📦 5 Parts + Conclusion
👉 滑动
PART 01
你以为在用AI,其实只是按了回车
PART 01
PART 02
五要素公式:把一句话需求,写成一份需求文档
PART 02
PART 03
三个高频场景,直接抄作业
PART 03
PART 04
还有三个坑,九成人正在踩
PART 04
PART ///
写在最后
AI 从来不好用,好用的是"会问的人"。
上个月,我们组来了个新同事小周。
周一开选题会,领导让每个人出一份方案。我憋了一下午,写了三版开头,全删了。小周呢?十点接的活,十点二十就交了,方案还过了。
后来我凑过去看她的屏幕——她根本没在"写",她在跟 DeepSeek 聊天。
但重点不是她用了 AI。我也用啊,我用出来全是"赋能""抓手"那种连我自己都看不下去的套话。
差距在哪?我把她那段提问复制下来研究了一遍,又拿自己踩过的坑对照,折腾了三个月,终于搞明白:
问题不在 AI,在提问。
01
PART
你以为在用AI,其实只是按了回车
PART 01
先看两个提问:
"帮我写个方案。"
"帮我写周报。"
是不是很眼熟?这类提问有个统一的下场:AI 回你一坨正确但没用的套话——结构工整、形容词齐全、全是废话。你越看越气,最后得出结论:AI 不行。
其实 AI 冤枉。你只给了六个字,它只能还你六百分的套路。
AI 没有读心术。它不知道你是谁、写给谁看、要什么风格、多长、什么格式。它只能按"最大公约数"猜一个最安全的答案——而最安全的答案,永远是套话。
一句话总结:提问是给 AI 的需求文档。六个字的需求,只能换六百分的产出。
02
PART
五要素公式:把一句话需求,写成一份需求文档
PART 02
小周那段提问,我拆了一下。再加上我自己三个月里上百次的验证,最后收敛成一个公式:
身份 + 任务 + 背景 + 要求 + 格式
五个要素,挨个说清楚:
1. 身份——你让 AI 扮演谁
"你是一个有十年经验的新媒体主编"和"你是一个刚毕业的实习生",给出的东西完全是两码事。身份决定口吻,也决定水准。 你要什么档次的东西,就让它扮演什么档次的角色。
2. 任务——具体做什么
不是"写点东西",是"写一篇 800 字的公众号推文"。动词 + 对象 + 数量,越具体越好。任务模糊,产出必然含糊。
3. 背景——给谁看、在什么场景
一句"读者是 30 岁职场人,怕被淘汰,但不爱看术语",能干掉 80% 的套话。因为 AI 终于知道这些话是"说给人听的",不是"交作业用的"。
4. 要求——你的雷区和偏好
语气像朋友聊天、多用短句、别出现"赋能""抓手"。你不说清楚,AI 就按它训练数据里出现最多的那套来——而那套,恰恰是你最烦的那套。
5. 格式——输出长什么样
先给 3 个标题再写正文、分点、控制在 800 字。格式定了,拿到手就能用,不用再费劲改结构。
完整示范,直接抄:
你是做了 5 年科技公众号的主编(身份),帮我写一篇讲 DeepSeek 提问技巧的推文(任务),读者是 25-40 岁的职场人,对 AI 好奇但怕术语(背景),语气像朋友聊天,多用短句,别出现"赋能""抓手"这类词(要求),先给 3 个备选标题,正文 800 字,分 3 个小节(格式)。
同一个人、同一个 AI,把提问从 6 个字换成 80 个字,产出质量是断崖式的差别。这不是玄学,这就是把需求写清楚了。
03
PART
三个高频场景,直接抄作业
PART 03
场景一:写周报
你是我的职场写作助手(身份)。我把这周做的事发给你,帮我整理成一份周报(任务)。我的领导只关心结果和进度,不爱看过程(背景)。每个事项一行,动词开头,突出数字(要求)。分"本周完成/进行中/下周计划"三块输出(格式)。
流水账丢进去,10 秒还你一份能直接交的周报。
场景二:找选题
你是一个擅长追热点的公众号选题策划(身份)。我的号写 AI 工具实测,读者是职场人(背景)。给我 20 个下周能写的选题(任务),每个选题用一句话说明"给谁看、解决什么问题"(要求),按实用性和差异化打分排序(格式)。
20 个选题里总有一两个能直接用,比你干坐着刷手机强。
场景三:回难缠的消息
你是一个情商在线的沟通顾问(身份)。我要回复一条客户的刁难消息,不想显得卑微(背景)。我先把消息原文和上下文发你(任务)。给我 3 个版本:强硬版、柔和版、中间版(要求),每版不超过 100 字(格式)。
拿 AI 打草稿,自己改两句再发,体面又不吃亏。
提醒一句:模板里的括号解释不用发,发纯文本就行。另外,涉及公司内部数据注意脱敏,别把客户名单原样贴进去。
04
PART
还有三个坑,九成人正在踩
PART 04
坑一:一次让 AI 写完
一次生成 3000 字,它只会越写越水。正确姿势是分三步:先要大纲,确认了再要正文,最后单独润色开头结尾。每一步都能纠偏,成本最低。
坑二:拿来就用
AI 会一本正经地编数据。数字、人名、案例,发出去之前必须自己核一遍。翻车从来不是 AI 的锅,是没校验的锅。
坑三:不追问
第一版不满意就甩一句"重写",AI 只会换一坨废话再来一遍。要说"第二部分太虚了,加一个真实案例,控制在 100 字以内"——具体到位置和动作,它才改得动。
追问比首问更重要。好答案都是聊出来的,不是等出来的。
///
LAST
写在最后
FINAL
用了三个月 DeepSeek,我最大的感受就一句话:
AI 是实习生,你是主编。 实习生水平不行,多半是需求文档没写明白。
工具越来越强,人和人的差距,反而越来越体现在"会不会提需求"上。这事不难,就是今天这篇里的一个公式、三个模板,试一次就能上手。
下一篇我拆"AI 写出来的东西怎么去 AI 味",同样是实操向。觉得有用的话,先点个关注,别刷丢了。
我是 小楠,一个每天跟 AI 死磕的内容人。不贩卖焦虑,只讲实测和能落地的方法。
既然看到这里了,如果觉得有用,随手点个赞、在看、转发三连吧。
THANKS FOR READING

