让AI好用10倍的7个技巧
这篇文章整理自一个YouTube视频，写给那些用了AI但总觉得效果不理想的人。分享了七步实战方法，教你怎么跟AI正确对话、怎么给足有效信息、怎么验证输出质量、怎么让结果更符合你的需求。
这篇文章是整理自一个YouTube视频，内容是写给那些用了AI但总觉得效果不理想的人。
你已经在用ChatGPT、Claude或其他AI工具，但经常遇到答非所问、输出质量不稳定、一眼就被看出是AI写的这些问题。
视频里分享了七步实战方法，教你怎么跟AI正确对话、怎么给足有效信息、怎么验证输出质量、怎么让结果更符合你的需求。我把核心内容提炼出来，加了一些理解和例子，方便你快速上手。
……
第一步 ：学习AI的语言
AI不是在理解你的意思，它只是在猜下一个词是什么。
就像你看到“白雪公主吃了一个___”，脑子里马上跳出苹果，而不是香蕉。AI就是这么工作的，它见过海量文字，知道哪些词经常一起出现，然后一个词一个词地往下猜。
所以AI不是真的懂你在说什么，纯粹是在算概率。你说得越模糊，它猜得越离谱；描述得越清楚，它才可能给你想要的答案。
视频作者介绍了一个“AIM”框架
A - Actor（角色）：先告诉它扮演谁
“你是个看过上千份简历的资深HR，知道什么样的简历能过筛选”
I - Input（信息）：把具体情况告诉它
“这是我的简历，我要投的是金融科技公司的产品经理岗位”。
M - Mission（任务）：说清楚你要它干什么
“给我10条具体建议，告诉我怎么把成果写得更有说服力，怎么匹配岗位关键词”
这三步差不多就适用于所有情况了。
……
第二步：自己上手AI掌握一手体感
这就像学乐器，你不可能同时学钢琴、吉他、小提琴。但如果你先把吉他练好了，再去碰尤克里里，会发现上手特别快，因为基础乐理是相通的。
AI也是这个道理。你需要的不是知道有哪些工具，而是知道怎么跟AI相处，了解它的优劣势、输出结果……
比如你会慢慢发现：有些问题得分步骤问，一次性问它会乱；有些时候得先给几个例子，它才能明白你要什么；有些回答看起来挺对，但就是不太对劲，你得学会追问。
这些感觉，不是光看教程能学会的，需要你去实操、体验
所以就选一个AI，每天找各种场景搭配AIM框架去用它：整理笔记、问问题、改文案，什么都行。
等你不用想太多，就知道怎么跟它说话了，能直接写出结构化的提示词，那时候再去碰其他AI工具，会发现直接就上手了。
……
第三步：给足上下文信息
再强的AI模型，如果你不给上下文信息，它也会答得一塌糊涂，上下文信息就是AI的导航地图（MAP），告诉它该往哪看。
所以就用MAP帮你记住该给AI什么：
M - Memory（记忆）：之前聊过什么
把之前的对话复制过来，或者让它先总结一下：“上次我们讨论到哪了？”
A - Assets（素材）：你手上有什么资料
可能是一份文档、一堆数据、几张截图。把这些扔给它，它才能基于真实情况回答你，而不是瞎编。
A - Actions（动作）：AI能调用什么工具
比如搜索网页、读文档、写代码、建文件，这些工具能让AI做更多事情。
P - Prompt（提示）：你的具体要求
前面三个东西越充分，最后这个指令就越好使。掌握了AIM和MAP，你已经超过90%的AI用户了。
举个例子：“我之前跟你说过我要转行做产品经理（Memory），这是我现在的简历和目标岗位的JD（Assets），帮我把工作经历改得更匹配这个岗位，突出我的数据分析和用户调研能力（Prompt），如果需要的话，你可以搜索一下这个公司最近的产品动态（Actions）。”
……
第四步：学会调整AI
掌握了AIM和MAP，这只是基础。想成为真正的高手，还得学会：当AI答得不对的时候，怎么把它调对。
三个实用调整技巧：
- 思维链模式：让AI把思考过程说出来
比如在写文案之前，先一步步说明：“你理解的目标用户是什么样的？你觉得什么风格最适合他们？为什么？然后再给我文案。”这样你能看到它是怎么想的，哪一步理解偏了。
- 反问模式：让AI反过来问你
“在写文案之前，先问我三个问题，帮你更准确地把握我想要的风格和调性。一次问一个，等我回答完再继续。”这招特别适合你自己也没完全想清楚的时候。
- 优化模式：让AI帮你改问题
“我刚才的要求是小红书风格的种草文案，但你给的太浮夸了。帮我把这个要求改写成两个更精确的版本，让我选一个。”
问一次不对，就调整一下再问。看看它的思路，引导它往正确的方向走。你不是在用“AI”，而是在跟它协作，然后你会发现你们俩都在变聪明。
……
第五步：别让AI给你讲废话
除了反复调整提示词，还有一个让AI变聪明的办法：把它往专业的地方引。
你问一个模糊的问题，AI就会从最常见、最平庸的地方找答案，给你一堆正确的废话。但如果你在提问时就指定专业方向，答案质量会直接跃升一个档次。
假设要问怎么做好私域运营，那么告诉AI：“用完美日记的私域打法和瑞幸的会员体系逻辑，给我三个适合教育行业的私域运营方案”。一下就把AI从泛泛而谈拉到了具体案例和方法论上。
如果你不知道某个领域有哪些标杆，先问AI：列出私域运营做得最好的三个品牌和它们的核心策略。拿到这些参考后，再结合你的行业重新提问。
这时候AI给你的，就不再是百度百科式的废话，而是真实的实战方法了。
第六步：AI会一本正经地胡说八道
AI给你专业答案的时候很自信，但这不代表它说的都是对的，而且AI说错话的时候，跟说对话的时候一样笃定。它告诉你某个数据、某个案例，语气特别肯定，但可能完全是编的。
所以你不能无脑相信AI说的任何东西，尤其是涉及具体数据、人名、案例的时候。
五种验证方法：
- 假设检验（Assumptions）
“列出你刚才回答里做的所有假设，按靠谱程度排个序。”这能让你看到它的推理基础是什么，哪些地方可能站不住脚。
- 来源追溯（Sources）
“给每个重要观点标注两个独立来源，包括出处和关键引用。”然后你自己去查这些来源是不是真的存在，内容有没有被曲解。
- 反证挑战（Counter-evidence）
“找一个跟你答案不一致的靠谱来源，然后解释一下这矛盾怎么回事。”这招能逼AI承认自己的局限，而不是一味装自信。
- 审计验证（Auditing）
让AI把每个数字重新算一遍，把计算步骤或代码写出来。因为AI算数经常出错，特别是碰到复杂计算的时候，让它展示过程就容易露馅。
- 交叉验证
在不同AI里问同一个问题，看答案有没有矛盾。或者把一个AI模型的答案扔给另一个模型，让它挑毛病。
这几点能帮你把AI的胡扯和真知识分开。
第七步：别让人一眼看出是AI写的
验证完AI说的对不对，接下来要解决另一个问题：怎么让AI写的东西不那么像AI写的。
AI默认的输出风格是通用的、安全的、没个性的，就像一个永远不会出错、但也永远不会出彩的实习生。你要是直接复制粘贴，所有人都看得出来。
解决办法是：给AI注入你自己的风格和判断。
视频中又提出了一个新的“OCEAN检查清单”：
O - Original 原创性：有没有不那么显而易见的洞察？别让AI给你讲"私域运营要重视用户体验"这种正确的废话。
C - Concrete 具体性：有没有真实的案例和数据？“提升转化率”不如“把领取优惠券的按钮从绿色改成红色，转化率从12%提到18%”。
E - Evident 证据性：推理过程看得见吗？别只给结论，要让人知道你是怎么得出这个结论的。
A - Assertive 立场性：有没有明确表态？AI喜欢两边都说，你要逼它选一边，或者你自己选。
N - Narrative 叙事性：读起来有没有故事感？人记住的是故事，不是条条框框。每次你推着AI改进，你不光在训练AI，更是在训练自己的判断力。
原视频：https://www.youtube.com/watch?v=EWFFaKxsz_s
但不管看不看视频，最重要的是：别光看不练。