从零散的技巧到系统化思维，建立属于你的AI助手指挥体系
你可能见过不少AI使用技巧：加"请"字更有礼貌、用Markdown格式化、告诉AI你是专家……这些都是真的，但它们有个共同问题——就像学游泳时从各处收集的招数，今天学会漂浮、明天学会划水，但从没学过完整的游泳方法论，结果是游得又累又慢。
技巧和方法论的根本差别在于：技巧是个别招数，方法论是思考框架。技巧回答"怎么做"，方法论回答"为什么这样做，什么时候用，怎么组合"。
想象你是一个初创公司的CEO，你可以给员工零散的指示——"今天做这个，明天做那个"——结果是工作效率低，执行不一致。或者你可以建立一套决策框架，教会团队在不同情况下如何自主判断。后者才是规模化的。AI交互也是一样。
你可能发现过这种现象：同一个提示词在某次有效，另一次就不工作了。并不是AI的问题，而是你没有系统化地思考"什么要素对结果起决定作用"。这导致你每次都在试错，效率永远上不去。
这一章的核心就是引入一个通用框架：CRAFT。它不是硬规则，而是一个检查清单，确保你的提示词没有遗漏关键信息。
CRAFT是5个英文单词的缩写，每个字母代表一个维度。当你写提示词时，逐一检查这5个维度，就能显著提高成功率。
为AI设置充足的场景信息。这包括：谁在说话、什么情况、对谁说、为什么。
坏例子："翻译这段话。"——AI不知道你要翻译成什么语言，面向什么人，什么语体。
好例子："我是一个英文教师，要给中学生讲解英文短文。请把这段话翻译成简明的中文，用词要日常，不要复杂句子。"——AI立刻明白：你是教师身份，学生是中学生（要简化），语言要口语化。
给AI一个具体的专业身份。这让AI从特定角度思考。一个医生思考问题和一个律师思考问题的逻辑完全不同。
例子："你是一个产品经理"会让AI从用户需求、商业价值、技术可行性的平衡角度思考。"你是一个用户体验设计师"会让AI更关注细节交互和用户感受。
Role强大的地方是，它激活了AI训练数据中那个专业领域的思维模式。你不需要全部讲清楚，AI会自动补全这个角色该有的知识。
清晰描述你要AI做什么。最好用一个动词开头：分析、写作、列举、对比、评估。避免模糊的词汇比如"帮我想想""处理一下"。
坏例子："我要做一个营销计划。"——太模糊。
好例子："为这款新产品写一份为期3个月的社交媒体营销计划，包含每周的发布内容主题、发布频率、预期指标。"——清晰的边界。
你希望结果怎么呈现。常见的格式：表格、列表、段落、JSON、代码、邮件、演讲稿。
这很重要，因为格式决定了AI的输出结构。"给我一份分析报告"和"用表格列出3个竞品的对比"，AI理解的工作量完全不同。
指定格式还有个好处：输出更容易被你后续使用。如果你需要数据，用表格比段落好得多。
你希望结果用什么语气呈现。正式vs亲切、学术vs通俗、详细vs简洁、幽默vs严肃。
这直接影响读者的感受。同一个内容，用专业术语讲和用比喻讲，效果完全不同。如果是给高管的报告，要正式。如果是给团队内部的总结，可以更随意。
分析一下我们的竞品Notion和Obsidian。
我们是一个笔记软件创业公司，竞争对手是Notion和Obsidian。请从一个产品经理的角度，对比这两个竞品的用户定位、核心功能、定价策略、用户群体，用表格形式呈现，语言简洁直接。
右边的提示词包含了所有5个要素：
结果会截然不同。前者得到通用的教科书式对比，后者得到贴合你业务的有用对比。
帮我写一封邮件给客户。
我是一个SaaS公司的销售，要写邮件给一个还在考虑中的客户，目的是推进他们做决策。他们关心成本、实施周期、技术支持。语气要既专业又亲切，让他们感觉我们真的理解他们的困难。邮件长度控制在300字以内。
左边的"帮我写邮件"这样的要求，AI会回复一份很泛的模板。因为AI不知道这是你的第一次接触还是第十次跟进，客户的态度是冷淡还是有兴趣，邮件的目标是什么。
右边的CRAFT版提供了所有必要信息，AI能写出一封针对性强、有转化潜力的邮件。
这个提示词比"给我解释边际成本"强太多倍。AI会选择一个生活化的例子，用故事而不是学术术语来讲解，结果就是一个初学者真的能理解。
使用CRAFT的时候，你会逐渐发现，不是所有情况都需要全部填满这5项。根据任务的不同特点，某些要素更重要。
省略Context：当任务是通用的、不依赖特定背景时。比如"用Python写一个排序算法"，不需要特别说明你是谁。
省略Role：当你需要AI以"中立专业"的身份回答时。比如"这个法律条文的意思是什么"，不一定要AI扮演律师。
省略Format：当输出形式没有特殊要求时，AI的默认格式（段落文章）通常够用。
省略Tone：当语气没有特殊偏好时。但要注意，Tone省略不一定等于AI会用你想要的语气。如果没有明说"简洁"，AI可能写得冗长。
创意任务要强化Context和Role。因为创意的方向很大，需要充足的约束。"帮我起一个产品名字"和"我们是一个面向老年人的医疗科技公司，起一个名字，要传递'简单易用'的感觉"，后者能直接导向正确的创意方向。
分析任务要强化Action和Format。因为分析的过程和输出形式决定了深度和可用性。"分析这个数据"vs"列举这个数据的3个关键趋势，每个趋势用一个数字说明其重要性"，后者的输出是直接可用的。
写作任务要强化Tone。因为同样的内容，不同语气会得到完全不同的效果。一份合同和一篇博客文章的写法差异巨大。
一旦你掌握了CRAFT框架，下一步是构建自己的模板库。这是一个关键的生产力杠杆。
你可能平时经常做这类任务：写周报、分析竞品、策划营销、学习新知识、撰写技术文档……对于这类重复性任务，与其每次都从零开始写提示词，不如事先写好一个通用模板。
效率差异巨大。第一次写一个"市场分析"提示词可能花你30分钟，但之后每次用这个模板，只需要改几个参数，1分钟搞定。积累到一个月，你节省的时间可能是数小时。
第一步：审视你最常做的10个任务。在纸上或笔记里列出来。不需要是复杂任务，日常的周报、反馈邮件、学习笔记都算。
第二步：为每个任务写一份"标准版"CRAFT提示词。包含你在这类任务中常见的所有约束。比如周报的模板应该包含：部门名称（Context）、写给谁（Context）、用什么结构（Format）、语气是总结性的还是故事性的（Tone）。
第三步：存储和复用。存在备忘录、笔记软件、还是一个Google Doc都可以。关键是能快速找到和复用。每次用模板，你会逐渐优化它，让它越来越贴合你的实际需求。
研究模板："我需要研究[主题]。请用[来源类型]收集信息，从[X个维度]分析，输出格式为[表格/列表]。语气要[专业/学术/通俗]。"
写作模板："我要写[文体]，对象是[谁]，目的是[做什么]。语言风格要[简洁/详细/故事性]。长度大约[X字]。"
分析模板："分析[对象]的[特性]，从[产品/商业/用户]三个角度。找出[3-5个]关键点，用[数据/事例]支撑。输出为[表格/列表]。"
这是一个很重要的转折：CRAFT框架虽然强大，但它不是银弹。有些情况下，严格遵循CRAFT反而会降低效率，甚至得到更差的结果。了解框架的边界，比只知道如何使用框架更重要。
当任务足够简单时，一份精心构建的CRAFT提示词实际上是在浪费代币和AI的处理能力。你在过度指定。
场景：翻译一句英文
我是一个中英翻译专业学生，要把这句话翻译成简洁的中文，用于一份技术文档。句子要符合中文表达习惯，不要逐字翻译，避免冗余。目标读者是有技术背景的专业人士。句子："The system architecture is based on microservices."
翻译：The system architecture is based on microservices.
结果对比：极简版直接得到"系统架构基于微服务"，3秒钟。过度工程化的版本得到的是几乎相同的结果，但多花了2倍的代币，增加了延迟。对于这种简单翻译，AI已经"知道"该怎么做，无需冗长的背景和角色设定。
AI模型有一个众所周知的问题叫"lost in the middle"——当输入序列太长时，模型对中间部分的注意力会下降。这个问题同样适用于提示词。
当你的CRAFT提示词超过500词时，有个现象会出现：AI可能会"遗忘"你在提示词前面或中间说过的重要约束，而过度关注最后提到的内容。这叫位置偏差。
例子：一份商业分析提示词，原版850词
AI可能会在最后才"看清"你要表格，或者在那么多背景信息中迷失，导致分析不够聚焦。
修复方法：拆分成两轮
两个简短的提示词往往比一个长提示词效果更好。AI在处理短、聚焦的任务时精准度更高。
有一类任务叫"创意任务"：头脑风暴、产品创意、营销文案、艺术概念……对这类任务，过度的CRAFT结构反而会约束想象力。
场景：为一个新产品产生营销创意
你是一个顶级广告创意人。我们有一个新的咖啡壶产品，目标是35-50岁的中产白领。要求：1) 3个完整的广告脚本，每个脚本500字，2) 每个脚本的核心情感诉求要不同，3) 语言要精准高级，4) 必须包含产品的3个技术卖点，5) 格式为标题+正文+呼唤行动。
为这个高端咖啡壶产品头脑风暴3个创意方向。每个方向用一句话说明核心概念，然后简单说明为什么这个想法能打动35-50岁的白领。
结果对比：左边的提示词实际上是在"制造"而不是"创意"。AI会非常遵循规则，生成3个中规中矩的脚本，每个都符合要求，每个都很无聊。右边的提示词给了框架，但留出了呼吸空间。AI会给你3个真正不同的创意方向，你再从中选择喜欢的深化。
理论讲得再好，也不如实际对比有说服力。让我们用三个真实的任务场景，同时用极简提示和CRAFT完整提示各试一遍，看看结果差异。
任务：把这个英文段落翻译成中文，用于产品文档
原文："Our product helps teams collaborate in real-time, reducing communication overhead and accelerating project completion."
输出结果：
判定：极简版获胜。质量接近，但极简版更快更便宜。对于这类"直译就行"的任务，CRAFT的详细设定没有带来质量提升，只是增加了成本。
任务：分析为什么我们的SaaS产品在中小企业段的留存率低
输出结果：
判定：CRAFT完整版压倒性获胜。有针对性、有深度、可直接指导决策。
任务：这段Python代码有bug，帮我找出来
输出结果：
陷阱：CRAFT版中的"Role"设定有时会被过度执行。如果你设定"你是资深工程师"，AI可能会倾向于给出"工程师会给的答案"——过度工程化的解决方案。比如，一个简单的if语句检查，可能被改成一整套异常处理机制。
判定：极简版+弱CRAFT版打成平手。极简版快速直接，CRAFT版更详细但容易过度。最优选择是"中等CRAFT"：指定Context和Action，但不要过度强调Role。
即使你理解了CRAFT框架，在实际使用中仍然会犯错。这些错误不是框架的问题，而是对框架的误用。让我们看三个真实的失败案例，理解每个失败背后的原因。
期望：得到一份专业的诊断报告
实际结果：AI生成的内容充满了企业级的专业术语——"价值主张优化""客户旅程映射""数据驱动决策框架"……所有建议都按照麦肯锡的风格，特别正式。但对于一个15人的小餐厅，这些建议大多数是：
问题诊断：Role的设定没有与Context相匹配。你告诉AI"你是顶级咨询师"，但实际场景是"小餐厅"。AI会激活"顶级咨询师"的思维模式，而忽视了这个Context其实需要的是"经验丰富但务实的顾问"。
教训：Role必须与Context相匹配。不要为了显得专业就设定过高的角色。如果你的业务场景是小企业，那么最好的角色是"有小企业运营经验的顾问"，而不是"全球战略咨询师"。
期望：一个清晰的数据表格，方便后续整理
实际结果：AI确实生成了一个表格，但问题是：有些关键信息无法用"数值+环比"来呈现。比如：
问题诊断：格式（Format）的目的是让输出更易用，但当你过度约束格式时，反而会让重要信息被迫"截断"以适应格式。这叫"格式优先于内容"，是个常见的错误。
教训：对于探索性或分析性任务，应该用"松散的格式"。告诉AI你想要什么维度（指标、反馈、竞争），但让AI自己决定最合适的呈现方式。表格适合展示结构化数据，不适合混合定性和定量信息。
期望：一个既专业又吸引人的社交媒体文案
实际结果：出现了一个充满矛盾的文案：
这段文案在学术期刊里可以，但在社交媒体上？没有人会点赞。因为：
问题诊断：Tone与实际用途不匹配。你要求"专业严谨"，但渠道是"社交媒体"。社交媒体的最佳Tone通常是：真诚、随和、有个性。两者冲突了。
教训：Tone必须与最终使用场景相匹配，而不是与你对"专业"的想象相匹配。一份给律师的文件应该专业严谨，一条社交媒体文案应该温暖有趣。不要混淆。
这三个失败案例有个共同点：框架的某个要素（Role、Format、Tone）与其他要素或实际场景产生了冲突。
检查清单：在提交提示词前，问自己这三个问题