文章核心观点 - 文章认为与AI进行有效对话的关键在于掌握特定的沟通“心法”或技巧，而非依赖复杂的固定提示词格式 这些心法的核心是将对话转变为与AI的协作，将提问设计为对AI的引导，从而激发AI的潜力以获得更佳答案 [1][65][66][67] 一. 让AI选定角色后再回答 - 为AI设定具体且真实的角色能有效提升回答质量，例如设定为“乔布斯”可能比“10年产品经理”效果更佳 [2][3][4] - 当用户不确定应设定何种角色时，可直接让AI自行选择最适合的领域顶尖专家 文章提供了一个可用的提示词模板，其核心是让AI先选择专家并说明理由，再让用户描述详细问题 [5][6][7][8] - 实践案例：在策划年会活动时，使用此方法让AI选择了活动策划专家Priya Parker，从而使得到的答案更为丰满 [9][10][13][15][16] 二. 给答案前先让AI追问 - 此方法被称为“苏格拉底式追问”，旨在解决用户因提供背景信息不足而导致AI回答质量不佳的问题 通过让AI在回答前主动提问，以获取更多上下文信息 [17][18][19] - 文章分享了一个优化后的提示词模板，要求AI在拥有95%的信心理解用户真实需求后再给出方案 95%的置信门槛被证明能有效平衡质量与效率，避免无尽循环 [20] - 实践案例：在解决业务扩张导致的招聘瓶颈问题时，AI通过追问十几个详细问题后，给出了被认为非常有用的回答 [20][22][23] 三. 与AI辩论 - 此心法旨在对抗AI的“谄媚效应”，即AI倾向于顺应用户观点，从而帮助用户进行更客观的自我判断和观点补全 [24][25][26] - 用户可以通过设定攻击性较强的提示词，要求AI扮演挑战者角色，用尽一切论据来反驳用户的观点，以使理论更完善 [27][28][29] - 实践案例：作者为准备一场分享，与AI（Gemini）就某个观点进行了长达3小时的辩论，并从中学习到很多 [28][32][33] 四. 让AI提前预演失败 - 此方法用于避免人与AI在制定计划时均过于乐观，导致方案难以落地 其核心是在项目开始前，让AI模拟项目失败的情景并分析原因 [34][35][36][37] - 文章提供了一个简单的提示词模板，要求AI回答项目出现衰退信号的时间点、最致命的决策错误、被忽视的核心风险以及若能重来第一个应修改之处 [38] - 实践案例：在策划一个万人规模的AI大会前，作者将方案PDF交给AI进行“预演失败” AI生成了一篇数千字的分析，指出了包括“人流与踩踏风险”、“现金流风险”、“信任风险”等具体风险点，其中对“排队、盒饭、厕所、安检、动线”等细节风险的提示，被认为是作者的认知盲区 [39][40][42][43] 五. 反向提示 - 当用户明确想要的结果但不知如何提问时，可将成品（如文案、图片）提供给AI，让其反向推导出能生成类似风格的提示词 [44][45][46][47][48] - 文章推荐使用一句简单的提示：“这是我想要的成品范例。请你倒推一个提示词，让我用它能稳定生成同风格的内容。并说明这个提示词里每一句的作用。” [49][50][51] - 此方法主要用于学习目的，帮助用户拆解优秀作品的结构与节奏，而非简单复刻 目前适用于文本和图片，但音乐领域尚难实现 [52][53][54][55] 六. 双层解释法 - 此方法用于学习陌生领域或概念 它要求AI提供两个版本的解释：一个极度通俗的初学者版本和一个深度专业的版本，通过对照学习以加深理解 [57][58][59][60][61] - 文章提供了一个简单模板，并特别指出在初学者版本中将对象设定为“洗脚城的大爷”，能获得更生活化、通俗但不幼稚的解释，优于“六年级小学生”的设定 [62] - 通过这种方法，AI能提供相当到位的双重解释，有助于用户从不同层次理解问题 [63]