学而不思则罔，思而不学则殆。 《论语》
AI 智商超出人类，但不具备情商。所以你生气地问他、责骂都并不能更快地解决问题，也不能给你想要的答案。 你向AI提问，让AI能够理解，你则要理解AI的思考逻辑（当然这里的AI也可以换成你身边的任何人，想想看）。 你知道AI是如何理解你的问题，并能解答的吗？现在的大语言模型（LLM ）都是基于统计语言模型。 1
AI 回答的逐个跳出来下一个是什么字是概率算出来的。所以AI并不能以人类的方式理解问题。
正是由于基于统计语言模型，所以会导致AI大模型正经地胡说八道，专业的词叫幻觉。
不要惊讶于AI会产生幻觉，你要惊讶于AI能正确问答你的问题。
理解这个思考过程，所以在提问时要尽可能的精确、正确、准确。 不要存在歧义，也不要带无关的内容。 提的问题在他的知识里面有对应，向量化的，幻觉则少。 早期的一个经典问题：问林黛玉倒拔垂杨柳的故事，这是给AI一个错误的假设，他要不停的输出，停不下来，基于错误输入产生了错误的输出，看起来也是那么回事，像真的一样。
我们有一个误区，认为AI很智能，应该会智能地理解我的问题，目前发展还不行（不同模型可能有些差别），如果应用到工程领域更是要规范化地结构化写清楚提示词。写提示词的过程也是你自己又理解了一遍，也可以作为团队工作的输出。
像一个比较复杂的系统，用一句话肯定说不清楚（说给人听也一样） 像下面的问题，以后就别问了：
- 给我做一个招聘的app，界面要漂亮
- 实现一个车辆路由规划，能在地图展示行驶路径
- 开发一个餐饮预订的平台，能够支持消费者使用，支持商户管理和运营
如何提问需要学习，特别是AI时代更加重要，问不对也难以得到想要的答案。问的对能够获得AI的推理能力、深度思考能力。 根据我的日常实践总结几点（适用于AI编程生成代码）：
-
问题不要存在歧义；
-
先总体概括，再分别阐述需求；
-
拆分子任务，每项子任务的要求说明清楚，子任务之间不要存在冲突，让AI无法决策；
-
理解工程现状，合理提要求。举个反例：我在要求由当前tailwindcss v3升级到4.1.11时，参考官方的文档给出升级方案，我要求不能改动其他依赖。结果AI思考很久，官方文档有说v3升v4时stylus不再使用，所以依赖要调整。最后输出让我降低一下约束、变更可控；
-
与问题无关的内容不要提，以免引起误解和幻觉；
-
与问题有关的事项要交代，如工程依赖、版本号限制；工程相关的架构规范现在使用claude code可以在根目录生成CLAUDE.md，主要是工程上的约束、宏观架构等；
-
尽量考虑周到，这点比较难。举例来说，我在使用tailwindcss实现页面功能时，首次提问没有交代建立色彩风格体系定义color.ts，当时仅说明根据使用群体和功能来确定一个主色调，后来发现主色调不合适，让修改，改了好多地方好几轮对话。如果一开始建立color.ts，只需要调整这一个文件即可；
-
有时要强调一些要点：例如风格统一，无论代码风格还是界面风格，有时发现虽然实现了，却两种风格；
-
除了对AI提需求要做什么，还要提一下不要做什么，这点大家容易忽略，例如不要更改基础依赖的版本号，不要修改DDL定义，不要夸张的风格；
-
不要嫌组织问题时文字太多（你的目的是让AI理解，不要在乎字数多少，现在主流大模型上下文字数完全够用）；
提问其实就是写提示词。提示词写的好，对话次数也会减少。日常可以多思考如何减少多轮对话次数，提升提示词质量。提示词要保留一份，以便后续调整或交接其他人；
如果你真不知道该如何提问， 那你向AI问一个问题：
我想解决/建设/调研xxxxxx，我该如何向你提问？
也可以试试看，掌握提问和结构化思考是AI时代强有力技能
Footnotes
-
关于大语言模型推荐这两个普及视频：漫士博士花半年时间打造的《90分钟！清华博士带你一口气搞懂人工智能和神经网络》 https://www.bilibili.com/video/BV1atCRYsE7x/ 3bule1brown的《大语言模型的简要解释》 https://www.bilibili.com/video/BV1xmA2eMEFF ↩