给 ChatGPT 加一句话,让它先问清楚再回答
很多 AI 回答看起来条理清楚、语气笃定,却未必真正理解了你的需求。
原因很简单:当提示词缺少预算、时间、偏好或使用场景等关键信息时,ChatGPT 往往不会停下来追问,而是自行补齐缺失条件。最终得到的答案可能很完整,却只是建立在一组未经确认的假设上。
一篇 XDA Developers 的体验文章分享了一个很小但有效的改动:在提示词末尾增加一句要求,让 ChatGPT 在回答前先判断信息是否充分。
那句让效果明显改变的提示词
原文使用的指令是:
Before you answer, assess the uncertainty of your response. If it’s greater than 0.1, ask me clarifying questions until the uncertainty is 0.1 or lower.中文意思是:
在回答前,先评估这次回答的不确定性。如果不确定性高于 0.1,就向我提出澄清问题,直到不确定性降到 0.1 或更低。
这里的 0.1 并不是经过严格计算的可信度指标。ChatGPT 并没有一个可以精确测量回答不确定性的仪表。这个数字真正发挥的作用,是提醒模型不要立刻生成答案,而要先检查自己是否缺少重要上下文。
同一个问题,结果为什么差别这么大
作者用“帮我规划一次 5 天的日本假期”做了对比。
没有附加指令时,ChatGPT 直接生成了一份东京、京都、大阪、神社和拉面组成的常规模板。它默认替用户决定了目的地组合、兴趣方向和行程节奏。
加入不确定性指令后,ChatGPT 没有马上给出行程,而是先询问了 7 类信息:
- 出行日期
- 出发城市
- 是否第一次去日本
- 主要兴趣
- 偏好的行程节奏
- 预算范围
- 饮食限制
变化的关键不在于回答变长了,而在于模型终于暴露了原本准备自行补齐的假设。用户回答这些问题后,最终方案才有机会真正贴合需求。
它适合什么任务
这种提示方式适合变量多、个人差异明显,而且错误假设会明显影响结果的任务,例如:
- 旅行规划
- 购买建议
- 学习计划
- 健身或饮食方案
- 项目方案设计
- 内容定位与写作
- 职业选择分析
如果只是查询定义、转换格式或处理一个边界已经清楚的小任务,强制模型反复提问反而会增加摩擦。
更稳妥的原则不是“所有问题都先追问”,而是:只有当缺失信息会实质改变答案时才追问;否则说明采用了什么合理假设,然后继续回答。
一个更实用的中文版
如果你不想依赖含义模糊的数值阈值,可以直接使用下面这版:
回答前,请先判断当前信息是否足以给出可靠、针对性的答案。
如果缺少的信息会实质改变结论,请先提出最少且最关键的澄清问题;
如果不影响主要结论,请明确说明你的假设,然后直接回答。
不要为了追问而追问。这版保留了原方法最有价值的部分,同时减少两个问题:一是模型假装精确计算“不确定性”;二是它为了满足指令而提出过多、价值不高的问题。
真正值得保留的不是“0.1”
这条提示词的价值,不是找到了一个神奇数字,而是改变了模型的默认行为:从“缺什么就猜什么”,变成“先识别关键缺口,再决定追问还是带假设继续”。
高质量提示词也不一定要长。很多时候,只要明确告诉模型何时应该停下来、何时可以自行假设,以及如何处理信息不足,回答质量就会明显改善。
来源:I added a single line to my ChatGPT prompts, and the difference was immediate,XDA Developers。
说明:原文是一位作者的个人对比体验,并非严格控制的模型评测;实际效果会受到模型版本、任务类型和上下文影响。