与 AI 对话的艺术

The Art of Talking to AI

作者：尼哈里卡·巴特拉（Niharika Batra） 发布日期：2026-10-02
有时候给 AI 模型一个例子，就能彻底改变它处理任务的方式。

但提示（prompting）不只是给例子。

还有很多其他方式，可以用来向 AI 模型表达你想要什么。

今天我们就来看其中几种。

别费劲去记这些名字。

目标是理解这些方法为什么有效、怎么起作用。

1. 给 AI 一个角色

想象你走进一家公司，说：

"解释一下这份文件。"

律师、老师、数据科学家给出的答案可能完全不同。

同一个思路可以用在 AI 上。

你可以给模型一个角色。

比如：

你是一名客户支持专员。阅读下面这条客户投诉，写一份专业的回复。

对比一下：

写一份回复，回应这条客户投诉。

第一个提示给了模型更多关于"该用什么方式处理这个任务"的上下文。

再举个例子：

你是一名 Python 讲师，正在教一个从没编过程的人。用简单的语言解释这段代码。

现在模型知道了：

它该扮演什么角色

它在向谁解释

答案该以什么形式呈现

这通常叫角色提示（role prompting）。

2. 让 AI 把问题拆开

不是每个任务都像"给我答案"这么简单。

有些问题有多个步骤。

比如：

一家公司收到 1000 份文件。 其中 20% 需要人工复核。 这些需要复核的文件里，30% 被拒。 有多少份文件被拒？

模型需要一步步把这个题算出来。

你可以把你的提示组织成这样

把这个问题拆成更小的步骤来解决。

给我最终答案，并附一段简短的说明。

这里的思路很简单：

复杂问题 → 更小的步骤 → 最终答案

这种做法通常和"思维链提示"（chain-of-thought prompting）相关。

你在学大语言模型（LLM）的时候会经常听到这个词。

不过有一点很重要：在真实的应用里，你不一定需要、也未必想要模型暴露一长串内部推理过程。很多时候，让它给出一段关于关键步骤的简洁说明就够了。

3. 别让一个提示干完所有事

你很可能很自然地这么写过：

读一下这份公司政策，做个摘要，找出重要规则，
找到资格条件，做一张表，再给员工写一封邮件。

这对一个提示来说太多了。

反过来，我们可以把任务拆成更小的块。

第 1 步把这份政策做摘要。

第 2 步从摘要里找出资格条件。

第 3 步把资格条件做成一张表。

第 4 步用这些信息，写一封给员工的简短邮件。

上一步的输出，成为下一步的输入。

这叫提示链（prompt chaining）。

为什么这样有用？

因为更小的步骤可以：

更容易看懂

更容易测试

更容易排查问题

更容易修改

而到这里，提示这件事就开始变得更有意思了。

你不再只是在向 AI 提问。

你在设计一套工作流。

4. 如果 AI 需要用工具呢？

现在我们再往前走一步。

想象你问一个 AI 助手：

"达拉斯今天天气怎么样？我该带伞吗？"

模型可能需要它并不掌握的信息。

所以，AI 系统不是直接生成一个答案，而是可以这样：

用户提问

AI 判断它需要什么信息

调用一个天气工具

拿到结果

查看结果

回复用户

这个总体思路叫 ReAct —— Reason + Act（推理 + 行动）。系统可以对它需要什么进行推理，采取一个行动，观察结果，然后继续。

这个"行动"可以是：

搜索网页

调用一个 API

查询数据库

检索一份文档

运行代码

使用另一个工具

等我们开始聊AI 智能体（agent）时，这个概念会变得特别重要。

一个智能体不只是回答问题。

它有可能自己判断该采取什么行动，并与工具交互来完成任务。

我们后面会再回到智能体这个话题。

5. 告诉 AI"不要"做什么

这是另一个简单但很有力的技巧。

有时候，告诉模型你不想要什么，和告诉它你想要什么一样有用。

比如：

从这份文件里提取员工姓名、部门和入职日期。
不要推断文件中没有明确写出的信息。

最后那句指令很重要。

你在告诉模型：

如果信息不在里面，就别编。

这有时被称为负向提示（negative prompting），或者叫使用负向约束。

这为什么重要？

因为提示往往只是一个大语言模型应用的第一层。

但真实世界里的系统，看起来更像这样：

用户

提示

大语言模型

检索信息

使用工具 / API

校验结果

返回一个答案

而一旦你开始搭这样的系统，就会撞上一堆新问题：

如果模型编造了内容怎么办？

如果答案不在文档里怎么办？

如果模型调错了工具怎么办？

我们怎么知道这个系统到底有没有在好好工作？

这些问题会带我们进入函数调用、智能体、评估和监控这些话题。

但在那之前，我们需要理解大语言模型最大的问题之一：

有时候，AI 可以说得极其自信，同时完全错误。

那就是我们下一次要探索的内容。

本文编译自 Substack，原文作者Niharika Batra

原文 URL：https://niharikabatra.substack.com/p/week-6-day-3-the-art-of-talking-to