前面写了好几篇聊 AI 工具的文章，分享了一些 what 和 how。本篇想聊聊更基础的内容，如何与 AI 对话，因为不管未来会怎么样，用户与 AI 之间的交互主要还是对话（LUI）。

## 学会提问

关于对话，首先，想清楚问题或者说你想要什么，比如高级感，先发出去看看 AI 的回答，当然这样的问题肯定是不够的，描述应该更加量化、可操作化、说人话一些；其次，对回答提意见，这有助于 AI 修正输出内容。当我们对前期目标认知更清晰同时对后期结果判断更准确时，我们就能更快地和 AI 讨论出答案。另外，讨论结束后可以让 AI 做个总结，存入笔记。

虽然当前 AI 的回答仍然有不尽如人意的地方，但其能力在持续进化，切勿因噎废食，不同人对 AI 的体验差异的很大一部分就在这里。AI 像一把刀，有人将其置之一旁，有人用它庖丁解牛，所以问 AI “如何与 AI 对话” 然后在实践中持续调整，所以将 AI 用到自己的工作、学习中。

## 提示词工程

关于如何写提示词，网上流传过 RTF 框架（role、task、format），但个人感觉到了现在这个阶段，已经没那么重要了。一方面随着 AI 助手对你的了解，大概率已经帮你定义了某个 role，另一方面如果我们写得不好，可能会限制 AI 的能力，因此我更赞同 less structure，more context，当然刚开始对话时，可以给它安排一些 role，比如我在 “AI Learning” 这个对话里的第一句就是：“你是一个 AI 大模型专家，我想和你讨论一些问题”，这样后续 AI 的输出相对聚焦，比如我在讨论产品需求文档的后期，请 AI 从资深产品、研发、运营的角度再审一遍。

task 层面，可以直接提供示例，尤其如果任务是之前做过的，让它仿照示例回答可以提高效率，相当于提升初稿的质量，当然也要保持质疑，因为完全按过往示例来做可能会错失更好的解决方案，示例本身也是要持续迭代的，比如随着背单词的持续，豆包后期的回答模板比前期的更好。format 层面，也不用限制太多，除非你有明确的格式需求同时 AI 也能支持（目前纯文本的支持度＞其他），否则还是先让 AI 自己发挥，比如 Mermaid 就是在使用 AI 中接触到的。

在有关提示词的讨论中，@Gemini 最后给了我一句总结：“未来的高效提示词其实只需要关注一个最精简的动态公式，提示词 = 定义 objective+ 已知 context+ 多轮 feedback”，我觉得这符合我当前的实际体感，可以作为关于如何写提示词的一个阶段性总结。