你覺得大模型答案太淺？真相是——不是模型不行，而是你不會問。只要換個提問方式，AI就能從“萬能丫鬟”變成“專業(yè)導(dǎo)師”。這篇文章告訴你，5個小改動足以顛覆你的使用體驗。

昨天，我與一位好朋友深入交流時，聊到了一個反常識的現(xiàn)象，這讓我意識到自己可能陷入了“知識的詛咒”。我曾理所當(dāng)然地認(rèn)為，身處信息時代的職場人士，應(yīng)該早已熟練掌握了如何高效地使用大模型。

而真實情況是，許多公司的員工依然不知道如何讓大模型高效地產(chǎn)生價值。

在實際的溝通過程中，我聽到的最多的反饋就是：“用過了，給的答案不滿意，然后就放棄用了?！?或者他們會說“太費時間了，不如自己干，花研究的時間，我都干完了?！本科湓?，他們的使用方式往往是“一句話需求”。

例如直接告知大模型：“給我做一個咖啡行業(yè)的研究報告?！苯Y(jié)果自然是流于表面、無法采信的答案。

系統(tǒng)學(xué)習(xí)一整套提示詞，對于工作繁忙的職場人士來說，無疑是一件非常費力的事情。

我希望通過最精煉的內(nèi)容，準(zhǔn)確地告訴大家如何使用大模型來大幅提升工作效率。

這才有了你現(xiàn)在看到的這篇文章。

結(jié)論先行

大模型使用的核心，并非掌握復(fù)雜的提示詞，而是清晰地描述上下文的結(jié)構(gòu)。換句話說，只要你做到了把結(jié)構(gòu)想明白，并把關(guān)鍵信息傳遞到位，就一定能得到一個專業(yè)且有價值的答案產(chǎn)出。

這篇文章將以下邏輯展開描述：

1.核心是使用大模型的方式是以導(dǎo)師的方式啟發(fā)模型，而非布置任務(wù)。

2.理解大模型如何產(chǎn)出答案，有助于我們提升產(chǎn)出結(jié)果。

3.5個小改動，提升大模型使用的技巧。

4.大模型在哪些條件下可以在工作中運用。

01 使用大模型像導(dǎo)師教學(xué)生，而非主人用丫鬟

你和大模型的關(guān)系，決定了你產(chǎn)出的質(zhì)量。

為什么大多數(shù)人無法從大模型那里得到超水準(zhǔn)的答案？核心原因在于許多用戶潛意識里把大模型當(dāng)成了萬能的丫鬟：簡單粗暴地交代一個任務(wù)，就期待它能自動提供一個可以立即使用的、專業(yè)的解決方案。然而，受限于當(dāng)前大模型的發(fā)展，這種簡單任務(wù)交代很難給你一個高水準(zhǔn)的結(jié)果。

如果你只是問大模型：“如何減肥？”它大概率只能給你一句正確的廢話：“管住嘴，邁開腿。”這就是一個典型的“通用問題獲得通用答案”的低效循環(huán)。

通用的問題，只能得到通用的答案。

但如果你將大模型視為一個專業(yè)能力很強，但是不知道你需求的學(xué)生，你的提問方式就會徹底改變。你不會只拋出一個問題，而是會提供結(jié)構(gòu)化的、詳盡的背景信息。例如，針對減肥問題，你需要以一個完整的格式來描述你的具體情況：

包括當(dāng)前的身高體重、是否有舊傷、家里有哪些運動器械、日常飲食習(xí)慣如何、對于減肥的計劃和希望是什么，以及最終希望大模型在哪幾個專業(yè)領(lǐng)域給出建議。

所以如果你想用大模型得到一個可用的答案，那就需要把你的信息結(jié)構(gòu)化的講出來。用導(dǎo)師啟發(fā)學(xué)生的方式，去激發(fā)模型的最大潛力。

02 知己知彼：大模型產(chǎn)出答案的底層邏輯與思維邊界

要高效地使用大模型，我們首先需要理解它的思考方式，這并非是玄學(xué)，而是基于嚴(yán)謹(jǐn)?shù)母怕蕦W(xué)。

在人工智能領(lǐng)域，大模型的核心運轉(zhuǎn)機制，可以追溯到一個關(guān)鍵的數(shù)學(xué)框架概率分布模型

這個公式之所以至關(guān)重要，是因為它為處理和推理不確定性提供了一個既強大又高效的數(shù)學(xué)框架。

你可以想象一個極其復(fù)雜的系統(tǒng)，比如醫(yī)療診斷，其中包含了幾十個變量，如癥狀、檢查結(jié)果、病史等等。如果要描述所有這些變量之間的聯(lián)合概率，需要的概率值將是天文數(shù)字，即使只有十個是非題，也需要1023個概率值，這在計算上是完全不可行的。而這個強大的數(shù)學(xué)框架，能夠?qū)⒁粋€龐大、復(fù)雜的系統(tǒng)，分解成一系列局部、可管理的條件概率的乘積。它告訴我們，你不需要知道系統(tǒng)里的所有信息，只需要知道每個變量是如何被它的直接原因所影響的，這大大簡化了復(fù)雜系統(tǒng)的建模和存儲。

理解了這個化繁為簡的底層邏輯，我們就能明白大模型在與我們互動時的基本原理：自回歸（Auto-regression）。你可以將整個大模型想象成一個巨大的概率場。我們輸入給模型的每一個詞、每一句話，無論是你的提示詞還是代碼，本質(zhì)上都是在構(gòu)建一個潛空間（Latent Space）。

這個潛空間，就是你為模型限定的“思考邊界”和“信息上下文”。它決定了模型下一步最有可能生成什么內(nèi)容。

舉個例子，如果你想讓模型討論“游泳”，你構(gòu)建的潛空間就應(yīng)該是圍繞海洋、泳池、浮力這些概念，而不是讓它去聯(lián)想沙漠或高山。反之亦然。模型會基于你構(gòu)建的這個潛空間，去計算它下一步輸出哪個詞語的概率最高。理解了這一點，所有關(guān)于提示詞工程（Prompt Engineering）和上下文工程（Context Engineering）的準(zhǔn)則，都可以從這個根源上推導(dǎo)出來：好的提示詞，就是構(gòu)建了一個清晰、精準(zhǔn)、限定性強的潛空間。

此外，在使用大模型的時候，你需要知道，模型在推理時“讀取的詞匯量越多，這種推理能力就越強”。因此，想要得到高質(zhì)量的產(chǎn)出內(nèi)容，就要盡量使用參數(shù)量大、經(jīng)過海量數(shù)據(jù)訓(xùn)練的模型，因為它們具備更廣闊的潛空間和更強的概率推演能力。

而這個公式告訴我們，我們不需要這個巨大的表。我們只需要知道每個變量是如何被它的直接原因父節(jié)點影響的。整個系統(tǒng)的聯(lián)合概率可以被分解成一系列更小的、局部的條件概率的乘積。這使得對復(fù)雜系統(tǒng)進(jìn)行建模和存儲成為可能。

在使用大模型的時候，讀取的詞匯越多，這種推理能力越強。所以要得到好的產(chǎn)出內(nèi)容，就要用使用量大的模型。

讓我們看下目前主流的大模型使用占比

這是最近半年的使用占比

ChatGPT：72.3% Gemini：13.7% DeepSeek：4.2% Grok：2.5% Claude：2.4%，所以盡量使用用戶量大的模型。

03 提升產(chǎn)出物質(zhì)量的大模型使用技巧

方法1：用大模型來教你大模型

首先你可以問下大模型如何使用它更高效，這是李笑來提出來一個觀點，當(dāng)時他也說過問Google如何用Google，所以你可以問大模型如何向像專家一樣使用它。這里我不寫答案了，你可以讀完文章后自己試試，一千個發(fā)問方法有一千個答案。

方法2：讓大模型教你寫提示詞

這里有一種高效學(xué)習(xí)提示詞的方法就是在每次你寫完提示詞以后，你可以寫下如下內(nèi)容：

“先不要給我答案，請問你理解了我的提示詞了嗎？如果沒有理解，請告訴我在哪些維度上沒有理解?！?/p>

這時候大模型會給你反饋需要明確的內(nèi)容，你看是不是像研究生問導(dǎo)師，而不是你在給他布置任務(wù)。

比如我在做行業(yè)研究的時候，給GPT布置了一個行業(yè)研究的任務(wù)，內(nèi)容如下：

1.人設(shè)：你是一名大模型公司內(nèi)部的行業(yè)分析師

2.背景：現(xiàn)在要你去分析通用型大模型，比如GPT，Gemini，Claude這類模型的行業(yè)發(fā)展情況，請先做好大模型的定義，基于定義給出我具體內(nèi)容。

2.1請分析中國大模型市場大模型市場

2.1.1按照行業(yè)空間與行業(yè)終局：剩下幾個玩家，行業(yè)關(guān)鍵要素，市場空間（市場規(guī)?？偭俊B透率、行業(yè)集中度）

2.1.2發(fā)展周期（發(fā)展周期、驅(qū)動因素、發(fā)展趨勢），

2.1.3價值鏈（價值鏈構(gòu)成、價值鏈利益分配、價值鏈整合趨勢，競爭格局）

2.1.4外部環(huán)境（政策環(huán)境、經(jīng)濟(jì)環(huán)境、社會環(huán)境、技術(shù)環(huán)境）等要素進(jìn)行分析

整體分析思路如圖所示

3.要求：

3.1 結(jié)合全球最新最權(quán)威的行業(yè)報告整合一個分析結(jié)果

3.2 給出數(shù)據(jù)和事實與觀點的出處來源

3.3 包好中需要增加圖示說明的內(nèi)容，請自動補充

3.4 如果沒有行業(yè)報告信息可以標(biāo)注說明，不要杜撰內(nèi)容

4.任務(wù)：請分開分析，字?jǐn)?shù)不做限制先不要給我答案，請問你理解了我的提示詞了嗎？如果沒有理解，請告訴我在哪些維度上沒有理解。

于是乎大模型給了我很多基于提示詞的問題，其實是在描述我的每個提示詞的邊界，如下圖所示：

其實這時候你千萬不要煩，而要知道這是一個精確化的過程。你描述的明確了，答案的質(zhì)量越高。

方法3：你不是主人，而更像導(dǎo)師

不要簡單地命令它，而要像老師教學(xué)生一樣，一步步引導(dǎo)它思考。把復(fù)雜問題分解，循序漸進(jìn)地提問，引導(dǎo)它完成推理過程。

遵循邏輯順序

永遠(yuǎn)先引導(dǎo)分析，再要求結(jié)論。要給大模型足夠的信息，如果你先問這段代碼好不好？，模型會基于這個結(jié)論去逆向?qū)ふ易C據(jù)。

正確的做法是，先問代碼這里有什么問題？、那里是否考慮了某種情況？，在充分分析后，再讓它做出總結(jié)。

因為前面所有的分析過程都將成為潛空間的錨定物，為最終的結(jié)論提供堅實的概率基礎(chǔ)。

提供具體、有效的反饋

模型不知道自己做得好與壞，也無法理解不行，重做一遍這種模糊的指令。

你必須明確指出它哪里錯了，為什么錯了，應(yīng)該如何修正。有效的反饋是調(diào)整其潛空間、使其輸出更符合你預(yù)期的關(guān)鍵。

大模型不吃PUA那一套，清晰、直接的反饋是唯一有效的方式。

方法4：把事情想清楚，結(jié)構(gòu)化說出來的能力

明確主題：在開始時就要為對話設(shè)定一個清晰的主題或基調(diào)，這樣相當(dāng)于告訴大模型你要它產(chǎn)出的是哪個領(lǐng)域的內(nèi)容。如同告知一個學(xué)生“今天考數(shù)學(xué)”，他會自動調(diào)動數(shù)學(xué)知識而非語文知識。使用精準(zhǔn)的詞匯來定義任務(wù)的性質(zhì)，能幫助模型快速進(jìn)入狀態(tài)。

角色扮演：也可以用角色扮演法告訴大模型你需要他扮演一個什么樣的角色，比如行業(yè)研究專家，運營專家，商業(yè)分析專家等等，你可以對專業(yè)進(jìn)行更加詳細(xì)的描述，比如工作年限，擅長的行業(yè)與領(lǐng)域，相當(dāng)于你希望大模型模仿一個什么樣子的專業(yè)人士，在哪個領(lǐng)域給你一個專業(yè)的答案。

結(jié)構(gòu)化上下文

模型本身獲取信息有三個來源：大模型自己預(yù)訓(xùn)練知識、你提示問時實時網(wǎng)絡(luò)檢索、以及你提供的提示詞的信息。其中，你提供的信息優(yōu)先級最高。

但模型本身不會自動理解信息的結(jié)構(gòu)和主次，它依賴于注意力機制（Attention Mechanism）。因此，單純地堆砌信息（類似信息檢索）是不夠的，你需要提供有結(jié)構(gòu)、有主次、有關(guān)系的上下文，告訴模型這些信息該如何使用，這才是上下文工程的核心。

思考主線而非做甩手掌柜

這種結(jié)構(gòu)結(jié)合我實踐中的理解包含兩部分：首先，比如我讓大模型產(chǎn)出一篇某個深度商業(yè)議題的文章，要想產(chǎn)出的質(zhì)量足夠高，還是需要我自己通過大模型去閱讀所有文章的核心思想，然后自己寫出來整體文章的邏輯，之后給大模型提供資料，讓他結(jié)合這個文章結(jié)構(gòu)來寫。如果直接他所有的商業(yè)資料包括訪談，大模型很容易陷入細(xì)枝末節(jié)。

結(jié)構(gòu)化的表達(dá)，而非一股腦扔給模型

最簡單的就是寫好，人設(shè)，使用的基調(diào)，背景信息，產(chǎn)出要求，以及具體任務(wù)，分段落讓大模型可以更好的理解你，這時候先啟動對話，與大模型溝通他哪里沒有理解，不斷迭代優(yōu)化提示詞，最終與模型互動后產(chǎn)出一個結(jié)構(gòu)清晰的提示詞。方法5：注意提示詞詞匯使用盡量使用高頻詞

模型在訓(xùn)練后，對不同詞元（Token）的理解深度是不同的。一個在訓(xùn)練數(shù)據(jù)中出現(xiàn)過一億次的詞，和一個只出現(xiàn)過五十次的詞，在模型內(nèi)部的語義權(quán)重和位置完全不同。因此，為了構(gòu)建一個清晰、穩(wěn)定的潛空間，選詞需遵循以下原則：

盡量使用模型在海量數(shù)據(jù)中反復(fù)見過的常用詞、標(biāo)準(zhǔn)詞，避免自造詞或生僻詞，確保用詞精準(zhǔn)。

所以你需要的是用最簡單的話，把事情講明白，使用日常常用詞匯，因為他被大模型訓(xùn)練的最多。

不要使用代詞或方向詞匯

這里的代詞指代的范圍更廣，大模型需要明確的指代，以確定詞與詞的關(guān)系。最好為每一個功能、模塊甚至變量賦予一個獨一無二的名字，并在后文中持續(xù)使用這個名字指代它。

比如你讓大模型給你產(chǎn)出一個行業(yè)報告，最好寫成行業(yè)報告需要包含市場空間，而不是它應(yīng)該包含市場空間。并且保證行業(yè)報告在后面統(tǒng)一為一個名詞。

其次不要出現(xiàn)空間詞匯，因為在大模型里面沒有空間詞。比如左邊，上邊，大模型只是構(gòu)建了一個詞與詞之前的關(guān)系。

當(dāng)模型看到這個專屬名詞時，能迅速將其潛空間聚焦到特定目標(biāo)上，極大提升溝通的準(zhǔn)確性。

04 使用大模型的條件和場景

如何用好大模型，在什么場景下可以使用大模型，這里我們排除掉做一個會議總結(jié)，或者提煉一下文章這種類似秘書類型的工作，還是聚焦于業(yè)務(wù)。

可以用提示詞描述的任務(wù)

我認(rèn)為是首先你收到的任何工作你需要思考一下是否可以通過清晰地提示詞表達(dá)出來，如果可以那么就可以讓大模型來代勞。

就是任務(wù)的結(jié)構(gòu)要清晰，或者有通用的模板，大模型已經(jīng)學(xué)習(xí)掌握了。這樣是容易使用大模型來完成的。

比如我會大模型來預(yù)測3個月后的用戶量，訂單量，這個問題相對來說是容易給大模型的，他的背景信息容易描述清楚，就可以用大模型。

再比如我會用大模型來做行業(yè)分析，因為行業(yè)分析也很容易清晰化的表達(dá)出來，通常行業(yè)分析有標(biāo)準(zhǔn)的結(jié)構(gòu)。

當(dāng)我們面對的是一個復(fù)雜的多個維度的問題，他不容易結(jié)構(gòu)化變成提示詞，通常需要我們自己把事情想清楚，把話說明白，寫清楚提示詞。而不能一股腦的交給大模型，這樣的產(chǎn)出物是沒有辦法使用的。比如制定戰(zhàn)略，你自己有一個清晰主線，直到怎么制定戰(zhàn)略，然后自己拆解完畢后把每個部分交給大模型是可以的。

非常強調(diào)邏輯的任務(wù)

比如我想讓大模型幫我做數(shù)據(jù)分析，不是直接給他數(shù)據(jù)，而是說如果如果我像驗證某個觀點，需要如何論證才能夠清晰，比如“我發(fā)現(xiàn)C端用戶打車訂單發(fā)起率掉了2.3%，我認(rèn)為是司機在線時長變少了，我需要如何論證這個結(jié)論？“亦或者“我發(fā)現(xiàn)C端用戶打車訂單發(fā)起率掉了2.3%，有哪些分析維度”

然后你依然需要像導(dǎo)師一樣和他互動，因為大模型很可能給你羅列出非常多的影響因素，比如競對策略，突發(fā)事件，外部環(huán)境等等，你要在他羅列的這些內(nèi)容中找出主要內(nèi)容反饋給他。讓他繼續(xù)幫你論證。

這時候大模型就是是你一個商分導(dǎo)師，放心，他比大部分的商分導(dǎo)師要靠譜。

你的思考密度和維度，不太會超過人工智能

涌現(xiàn)且容易判斷質(zhì)量的問題

比如你你想讓大模型給你產(chǎn)出一些廣告語，或者幫你修改APP推送文案，或者針對某些特定人群，幫你改改用戶調(diào)研的書面語，比如針對一些初高中學(xué)歷的人的問卷問題，那么他模仿的會更好一些，且他修改過的內(nèi)容是你容易判斷好與不好的。

核心就是發(fā)散和你可以明確判斷質(zhì)量的內(nèi)容，都可以試著讓大模型幫你來做。

最后再講兩個感悟：

1.如果用的不好，不是你的問題，是大模型目前只能基于上下文來做產(chǎn)出。所以核心是持續(xù)用。

2.一定要結(jié)合工作內(nèi)容持續(xù)去用。不斷迭代，持續(xù)關(guān)注，持續(xù)使用，不要有太大的危機感。

本文由人人都是產(chǎn)品經(jīng)理作者【阿潤的商業(yè)筆記】，微信公眾號：【阿潤商業(yè)筆記】，原創(chuàng)/授權(quán) 發(fā)布于人人都是產(chǎn)品經(jīng)理。

題圖來自Unsplash，基于 CC0 協(xié)議。