怎么向 AI 提问 — 读书会第一场 AI 分享：PTCO 与提示词入门 — Ideas

01 // 那时的房间

2025 年底，我们都在聊天框阶段

现在回头看会觉得不可思议：就在九个月前，「用 AI」对房间里大多数人来说，等于「和聊天框说话」。有人拿它翻译邮件，有人拿它查菜谱，也有人试过几次觉得「回答很水」就放下了。问题几乎从来不在模型，而在我们把它当成了搜索框——扔进去一句话，期待它读懂剩下的九句。

所以这场分享的副标题是 A Team Guide to Effective AI Communication：不是教程，是一群人把「提问」当成一门可以练的手艺，一起把地基打平。材料没有一页是我发明的——全部来自当时公开的官方指南，我做的事情只是把它们压进二十页里，再补上两页中文注解。

当晚的体量

页 deck，英文正文 + 两页中文注解，讲完刚好一场。

站在谁的肩膀上

份公开指南：Google 的 Gemini Prompting Guide 101、OpenAI Academy、Anthropic 的 Prompt Library、promptingguide.ai。

收尾留下的

个问题：「怎么用到我们自己的项目上？」当时没人答得上来。

02 // 一个框架

PTCO：把许愿变成指令

deck 里最先出场的是一组对照。同一个人、同一个模型，两种问法，两种命运——

模糊

Vague Prompt · 许愿

→「Tell me about dogs.」
↓得到一篇泛泛而谈的十页长文
↓看似什么都讲了，什么都用不上

具体

Specific Prompt · 指令

→「给新狗主写一份 Corgi 性格的三点摘要。」
↑得到三点、简洁、能直接用的回答
↑差别不在模型，在问法

而「具体」不是靠灵感，是靠清单。deck 的核心框架叫 PTCO 四要素—— 每次提问之前，把四样东西备齐：

Persona给它一个角色

「Act as a senior marketing expert...」——角色决定语气、专业深度和视角。你面对的不是一个百科，是一个可以任命的专家。

Task说清动作

「...write a blog post...」——一个直接、无歧义的动词。是「写」「改」「比较」还是「列出」，别让它猜你要它干什么。

Context交出背景

「...about our new product launch...」——它需要知道的背景与约束。这一条是四要素里最常被跳过的，也是回答平庸的第一元凶。

Output定义输出

「...in a 500-word, professional tone.」——格式、长度、结构。你不说清楚要什么样子，它就自己选一个你不想要的样子。

PTCO 装配线 · Persona + Task + Context + Output 一句顶十句

deck 里唯一加粗放大的一句话：最常见的错误不是问错，是背景给得不够。

03 // 三个进阶动作

从许愿到对话：好答案是改出来的

四要素备齐，是及格线。deck 的后半段给了三个进阶动作，从「问一句好话」走向「把话越问越好」：

让它一步一步想Step-by-step

在提问里加一句「think step by step」，让模型先展开推理再给结论。复杂问题上，过程展开了，答案往往就对了。

给它两三个示例Few-shot

贴上两三对「输入 → 你想要的输出」，模型立刻明白你期待的确切格式。与其描述你想要什么，不如直接演示一遍。

迭代与精修Iterate & Refine

deck 原话：你的第一个提示词，几乎从来不是最好的那个。看输出、找毛病、改提问，再来一轮。嫌回答差就关掉窗口，等于面试里只问了一个问题就下结论。

三个动作背后是同一个态度转变——deck 里专门有一页，标题就叫 Treat it as a Conversation： prompting 是对话，不是一次性的咒语；它是一门越练越准的手艺，不是一句背下来就万能的口诀。

DECK P14 · 中文注解 · OpenAI Prompt Optimizer

当晚还演示了一个偷懒的捷径：OpenAI 官方的提示词优化器。注解里写的是——它的优化逻辑直接源于官方发布的 GPT-5 Prompting Guide，本质上是一个用海量优秀提示范例训练出来的改写器，能自动为你输入的初步想法补齐那些对高质量输出至关重要的上下文元素。

我拿了自己的两个真实用途现场跑给大家看：一个是让 AI 扮演供应链认证考试（CPIM）的备考导师、用 80/20 原则从每个模块划出最关键的两成；另一个是把简历和教材一起交给它，按「工作日两小时、周末四小时」排一份一个月的备考计划。两条口语化的请求，都被改写成了角色、目标、步骤、约束、输出格式一样不缺的完整提示词。

04 // 更长的提示词

Anthropic 的六段式结构

分享的最后一块，是给「想再走远一点」的人的。Anthropic 的官方课程里有一个真实案例：让 Claude 分析瑞典汽车保险理赔——读事故报告表格、看手绘的事故草图、判断责任方。这种任务，一句话的提示词接不住，需要一份有结构的「工作说明书」。中文注解里我把它整理成六段：

DECK P16 · 中文注解 · Anthropic 推荐的提示词结构

任务描述与角色 — 先说清它是谁、要做什么（例如：人类理赔员的 AI 助理）。
内容 — 本次要处理的动态材料（这一单的表格、这一张草图）。
背景、数据与文档 — 不变的结构化信息放进系统提示词（表格每一行是什么意思），省推理、提准确。
详细指令 — 一步一步的操作清单，且顺序很重要：先读表格数据，再看手绘草图。
示例 — 一到多个输入输出示例（few-shot），教会它格式与棘手场景。
关键提醒与格式化 — 末尾重复要紧的规矩（防幻觉、高置信才下结论），并指定输出格式（如用 XML 标签包住结论，方便程序解析）。

同页还有一个细节：Anthropic 强烈建议用 XML 标签和 Markdown 分隔符组织信息，理由的原话是——Claude「非常喜欢结构」。另有一页防幻觉清单：允许它说「我不知道」、只在高度自信时作答、先想再答、先从长文档里摘出相关引文再基于引文回答。

当时讲到这里，房间里其实用不上这一段——没人在写这么长的提示词。但它埋下了一个概念：提示词不是一句话，可以是一份工程文档。这个概念后来会反复回来。

05 // 九个月后回看

这份指南，成了整条线的对照组

deck 进阶部分的标题页上，并排放着两个词：Prompt Engineering，旁边是 Context Engineering。 2025 年 11 月的我只把它当作一页「加分技巧」的引子；九个月后回看，那一页几乎是整条 AI 线的预告片—— 从「把一句话问好」到「把一整套背景交出去」，行业和我自己都沿着这条线走了下来。

这也是为什么我一直留着这份朴素的 deck：它是对照组。后来的分享讲 agent、讲工作流、讲人机协作，热闹得多；但对照着这一份看，才能看清九个月里真正变化的是什么—— 不是「怎么问」的技巧升级了，而是「问」本身退场了：你不再琢磨一句话怎么措辞，你开始准备背景、定义验收、然后把整件事交出去。

那天教的是怎么问出更好的一句话；九个月后，问题变成了怎么把一件事整个交出去。

⚠ 时间点声明

本文按 2025 年 11 月的分享材料原样整理，是一份时间点快照，不是最新指南。文中提到的工具入口与最佳实践在九个月后的今天已有不少变化；PTCO、few-shot、迭代这些底层习惯仍然成立，但请把具体工具名当历史照片看。

第一场，讲的是最小的那件事。

在读书会讲 AI，我可以从很多地方开头，但最后选了最不性感的一个：怎么提问。原因很简单——它是当时房间里每个人第二天就用得上的东西。不需要装任何软件，不需要懂任何原理，只需要在下一次提问前多想四件事。

对讲的人来说，这一场的意义要过很久才显形：这是我第一次把「我自己在用的东西」整理成「别人可以拿走的东西」。后来的十场分享、再后来网站上的整条 AI 线，都是从这个动作开始的。 起点不需要深刻，需要的是有人把它讲清楚。

收尾那页的问题——「怎么用到我们自己的项目上？」——当晚没有答案。往后的十场，算是把这个答案一场一场补了上来。