每个人刚开始使用AI时，都会遇到这样的时刻：模型给出令人失望的回答，然后你要么耸耸肩接受它，要么新开一段对话并重写提示词。这两种做法通常都不对。更好的做法是回复模型，引导工作继续推进。
本文介绍如何做好这件事：第一次回答大致正确时该怎么做、偏离目标时该怎么做，以及表面看起来没问题、实际上却出错时又该怎么做。读完后，你将养成一种习惯，无需写出任何更巧妙的提示词，也能提升每一段AI对话的质量。
为什么大多数人停得太早
人们从搜索引擎延续而来的默认思维模式，是把AI当成自动售货机——输入一条提示词，得到一个答案。搜索让我们习惯了“一次查询 = 一个结果”。使用AI工作却不一样：对话本身会成为输入的一部分。第一次回答很少就是正确答案。第二次会接近得多。第三次通常才是你想要的。
即使提示词写得很好，也是如此。结构完美的第一条提示词会带来高质量的首次回答，而第二次和第三次回答会更好，因为模型已经掌握了你对先前内容作何反应的完整上下文。
真正的障碍来自心理。不断提出异议似乎有点不礼貌；你会觉得自己第一次就应该表达得更清楚；你也会觉得这样效率很低。这些顾虑都没有实际意义。你是在编辑机器生成的草稿，不是在与人谈判；迭代确实能为你节省时间。
四种动作
四类后续操作几乎可以覆盖所有情境。掌握这四种动作，你就掌握了这套工作流程。
- 批评——具体指出模型哪里有问题。
- 聚焦——要求扩展回答中的某一部分。
- 转向——改变角度或受众。
- 压力测试——让模型为自己的观点辩护，或反驳自己的观点。
下面逐一介绍。
把这四种动作视为一套可重复使用的工作流程，而不是一袋巧妙的后续提示词。对于重复性工作，将这套顺序保存为团队可以复用的模板。
动作1：批评
这是最常见的后续操作。第一次回答大体上不错，但某些地方不对。准确告诉模型问题在哪里。
第二段太正式了。写得更紧凑一些。
删掉“感谢你的耐心等待”这句——我不会这样说话。
把第三个项目符号换成更具体的内容。
开头第一句太泛泛了，放在任何产品上都成立。改成与我们的产品直接相关。
批评时有三条规则：
要具体。“写得更好”毫无用处。“第三个项目符号太长了，把它缩成一句话”才有效。
要直接。“我觉得或许可以考虑修改一下……”只是在浪费文字。“重写第三个项目符号”就很好。
肯定有效的部分。“保留第一段的结构，重写第二段。”否则，模型可能把整篇内容全部重写，让你失去已经写得不错的部分。
一个实用模式是：先告诉模型保留什么，再告诉它修改什么。“保留开头、结构和语气，但把中间三句话写得更有力、更简短。”
动作2：聚焦
第一次回答涉及面很广，但你真正想要的只是其中一小部分。让模型进一步展开那一部分。
我想深入研究第三个方案。进一步展开它——实际会是什么样、成本多少、需要哪些人参与？
取第二段的第二句话——“……该法规可能影响现有合同……”——将它扩展为三段。
在你列出的五项风险中，重点分析第三项。一步一步说明它实际会如何发生。
这种动作并未得到充分利用。人们往往会重新输入原问题，再加一点修改，但“展开刚才真正有价值的部分”速度更快，产生的输出也更好。模型已经完成了广度扫描，现在你要做的是向下深挖。
动作3：转向
第一次回答本身没有问题，但受众或角度不对。
现在为一个从未在金融行业工作过的人重写这段内容。
现在重写一遍，假设我要把它发给一位持怀疑态度的CFO，而不是一位表示理解的同事。
使用同一组论据，把它们整理成单页幻灯片摘要，而不是备忘录。
现在反过来——针对你刚才提出的全部论点，给出最有力的反方论证。
转向会利用模型已经生成的所有内容，并根据不同目的重新塑造它们。这比重写提示词更快，通常效果也更好，因为模型已经掌握底层材料。
分析任务中有一种特别实用的转向方式：“现在请唱反调。针对你自己的回答，提出尽可能可信的反驳。”明确提出要求时，模型出人意料地擅长这样做，而这些反驳往往能暴露你原本思考中的薄弱之处。
动作4：压力测试
第一次回答看似合理，但你不确定它是否正确。让模型为其辩护，或者反驳它。
哪些证据会让你改变对问题2的回答？
这份回答中，你对哪些地方最不确定？哪些内容可能是错的？
对这一立场最聪明的批评者会说什么？
如果资深专家阅读这段内容，他们会在哪里提出异议？
压力测试是应对“看似精致、实则薄弱”的输出的良方。模型可以为某种立场辩护；经要求，它也能给出最有力的反驳。让它同时完成两者，你就能更准确地判断眼前的内容。
有一种具体的压力测试几乎适用于任何事实性回答：“请按1到5分评估你对每一点的信心。如果准确性很重要，你会亲自核查哪一点？”模型会坦率地告诉你哪些部分需要验证。
第五种动作：验证
前四种动作能改进回答，却不能证明回答为真。只要输出会影响决策、客户沟通、政策、代码变更或公开发布的内容，就要加上最后一轮验证。
使用一份简短清单：
| 检查项 | 要问的问题 | 下一步行动 |
|---|---|---|
| 来源 | 哪些主张依赖这段对话之外的事实？ | 查阅原始来源或可信参考资料。 |
| 边界 | 模型作出了哪些我并未提供依据的假设？ | 删除、确认或标明这些假设。 |
| 风险 | 如果内容有误，最严重的后果是什么？ | 对高影响输出增加人工审核。 |
| 完整性 | 缺少了哪种重要情况？ | 明确要求补充缺失的情况。 |
| 可用性 | 我能否按现有表述直接行动？ | 将模糊建议转化为步骤、负责人、日期或示例。 |
这是大多数初学者都会跳过的质量控制步骤。迭代让草稿变得更好；验证则决定它能否安全使用。
本文链接的配套工作流程卡片将这五种动作整理成一页，帮助你养成习惯。
组合使用：一次完整迭代
下面用一个真实示例演示四种动作。假设你以这条提示词开始：
你是一名经验丰富的人力资源总监。为我这家拥有80名员工的公司起草一份单页提案，建议实行每周四天工作制。回应显而易见的顾虑，提出试行方案，并以建议结尾。
第一次回答是一份还不错的草稿，但并不完美。接下来怎么做？
动作1（批评）：
“显而易见的顾虑”这一节太单薄了——你谈到了生产力，却漏掉了客户服务覆盖，以及这对按小时计薪的支持团队有何影响。深入补充这两点。
动作2（聚焦）：
试行方案才是我真正会使用的部分。把它扩展为四段计划：哪些人参加试行、持续多久、衡量什么，以及怎样才算成功。
动作3（转向）：
现在重写同一份提案，假设受众是我们的投资人董事会，而不是内部人力资源团队。顾虑和措辞都应有所不同。
动作4（压力测试）：
一个曾在其他地方开展过这项试验、并目睹其失败的人，会提出什么最有力的反对意见？请具体回答，不要泛泛而谈。
为了直观展示效果，以下是动作2对试行方案部分的实际改变——这是一个具有代表性的修改前后对比（请自行运行提示词以得到你的版本；措辞会不同，但形式不会变）：
修改前：“我们建议让一个团队试行一个季度的每周四天工作制，然后评估结果。”
修改后：“由12人的支持团队和9人的营销团队试行12周——一组面向客户，一组负责内部工作。每周衡量四项指标：工单首次响应时间、对照季度营销日历的产出、自评精力水平（1–5分脉搏调查），以及计划外加班时间。成功标准是前两项指标的下降不超过5%，第三项有所改善；任何一周超出该范围都将触发复审，而不是自动取消试行。”
模型相同，对话相同。差别不在智能水平，而在于动作2告诉了模型哪部分最关键，以及“扩展”具体意味着什么。
经过四次后续操作，你得到的提案会比第一次回答实用两三倍，你练习了四类动作，可能只花了十分钟。远比从头重写原提示词快。
哪些迹象说明“继续迭代，不要重来”
遇到以下情况时，应留在当前对话中，而不是新开一段：
- 模型已经答对了大部分——哪怕只有70%——而你有具体意见。
- 输出主题正确，但呈现形式不对。
- 你想探索替代方案或不同版本。
- 你想测试回答是否稳健。
- 你意识到自己忘了提及某项重要信息。
遇到以下情况时，应该新开一段对话：
- 模型已经完全偏离你的目标。
- 对话变得很长（超过10轮），模型开始遗忘早期上下文。
- 你想从全新上下文测试同一条提示词，看看之前是否得到了异常回答。
- 模型已经陷入僵局——即使你提出异议，它仍反复给出相同建议。
几个有帮助的小习惯
**一项任务只用一个对话线程。**不要为同一项目的“后续”问题不断新开对话。线程会保留，模型也会利用其中的全部内容。
准确指出位置。“第二段”“第三个项目符号”“你建议的第二个方案”。具体指代比模糊批评更便于模型执行。
直截了当。“太正式了——再试一次。”“不，这版更差。回到第一版，只修改结尾。”直接的编辑指令可以减少歧义。
**问模型如何理解。**如果你陷入僵局——已经提出批评，模型却仍未领会——可以试着问：“你认为我要求的是什么？用你自己的话重述目标。”有时你会立刻看出自己与模型在哪里错位，只需一轮澄清就能解决。
第一次回答之后，继续推进
只发送一条提示词便接受回答，等于把大部分质量提升工作留着没做。继续跟进——批评、聚焦、转向、压力测试、验证——才是实用的工作流程。关键技能不仅是写出更巧妙的第一条提示词，还在于愿意在第一次回答之后继续推进，而大多数初学者恰恰停得太早。
