TL;DR

不要猜 AI 需要什麼脈絡，而是說出你的目標並命令它訪談你 —— 一次一個問題 —— 直到它能完美完成工作。一個便宜的釐清回合，取代「草稿、失準、重新解釋、重試」的昂貴循環。

類比

走進西服店，憑記憶描述一套西裝：「深藍色。不 —— 海軍藍。有領片，但不要那種寬的。婚禮用的。也可能是喪禮？要透氣的。」

裁縫師邊點頭邊猜，然後縫製。回來的是一個套在猜測上的西裝形物體。你會穿它零次。

現在走進同一家店，說七個字：「我要一套夏季婚禮的西裝。」 然後看專業人士做什麼。他們不縫。他們量。 他們問場地 —— 海邊還是宴會廳？月份。你的角色 —— 賓客、新娘父親、還是整個下午都要跪著的攝影師？他們摸布料垂墜、看你站姿、問你會穿什麼鞋。量測完成後剪刀才出鞘。西裝合身得像個秘密，因為每個問題都是一個你自己不會記得要主動提供的量測。

大多數人提示 AI 就像第一位顧客 —— 把猜測前置，希望那堆細節是對的那堆。「先問我」讓你變成第二位顧客： 給出最終目標，然後讓專家拉量尺。裁縫師一直知道哪些問題重要。你從來不知道。那個不對稱就是整個技巧。

經濟學跟店裡的邏輯一樣：一次試穿花的是一場對話的價錢；一件縫壞的西裝賠掉整套西裝。釐清性問題是你會花的最便宜 token —— 而它們防止的後續修正，是你會犯的最昂貴錯誤。

運作原理

公式有三個部分，全在第一則訊息裡：

目標 + 訪談命令 + 格式

  1. 目標 —— 用一句白話描述「完成」長什麼樣子。「起草一篇宣布我升任工程經理的 LinkedIn 貼文。」 不是細節 —— 是目的地。模型需要先知道它在蓋什麼，才能知道缺什麼。

  2. 訪談命令 —— 明確的許可和指示，要求先問再做：「在你寫任何東西之前，先問我最多 5 個問題 —— 一次一個 —— 問任何你需要知道、能把這件事做到極好的事。」 這翻轉了模型的預設。它被訓練成交付答案，會樂於從空氣中生產一份自信的草稿 —— 除非你明確把訪談變成任務。

  3. 格式 —— 最終交付物的形狀，就像任何好提示一樣：「然後交付這篇貼文，150 字以內，溫暖但專業的語氣，無主題標籤。」 訪談填滿容器；格式定義容器。

部分聽起來像什麼為什麼存在
目標「起草一篇宣布我升職的 LinkedIn 貼文」在細節存在前定義「完成」
訪談命令「先問我最多 5 個問題，一次一個」讓資訊收集成為任務
格式「150 字以內，溫暖語氣，無主題標籤」答案要填的容器

注意這個技巧的本質：「先問我」是你收集完美 one-shot 提示素材的方式。 訪談就是你自己寫不出來的脈絡 —— 裁縫師的問題是你不知道自己需要的規格。而答案累積在正確的地方：脈絡視窗，那張模型在每次回覆前重讀的桌子。五次簡短的問答花幾百個 token 的桌面空間，而且整個療程都可見；一次臃腫的「這是我能想到的一切」傾倒可能花更多，還錯過那個真正重要的量測。

改寫前後（提示）

範例 1 —— 宣布

寫一篇關於我升任工程經理的 LinkedIn 貼文。我很興奮，我在公司 4 年了，我從 junior 開始，我喜歡帶人，我的團隊很棒，我們用 TypeScript 和 React，我主管叫 Sarah，上季還有重組。還要謙虛但自信、不要太長、吸引人、專業。

憑記憶描述西裝的顧客。這堆東西有一半是裁縫師永遠不會選的布料 —— 而回來的貼文讀起來就像這個提示：擁擠、喘不過氣、不知道自己在講什麼。

我要一篇宣布我升任工程經理的 LinkedIn 貼文。在你寫之前，先問我最多 5 個問題 —— 一次一個 —— 問任何能讓這篇貼文打中人心的事。然後交付：150 字以內，溫暖專業語氣，無主題標籤。

七個字版本。模型問你最自豪的是什麼—— 突然間貼文有了主軸而不是清單。它問你在對誰說 —— 同儕，還是整個產業？—— 語氣自動對準。每個答案都是量測，不是猜測。

範例 2 —— 行程

幫我規劃 5 天的日本之旅。我喜歡美食、一點文化、不要走太多路、中等預算、我沒去過，而且我不喜歡人擠人。

你猜了六個限制。規劃者需要知道：從哪裡抵達？跟誰同行？第一次去日本，還是第一次旅行？有不吃的东西嗎？錯誤的猜測會變成別人假期的美麗行程。

規劃 5 天的日本之旅。首先訪談我 —— 一次一個問題，最多 5 題 —— 問你需要知道的一切。然後才建立逐日計畫。

現在缺口在規劃開始前關閉。如果第四個問題發現你不是早起的人，第一天就不會有凌晨四點的魚市場。

範例 3 —— 電子郵件

寫一封禮貌但堅定的信給房東，關於暖氣。壞了兩週，我打過兩次電話，當面提過一次，天氣變冷了，我不確定法律層面，我不想太強硬，但需要修好。

細節都在 —— 但策略不在。多堅定？期限明說還是暗示？提正式申訴還是留著當籌碼？草稿在猜，而關於升級的猜測是危險的猜測。

我需要寫信給房東，暖氣故障已進入第三週。先訪談我 —— 一次一個問題，最多 5 題 —— 問任何會改變這封信寫法的事。然後起草：180 字以內，禮貌但堅定。

模型問了你不知道重要的問題 —— 「你想現在就提租客權益，還是把它留作下一步？」—— 信件獲得的是槓桿而不是音量。

常見陷阱

  1. 讓 AI 一次問二十個問題。 不受限制時，訪談會以一面審訊牆抵達 —— 而一面牆回答起來是苦差事，前幾個答案落地後一半的問題就無關了。永遠設上限（「最多 5 題」）並要求一次一個：每個答案都會改變下一個值得問什麼。那才讓它是試穿，而不是表格。
  2. 還是提前回答了問題。 如果你在「先問我」提示後面附一段「脈絡」，你就是既憑記憶描述西裝又要量尺。給目標；讓問題去挖。
  3. 在瑣碎任務上部署。 對把這個字翻成法文用「先問我」，是為一件現成 T 恤做西裝試穿。這個技巧在交付物上回本 —— 貼文、信件、計畫、文件 —— 失準很貴的地方。簡單的工作要簡單的 one-shot 提示。
  4. 訪談半途而廢。 答了三題然後打「直接寫吧」，會在猜測正要被消滅的確切時刻重新插入猜測。如果一個問題感覺無關，說為什麼無關 —— 那也是答案，而且常常是資訊量最大的。
  5. 跳過格式。 沒有目標格式的訪談，最後會是模型問「你想要怎麼交付？」—— 那是你該先指定的。目標、訪談、格式：公式是三個部分，不是兩個。

常見問題

什麼是反向提示？

反向提示是翻轉問題的方向：不是使用者問 AI，而是 AI 問使用者 —— 在產出任何東西前收集它需要的脈絡。「先問我」技巧是它的一種結構化形式：你說出目標、命令一場訪談（有上限、一次一個問題）、並定義輸出格式。結果是第一份草稿由量測過的事實而非猜測構成。

我該先給 AI 脈絡，還是讓它問？

兩者都要 —— 但比例要對。先給目標（一句話，目的地），讓訪談浮出脈絡。你能說出來的很少是完整規格；模型的問題會暴露你不知道缺失的維度。經驗法則：如果你能寫出完整的 one-shot 提示，就寫。如果不確定什麼重要，說目標然後開放訪談。

先問問題會浪費 token 嗎？

不會 —— 它重新分配 token。五題訪談可能花幾百個 token；一次失準的草稿加兩輪修正可能燒掉數千，結果還更糟。釐清在對話開頭便宜，結尾昂貴。唯一真正的浪費，是對一個從不需要訪談的任務做訪談 —— 這就是為什麼這個技巧保留給交付物，不用於查詢。

下一課

「先問我」在 AI 動工前把事實弄對。但已經收到的那個答案呢 —— 那份看起來完成了的草稿、計畫、論證？有一招能改進幾乎任何輸出，而且不需要新資訊：把機器轉向它自己，雇用它當自己最兇的評論家。

繼續下一課：Auditor 提示

離開前的練習：挑你手上下一個真正的交付物，用三部分公式開場 —— 目標、訪談命令、格式。只回答它問的。然後把這份初稿和你平常的初稿比較，數數那些從未發生的修正回合。