同事用ChatGPT写出完美周报，你只得到一段废话：差距在哪？

上周，我亲眼看着同事小王用ChatGPT写了一份周报，逻辑清晰、数据翔实，领导看完直接在群里表扬。我坐在旁边，用的是同一个模型，甚至同一个版本，结果呢？我得到了一段正确的废话——每个字都没错，但放在周报里等于什么都没说。那一刻我以为是AI在针对我。后来我才明白，差距根本不在AI，而在我们敲进去的那行字。

你觉得AI笨，其实是你没说清楚

很多人第一反应是”这AI不行啊”，然后换一个模型试试，再换一个，最后得出结论：AI就是个玩具。但你有没有想过一种可能——不是AI不够聪明，而是你给的信息不够多？

打个比方。AI就像一个能力极强、但完全不会猜你心思的实习生。你跟他说”帮我写个方案”，他只能给你一个四平八稳的模板。不是他不会写好方案，是他根本不知道你要写给谁看、解决什么问题、有什么限制条件。你给他模糊的指令，他就只能回你一坨模糊的东西。

这不是AI的bug，这是AI的本质。它没有读心术，你不说，它就不知道。

一个让你恍然大悟的数据

这里有一个反直觉的事实：包含”背景+约束+格式”三个要素的提问，用户满意度比随手一句话的提问高出4倍。不是4%，是4倍。

但现实是什么？超过90%的人在用ChatGPT时，打的都是一句话。”帮我写个邮件”、”给我一份计划”、”总结一下这篇文章”。这就像你去餐厅跟服务员说”随便来个好吃的”——服务员只能给你上一盘不会出错但也绝不会惊艳的菜。

你提问的精度，决定了回答的质量。 这件事在AI身上格外明显，因为AI没有人类服务员那种”察言观色”的能力。人类同事可能会追问你两句来搞清楚你到底要什么，但AI不会——你给什么，它就在什么范围内做到最好。

点菜的艺术

让我把”点菜”这个类比再展开一点，因为它真的太精准了。

场景一：你走进餐厅，跟服务员说”随便来个好吃的”。服务员会怎么办？大概率给你推一道销量最高、不辣不咸不甜、老少咸宜的菜。安全，但无聊。

场景二：你说”我不吃辣，想吃一道清蒸鱼，口味清淡一点，预算五十以内，最好十五分钟能上菜”。这时候服务员脑子里立刻有了画面，直接给你推了一道清蒸鲈鱼，38块，十分钟出锅。

同样是点菜，一个得到了”正确但平庸”的结果，一个得到了”精准且满意”的结果。区别不在服务员的水平，而在你给出的信息量。和AI对话，一模一样的道理。

你给AI的每一个约束条件，都不是在限制它，而是在帮它缩小搜索范围。约束越精准，它能发挥的空间反而越大——因为它不用把精力浪费在猜你心思上了。

好的提问不是在给AI出难题，而是在帮AI帮你。

一个万能公式，AI和人都通用

说了这么多，到底怎么提一个好问题？其实就五个要素，我给你一个公式：

“我是[角色]，正在做[任务]，需要你帮我[具体动作]，要求[约束条件]，输出格式为[格式]”

举个例子。假设你要让ChatGPT帮你写一封催款邮件：

烂问题：”帮我写个催款邮件”。你会得到一封客气但无力的模板。

好问题：”我是一家设计公司的项目经理，有个客户拖了两个月的尾款没付，金额是3万块。我需要你帮我写一封催款邮件，语气要专业但有一定压力感，不能太生硬也不能太软。邮件控制在200字以内，结尾给出一个明确的付款截止日期。”

你感受到区别了吗？第二个版本里，AI知道你是谁、面对什么情况、想要什么效果、有什么限制。它不用猜，直接干活。

这个公式的厉害之处在于——它不只对AI有效。你试试下次给同事发消息的时候也用这个结构：”我在负责XX项目，现在卡在XX环节，需要你帮我做XX，要求是XX，最好在XX之前给我”。我保证你的协作效率至少提高一倍，因为对方不用来回追问”你到底要什么”。

会提问，本质上就是会沟通。而会沟通的人，效率碾压不会沟通的人。

为什么大多数人不愿意好好提问？

既然好好提问的效果这么明显，为什么90%的人还是打一句话就发出去？

原因很简单——懒。但不是身体上的懒，是思维上的懒。好好提问意味着你要先想清楚自己到底要什么。你要明确背景、梳理约束、想好输出格式。这件事本身就需要动脑子，而很多人用AI的初衷就是”不想动脑子”。

这就是悖论所在：你越不愿意思考，AI给你的东西就越需要你额外思考去修改；你前期多花两分钟组织好问题，后面省的可能是二十分钟的反复修改。

还有一种常见的误解：”我说得简短点，AI应该能理解吧？”不能。AI不是你肚子里的蛔虫。它的运作方式是基于你输入的文字来推断你想要什么——你给的线索越少，它的回答就越泛泛。这不是AI的缺陷，这是所有沟通的基本规律。你跟老板汇报的时候，说得含含糊糊，老板也会觉得你没想清楚，对吧？

两分钟的提问准备，换来的是二十分钟的效率差距。这笔账，值得算。

三个立刻能用的小技巧

如果你觉得那个五要素公式太正式，这里有三个更轻量的技巧，今天就能用：

第一，给AI一个角色。 “你是一个资深的产品经理”比”帮我分析一下”好十倍。角色设定帮AI调整了回答的专业度和视角。

第二，给一个例子。 与其描述你想要什么格式，不如直接甩一个例子给它：”参考这个格式来写——XXX”。一个例子胜过一百句描述。

第三，让AI先问你问题。 如果你实在不知道怎么描述需求，直接说”在你开始之前，先问我五个问题来搞清楚我的需求”。让AI来帮你梳理需求，比你自己瞎描述高效得多。

这三个技巧的共同点是什么？都是在帮你和AI之间建立更清晰的信息通道。信息通道越清晰，结果越精准。

回到那个写周报的同事

还记得开头那个用ChatGPT写出完美周报的同事小王吗？后来我偷偷看了他的聊天记录。他的prompt是这样的：

“我是XX部门的运营主管，本周完成了三件事（列出具体事项）。请帮我写一份周报，要求：突出数据成果、每件事写两到三句话、整体语气专业但不夸张、控制在300字以内。”

就这么简单。没有什么高深的技巧，没有花哨的prompt模板。他只是把”背景+任务+约束+格式”说清楚了。

我和他的差距，不是AI能力的差距，不是智商的差距。是我从来没意识到——”会提问”本身就是一种需要练习的能力。我们从小到大接受的教育都在教我们怎么”回答问题”，但几乎没有人教过我们怎么”提出问题”。

这种能力不只在AI时代重要。你想想，面试的时候最后那个”你有什么问题要问我吗”的环节——会提问的人，能用一个好问题让面试官眼前一亮。开会的时候，会提问的人往往是推动讨论真正前进的那个人。谈判桌上，提对了问题比给出答案更有力量。

AI只是放大了这个差距。以前你提问不好，顶多是效率低一点。现在你提问不好，直接被会提问的人甩开一个身位。

从今天开始，每次用AI之前，花两分钟想一想：我的背景是什么？我的约束条件有哪些？我期望的输出是什么样的？不需要完美，只要比”帮我写个XX”多说两句话，你就已经超过了90%的人。

你和那个写出完美周报的同事之间，差的不是一个更好的AI——差的是一个更好的问题。