改变一切的 5 个提示词微技巧

在过去的一年半里，我用逆向工程的方法来探究为什么有些提示能催生出天才，而另一些提示却只能产生垃圾。最终，我总结出了 5 个微提示，它们从根本上重塑了 大模型的思维方式。它们并非框架，而是认知捷径，让 AI 能够做出承诺，而不是犹豫不决。

模式很简单：它们之所以有效，是因为它们消除了可选性。大模型的难题不在于智能，而在于约束。给它无限的方向，它只会选择最安全的路径。这些迫使它变得具体化。

1. 视角反转

作用：通过让人工智能首先反驳传统观点来颠覆其默认角度。

Before answering this, play devil's advocate.
What's the strongest argument AGAINST [your topic]?
Then explain why that argument is actually incomplete.
Then give your real answer with that context.

工作原理：大多数人工智能的输出只是强化了你已有的信念。而这一点却制造了摩擦。“反对”部分会促使人工智能进行更深入的思考，因此当它转向“是的，但是”时，答案才具有实际的分量。

真实的例子：你得到的不是“这里有一些提高生产力的技巧”，而是“这就是为什么大多数提高生产力的建议都失败了，而这个建议却没有失败的原因”。

2. 约束逆转

它的作用：不是询问事物本身，而是询问要使相反的事情发生，需要什么条件才是正确的。

Forget my original question for a moment.
What would need to be true for the OPPOSITE outcome to happen?
What's the minimal change that would flip everything?
Now apply that logic backwards to my original question: [insert question]

工作原理：这才是真正的战略家的思维方式。你让大模型进行结构化推理，而不仅仅是模式匹配。这种逆向逻辑会产生一些看似不明显的洞见，乍一看可能有些奇怪，但仔细思考后就会明白其中道理。

真实的例子：你不是问“我怎样才能写出更好的电子邮件”，而是问“是什么让电子邮件变得糟糕，以及什么让电子邮件变得糟糕”。你会得到具体的战术指导，而不是模糊的最佳实践。

3. 假设审计

作用：迫使人工智能在回答之前挖掘并质疑其自身的前提。

Before answering, list all the hidden assumptions in this question: [your question]
Which assumptions are actually true? Which are questionable?
Now answer the question while flagging which assumptions your answer depends on.

其原理：大多数糟糕的建议之所以能流传至今，是因为人们不去质疑其背后的基本假设。这会让这些建议浮出水面。你不会再得到建立在不牢靠基础上的答案。

真实案例：问“我如何发展我的初创企业”这个问题，往往会引发一些假设，例如“增长等于收入”或“越快越好”。一旦这些假设被揭示出来，实际的答案就会变得更加有用。

4. 机制优先

作用：先问“为什么”，再问“是什么”。鼓励结构化思考，而非仅仅列出清单。

Don't give me tactics yet.
First explain the mechanism that makes [topic] work.
What's the underlying principle? Why does it actually function?
Only after explaining the mechanism should you give specific applications.

工作原理：任何人都可以通过谷歌搜索战术。这种机制让你可以发明自己的战术。大模型倾向于跳过这一步，直接进入列表创建环节。这迫使人们进行深度思考。

真实的例子：你得到的不是“提高注意力的 10 种方法”，而是“这就是注意力起作用的原因，这里有 3 个你从未见过的应用程序，因为它们源自第一性原理。”

5. 反转堆栈（核选项）

功能：将约束反转、视角反转和机制思维相结合。当你需要真正有用的东西时，它就派上用场了。

Question: [your actual question]

Step 1: What's the exact opposite of what I'm asking?
Step 2: Why would someone choose that opposite?
Step 3: What's the mechanism that makes the opposite work?
Step 4: What's the minimal way to flip that mechanism?
Step 5: Apply that to my original question.

工作原理：这就是你获得非显而易见答案的方法。你强迫人工智能经历一段认知旅程，而不是让它走捷径找到显而易见的答案。输出质量的差异是显而易见的，而且说实话，一旦你看到它，就会感到有点不舒服。

真实案例：问“我如何才能更自信”这个问题，其实就是对人们为何选择不安全感、维持这种不安全感的机制以及最小的转变是什么进行更深入的分析。你得到的不是动机上的废话，而是结构性的洞察。

模式

注意这 5 个方法的作用：它们消除了通用答案的选项。它们迫使人工智能进行结构化思考，而不是仅仅从训练数据中检索模式。

大多数人无法进行提示，因为他们要求大模型成为搜索引擎。这些提示反而迫使它成为一个思考伙伴。

哪种方法最有效？那就把它们叠加起来。将约束反转、机制优先和假设审核结合起来。这种组合产生的输出，感觉就像出自真正理解问题空间的人之手。