AI输出垃圾结果的时候，你第一反应是不是怪AI不行？说实话，问题通常出在你自己身上。
我花了好几周观察工程师们怎么用Claude、ChatGPT和Gemini。同一拨人，用差不多的烂提示词，拿到平庸的结果，然后抱怨工具不行。但换个人，问的是同一个问题，只是换了个问法，结果就靠谱多了。差别在哪？结构。
你的提示词到底哪不对
大多数开发者把AI当搜索引擎用。敲个问题，期待答案，然后失望。问题是你没给模型上下文，也没给约束条件。你就是……纯问。
看看什么才真正管用：
❌ 别这样："怎么优化这个React组件？"
✅ 试试这样："我有个React组件，表单输入时会重渲染50次（profiler确认了）。组件要遍历200个列表项。我已经对列表做了memoization。下一个该检查的瓶颈是什么？"
看出区别了吗？第二种给AI提供了：
• 实际问题是什么（过度重渲染）
• 你怎么知道这是问题（profiler数据）
• 你已经试过什么（memoization）
• 规模多大（200项）
AI现在能给你针对性建议，而不是泛泛的优化技巧。
四个改变我输出质量的技巧
1. 角色扮演比手把手教强
别问"解释async/await"，试试："你在带一个懂promise但觉得async/await很懵的初级开发。用他们要调试生产bug的场景来解释。"
AI会调整解释方式，匹配对方已有的心智模型。答案质量高很多。
2. 先展示，再问
贴一段你卡住的代码片段或示例。"这是我现在的做法。生产环境可能在哪翻车？"比"该怎么处理错误？"强得多。
AI一眼看到你的具体问题、约束条件和技术水平。
3. 要第二个答案
拿到回复后，追问一句："这能跑，但 tradeoff 是什么？什么情况下这个方案会崩？"
你能得到深度，而不是第一遍的表层答案。大多数人拿到第一个回复就停了，错过了细节。
4. 明确你要什么形式
"写成React hook"比"写个函数"好。"给我一行shell命令"比"怎么找大文件？"好。AI会按你实际需要的形式优化。
为什么现在这事更重要了
2025到2026年，AI模型变聪明了，但也更擅长在没懂的时候假装懂了。模糊的提示词换来听起来很自信的模糊答案。具体的提示词换来具体的答案——要么对，要么错，没有中间地带。
好的提示词，是你戳穿AI胡说八道的武器。
一个管用的模板
卡住的时候，试试这个结构：
• Context（上下文）：你在做什么？约束条件是啥？（速度？安全？可读性？）
• Problem（问题）：到底哪挂了或者不清楚？
• What you've tried（试过什么）：防止AI重复你 already 做过的事
• What you
热门跟贴