我发现一个很好用的技巧，能明显改善大模型的输出效果。
一句话总结就是：让 AI 先想清楚「如果这个任务做错了会是什么样」，
把坑具象化出来，然后避开这些坑再开始。
原理很简单，提前把 AI 可能走错的路堵死，迫使它走正确的路。
为什么传统做法不够好
你可能会说，我写提示词的时候也会告诉 AI「不要怎样怎样」啊。
问题在于两点：
第一，你经常忘了说。
写提示词的时候，大部分人的注意力都放在「我要什么」上，很少主动去想「我不要什么」。
等 AI 输出了一坨屎，你才反应过来：哦，我应该说不要这样。
第二，就算说了，维度也不全。
比如你让 AI 写一篇文章，你可能会说「不要太长」，但你没想到还有：
「不要太官方」「不要堆砌背景」「不要用『首先其次最后』」这些坑。
你能想到的坑，往往只是冰山一角。
而 AI 不一样，它「见」过海量的失败案例，知道同类任务最常见的错误长什么样。
让它自己列坑，比你手动列要全得多。
这个思路其实有论文支撑，叫 Contrastive Chain-of-Thought，
核心就是同时给模型看「正确示例」和「错误示例」，效果比只看正确示例好很多。
我这里是把它简化成了一句话的用法。
案例一：写一篇北京攻略
我让 AI 帮我写一篇北京攻略的笔记，要求是「看起来像真人写的，不要有 AI 味」。
先看不加这句话的效果：
再看加了「先想清楚做错会是什么样」之后的效果：
你看它自己列出来的坑：结构上的、用词上的、内容上的。
这些坑你写提示词的时候能全想到吗？反正我想不全。
然后它避开这些坑，写出来的攻略明显更像真人写的：有吐槽、有具体价格、有「我后悔的点」、有「踩雷预警」。
案例二：写一个多轮对话的提示词
这个案例更复杂一点，我要让 AI 帮我写一个「雪花写作法」的提示词，用来引导用户一步步完成小说创作。
关键是这个提示词要支持多轮对话，用户确认之后再进入下一步，否则 AI 会跳步一键生成，写出来的内容违背了用户的预期。
我让它先想「多轮对话提示词容易踩哪些坑」，它列出了8个：
上下文遗忘、角色混淆、状态丢失、过度主动、确认机制模糊、输出格式不一致、跳步漏步、前后不一致。
说实话，我自己顶多能想到3-4个。
然后它基于这些坑，设计出来的提示词把每个问题都考虑到了：
明确每一步该做什么、明确状态追踪、明确确认机制、明确一致性检查。
最终输出的提示词我很满意，完全不需要我再补充「你漏了什么」。
最后
这个技巧不是万能的。
简单任务不需要用：翻译一句话、算个数、查个概念，直接说需求就行，先想坑反而浪费时间。
判断标准：这个任务如果做错了，你能不能一眼看出哪里错了？
能一眼看出来的，说明任务简单，不需要提前想坑，看不出来或者需要反复调整的，说明任务复杂，值得用这个技巧。
所以，下次让 AI 做复杂任务之前，先加一句：
先思考这个任务如果做错了会是什么样的，踩的是什么坑，先具象化错误长什么样，然后避开这些坑再开始。
让 AI 帮你把坑想全，提前把「低质量回复」的路径给堵死，迫使它走正确的路。
以上，如果这篇文章对你有启发，欢迎分享给更多正在学习 AI 的朋友。
这里是夙愿学长，我不喜欢跟风，只分享亲自实操过的、真正对生活和工作有帮助的AI工具、AI工作流和成长记录。