我们都知道，在跟 AI 沟通时，提问的质量决定了大模型的回复质量。
但很多时候，我们想问的问题其实是自己没想明白、没理清的问题。
如何在这种情况下依然能问出好问题、让大 AI 帮到我们呢？
分享几条重构问题的方法。
这些方法都可以让 AI 协助你一起思考迭代。
方法一：无休止的反问
有些问题，可能都没办法组成句子，这时候就可以以聊天的方式让 AI 帮你优化、组装想法。
但是要对调一下聊天的位置：让 AI 扮演提问者，你来回答 AI 提出的问题。
一般情况下，三五轮之后你就豁然开朗了。
比如你可以这样开场：
我正在思考一个关于 XXX 的问题，目前思路比较琐碎。请你像苏格拉底一样提问我，帮我更好的完善思考的维度。我会回答你提出的问题，你应该保持提问或在我回答的基础上进一步追问，不需要回应我。**每次只提出一个问题**
方法二：框架语义学
这是一个用来解构语言内涵的理论，它会考虑语言或句子中隐藏的背景信息，来让表达更清晰。
你可以通过下面这张与 Claude 的聊天截图来了解它的价值
你不用真正学会这个理论如何应用，只需要告诉 AI ，让他帮你使用这个理论来分析你没搞清楚的问题就好了。
下面是一个超长的截图示例，是我让 Claude 帮我使用框架语义学来创建的「员工绩效评定方案」
虽然输出的内容不可直接用，但是他大大丰富了我们可以来描述这个需求的可用维度。
方法三：StepBack 思考
任何问题的发生和提出，都一定有它的原因。
当你绕到问题背后，以更全面的视角看待问题时，大部分时候就有解决方案了。
下面是对 StepBack 思考方式更全面的描述（他可以直接被用来做为让 AI 帮你思考的提示词）
这是一个超棒的思考问题方式。
“未经审视的人生不值得过”，所谓“审视”就是思考“你正在试图解决的问题或想法，背后的驱动力，是不是你真正需要或想要的。”
当然他也可以帮你在更多的维度丰富你正在提出的问题。
方法四：先拆解再完善
在日常生活工作中，我们不好拿着自己没想明白的问题，直接向员工下达或者向其他人描述分享。
但 AI 可以，在他们觉醒之前，我们可以肆无忌惮的折腾他们。
你可以强行让他们用“SMART 原则”来拆解你没想明白的计划，然后根据他们拆解的结果来反思和完善你的想法，直到这些问题在执行层面都可以闭环了。
大部分时候，一些你没想捋清楚的问题被拆解后会出现一系列不可思议的步骤，使用类似下面的问法让 AI 帮你一起“回顾反思”会有奇效：
我看到被拆解的执行任务中有一个“XXXX”的步骤，这并不是我希望出现的。请回顾我开始给出的问题，如何定义和描述那个问题才能避免具体的执行过程出现类似偏差？
这大概类似尼古拉斯·凯奇的电影《预见未来》中采用的方法。因为他可以预见几秒或者几分钟之后的未来，可以根据每个决策的结果来修复开始的计划。
你可以把更多理论应用到对话中，让 AI 进一步帮你分类问题或者计划拆解后的细分动作，来辅助自己的判断。
比如，用 2/8 原则不断收敛拆解后所有细分动作的重要性，找到最重要的那个。如果那个问题是你想要的那开始的问题大概就没啥问题；或者，最重要的那个动作才是你最想要的问题。
再比如，你可以让 AI 把所有被拆解的动作计划放在“大/小广泛/具体”的四象限里，被分类的问题里，要么会发现 bug、要么会找到你真正的问题。
方法五：让 AI 重构复述问题
我在让 AI 帮我写应用时经常使用这个方法：描述完我的需求后不是让 AI 直接干活，而是让它使用可视化的结构来复述我的需求，比如使用时序图来描述我的产品实现逻辑。
我一般会使用下面的提示词专门审视一次
梳理下面这个需求描述的功能实现逻辑，使用 mermaid 语法绘制成流程图和时序图
````
帮我写一个 Chrome 插件，实现如下功能：
｛功能描述｝
````
下面是 AI 帮我重构的写浏览器插件提示词的流程图和实现逻辑时序图
对着流程图和时序图，你大概就能验证自己的问题描述是否完善了。
欢迎加入「AI 学习行动圈」知识星球，跟 3000 多个AI 实战派一起交流、学习、应用 AI！
扫码领券加入
