核心请求)	陈述具体要做什么。	“...请为新产品‘智能水杯’制定一份...”
Information (背景信息)	提供决策所需的全部数据。	“...目标用户为25-35岁职场人，竞品有X和Y，预算50万...”
Steps (执行步骤)	引导AI按你的思维框架输出。	“...请按‘市场分析->定位->渠道策略’三步输出。”
Personality (风格)	定义回答的语气和风格。	“...采用专业且带有数据洞察的商务风格。”
Experiment (实验调整)	预留迭代空间。	“...请提供3个不同方向的方案概要，我先选一个。”

三、六大高频场景速查

针对不同需求，侧重点有所不同：

1. 创意生成（写作、起名）

• 关键：提供参照物（如：“模仿《百年孤独》的开头风格”）。

• 指令：生成[数量]个[类型]方案，并说明每个方案的[评估标准]。

2. 代码编程

• 关键：锁定输入输出与约束条件。

• 指令：用[语言]实现[功能]，要求[性能/库限制]，输入为[示例]，输出应为[格式]。

3. 知识学习

• 关键：指定解释深度和类比对象。

• 指令：向[身份，如：10岁孩子]解释[概念]，使用[类比，如：像水管系统]的比喻。

4. 数据分析

• 关键：明确分析维度（对比、趋势、归因）。

• 指令：分析[数据集]，聚焦于[维度]，找出[洞察目标]，用表格和bullet point呈现。

5. 内容优化

• 关键：给出修改方向而非泛泛而谈。

• 指令：优化以下文本，目标：[提升说服力/缩短至300字]，保留[关键术语]，调整[语气]。

6. 模拟对话

• 关键：设定双方立场。

• 指令：你扮演[面试官]，我扮演[候选人]，针对[岗位]进行一场模拟面试。

四、让AI“听话”的5个技巧

1. 正向约束：多说“要做什么”，少说“不要做什么”。（例：用“请使用积极词汇”代替“不要用负面词汇”）

2. 示例喂养：给出一个你想要的输出样例（One-shot learning），AI模仿能力极强。

3. 分步执行：复杂任务拆解成子任务，让AI一步步来，避免幻觉。

4. 温度调节：创造性任务（如写诗）调高“温度”（更随机），事实性任务调低（更确定）。

5. 迭代思维：第一轮回答不满意？不要重问，而是说：“基于上一轮，请从第3点开始深化，并增加数据支持。”

五、避坑指南：常见的提问误区

• ❌ 问题太宽泛：“讲讲历史。” → ✅ 聚焦：“简述二战欧洲战场的三个转折点及其关键战役。”

• ❌ 一次性问太多：“写方案A、B、C，再写邮件，再检查代码。” → ✅ 单点突破：一次只解决一个核心任务。

• ❌ 缺乏背景：“这个项目可行吗？” → ✅ 提供上下文：“项目预算50万，周期3个月，目标用户是大学生，可行性如何？”

最后记住：AI不是读心者，而是超级执行者。你给它的指令越像“给实习生布置工作的邮件”，你得到的结果就越精准。

RLEC结构，覆盖90%的日常需求

RLEC 是 AI 提问中最实用、最好记的万能骨架。它把模糊的需求转化为 AI 能精准执行的“工作说明书”。

一、RLEC 结构拆解

字母	核心要素	关键说明	示例（写周报）
R​	Role (角色)​	设定 AI 的专家身份，锁定它的“知识库”。	“你是一名专业的项目经理，”
L​	Goal (目标)​	一句话说清到底要干什么，这是最核心的指令。	“帮我起草一份本周工作总结报告，”
E​	Expectation (要求)​	明确交付标准：格式、长度、风格、语言。	“要求 500 字以内，用列表形式，语气正式专业。”
C​	Context (背景)​	提供关键信息（数据、约束、前提），这是精准度的关键。	“本周主要完成了 A 项目测试（进度 80%）和 B 方案撰写。”

二、实战案例：从“烂问题”到“好提示”

❌ 模糊提问（AI 会给出泛泛之谈）

“帮我写点代码。”

✅ RLEC 结构化提问（AI 能给出可运行的代码）

“【R】你是一名资深 Python 工程师。【L】编写一个爬取网页标题的函数。【E】代码需包含异常处理，并添加详细注释。【C】使用 requests 和 BeautifulSoup 库，运行环境为 Python 3.8。”

三、六大高频场景速查

根据不同任务，RLEC 的侧重点不同：

1. 创意生成（起名/文案）

• 重点在 R 和 E：【R】资深品牌策划【L】生成 5 个智能水杯品牌名【E】中文，2-4 个字，有科技感【C】对标“小米”“华为”的极简风格

2. 代码编程

• 重点在 C 和 E：【R】Python 专家【L】写一个数据清洗函数【E】用 Pandas，代码带注释【C】输入是 CSV 文件，需处理空值和重复值

3. 内容总结

• 重点在 L 和 E：【R】学术编辑【L】将这篇长文总结成 3 个要点【E】使用中文，口语化表达【C】[此处粘贴原文]

4. 翻译润色

• 重点在 E 和 C：【R】中英双语编辑【L】将以下中文翻译成英文【E】商务邮件风格，正式礼貌【C】[原文]

5. 学习解释

• 重点在 R 和 C：【R】小学科学老师【L】向 10 岁孩子解释什么是光合作用【C】用比喻，比如像吃东西、晒太阳

6. 模拟对话

• 重点在 R 和 C：【R】资深面试官【L】模拟一场产品经理面试【C】我的简历是 [粘贴简历]，针对 A 项目提问

四、进阶技巧：让 RLEC 更强大

• 分步执行：复杂任务拆解成多个 RLEC 指令。例如先让 AI 【L】列出报告大纲，你再让它 【L】根据大纲展开第一章。

• 示例喂养：在 C (背景)​ 中直接给一个你想要的例子（One-shot Learning），AI 的模仿能力极强。

• 迭代优化：如果结果不满意，不要重头问，直接在原对话中说：“基于上一版，请从【要求】入手，增加数据支持。”

一句话总结：RLEC 的核心是把 AI 当成一个能力极强的实习生。你给它的指令越像“工作邮件”（有背景、有交付标准），它的产出就越精准。

转载本文请联系原作者获取授权，同时请注明本文来自许培扬科学网博客。

链接地址：https://wap.sciencenet.cn/blog-280034-1534760.html?mobile=1

收藏

分享