# 别再让 Claude 猜你的需求：一个让回答不再泛泛而谈的提示词

很多人觉得 Claude、ChatGPT 或 Gemini 的回答“正确但没用”：结构完整，语气礼貌，但看完还是像任何人都能收到的通用建议。

问题通常不在模型不会回答，而在它不知道你真正要什么。你没有告诉它受众是谁、输出要多深、约束是什么、你更偏好直接执行还是先确认，于是模型只能补全一堆默认假设。默认假设越多，答案越容易变成“看似周全，实际泛泛”。

MakeUseOf 的一篇文章给了一个很小但有效的改法：在提示词里加一句话，让 Claude 在不确定时先问问题，而不是直接给模板化回答。

## 核心提示词

原文给出的提示词是：

```text
Ask questions whenever in doubt instead of providing formulaic responses. Do it when you think the go-to response is vague, and you could use some clarification to create a better response. Always use interactive (clickable) interface for questions instead of numbering them.
```

翻成中文，大意是：

```text
当你有疑问时，请先提问，而不是直接给出模板化回答。尤其是当你认为默认回答会很模糊、需要更多澄清才能生成更好结果时，请先问我。提问时尽量使用交互式选项，而不是编号列表。
```

这句话的价值不在“让 AI 更礼貌”，而在改变模型的工作顺序：

> 从“先猜一个平均答案”变成“先确认影响质量的关键变量”。

## 为什么这一句有用？

以“帮我做一个关于叙事学的 PPT”为例。

如果直接这样问，Claude 很可能生成一份结构合理但很普通的 PPT：定义、历史、核心概念、案例、总结。它没有错，但它不知道这份 PPT 是给本科生、普通大众、文学研究者，还是公司内部培训用。

加入上面的提示后，Claude 更可能先问：

- 目标受众是谁？
- 需要多少页？
- 偏理论介绍还是案例讲解？
- 是否需要课堂互动或讲稿？

这些问题看起来多了一步，但对复杂任务来说，少走很多弯路。

Anthropic 官方提示词指南也强调类似原则：Claude 更适合处理清晰、明确、带约束的指令；如果一个同事拿到你的提示词都会困惑，Claude 也大概率会困惑。换句话说，模糊输入不会自动变成精准输出。

## 但不要把“先提问”变成新的坏习惯

这里有一个反直觉点：并不是所有任务都应该先问问题。

如果你问的是“Python 怎么排序列表？”、“解释一下机器学习是什么”，模型没必要反问你“你是初学者还是专家”。它完全可以做一个合理假设，先给出有用答案，再允许你追问。

Pithy Cyborg 对这个问题的判断很准确：澄清问题只有在“不同解释会产生明显不同结果”时才有价值；如果已经有明显的合理默认值，反复澄清只是摩擦。

所以，更好的版本不是“永远先问”，而是“该问时问，不该问时直接答”。

## 我更推荐的改良版

如果你想把这条规则放进 Claude Custom Instructions、ChatGPT 自定义指令，或某个项目的长期提示词里，可以用下面这个版本：

```text
When my request is ambiguous in a way that would materially change the output, ask one concise clarification question before answering.

If there is an obvious reasonable interpretation, state your assumption briefly and proceed.

Do not ask clarification questions for simple factual lookups, low-risk reversible tasks, or requests where a useful default answer is clear.
```

中文版本：

```text
当我的请求存在会显著影响输出结果的歧义时，请先问一个简洁的澄清问题。

如果存在明显合理的默认解释，请简要说明你的假设并直接继续。

对于简单事实查询、低风险且可回滚的任务，或已经有清晰默认答案的请求，不要为了澄清而打断回答。
```

这个版本比原文多了三个保护：

1. **只问一个问题**：避免模型一次抛出一串问卷。
2. **允许合理假设**：避免简单任务被澄清流程卡住。
3. **限定触发条件**：只有歧义会影响结果时才提问。

## 三个适合直接复制的场景版本

### 1. 写作、PPT、方案类任务

适合文章、演讲稿、PPT、策划方案、邮件、商业文案。

```text
Before producing the final output, check whether my request is missing details that would significantly affect the result, such as audience, goal, length, tone, format, or constraints.

If one of these details is essential, ask one concise clarification question first.

If a reasonable default is obvious, state your assumption briefly and proceed with the output.
```

使用效果：模型会优先确认受众、篇幅、语气和格式，减少“像模板一样正确”的内容。

### 2. 学习新主题

适合让 AI 教你一个新概念、新工具、新领域。

```text
Teach me this topic at the right level. If my current knowledge level or learning goal is unclear and would change your explanation, ask one question first.

Otherwise, assume I am a motivated beginner, explain the concept plainly, then give one concrete example and one short self-check question.
```

使用效果：模型不会一上来就过深或过浅；如果你没说明背景，它会先确认，或者用“有动机的初学者”作为默认层级。

### 3. 决策和建议类任务

适合选工具、做方案取舍、分析问题根因。

```text
If missing context would change your recommendation, ask one high-impact clarification question first.

If not, make the most reasonable assumption, give a clear recommendation, explain the trade-offs, and note what additional information would change your answer.
```

使用效果：模型不会把所有选项平均摊开，也不会假装所有答案都一样好。它会先给建议，再说明什么信息可能改变判断。

## 放进 Custom Instructions 时要注意什么？

Producing Paradise 的一篇 Claude Custom Instructions 分享文章提到一个很重要的原则：长期指令应该像一份“常驻工作简报”，告诉模型你是谁、你怎么思考、你需要什么、你希望它跳过什么。

但长期指令不能太长、太散、互相矛盾。否则模型每次回答都要背着一大堆噪声上下文，反而更容易跑偏。

如果只想解决“泛泛回答”这个问题，可以先放入一个短版本：

```text
Avoid generic answers. If my request is underspecified in a way that would materially change the output, ask one concise clarification question. If a reasonable default is clear, state the assumption and proceed. Do not ask unnecessary clarification questions for simple factual or low-risk tasks.
```

这比塞进一整套复杂规则更稳。

## 什么时候应该让 AI 先问？

适合先问的任务：

- 写文章、PPT、邮件、脚本、商业文案；
- 制定计划、架构方案、学习路径；
- 需要匹配受众、语气、篇幅、预算、技术栈的任务；
- 错一次会浪费很多时间的任务；
- 有多个合理解释，且不同解释会导向不同输出的任务。

不适合先问的任务：

- 简单事实查询；
- 明确的代码语法问题；
- 可以低成本修改的小任务；
- 用户只是想要一个起点，而不是最终定稿；
- 已经有明显默认答案的问题。

## 一个更实用的判断标准

你可以记住这条规则：

> 如果澄清问题能避免重做，就让 AI 问；如果澄清问题只是拖慢开始，就让 AI 先答。

这比“提示词越详细越好”更实用。

真正有效的提示词，不是把所有细节一次性写完，而是给模型一个处理不确定性的策略：

- 该问时问；
- 能默认时默认；
- 有风险时标明假设；
- 不要为了显得严谨而制造摩擦。

## 最终推荐版本

如果你只复制一段，我建议复制这个：

```text
When my request is ambiguous in a way that would materially change the output, ask one concise clarification question before answering.

If there is an obvious reasonable interpretation, state your assumption briefly and proceed.

Do not ask clarification questions for simple factual lookups, low-risk reversible tasks, or requests where a useful default answer is clear.

Avoid generic answers: tailor your response to my goal, audience, constraints, and preferred output format whenever those are known.
```

它比“永远先问”更平衡，也更适合长期放在自定义指令里。

## 参考资料

- MakeUseOf: [I added one line to my Claude prompts and stopped getting generic answers](https://www.makeuseof.com/i-added-one-line-to-my-claude-prompts-and-stopped-getting-generic-answers/)
- Anthropic Claude Docs: [Prompting best practices](https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/claude-prompting-best-practices)
- Pithy Cyborg: [Why Does Claude Keep Asking Clarifying Questions Instead of Answering?](https://www.pithycyborg.com/why-does-claude-keep-asking-clarifying-questions-instead-of-answering/)
- Producing Paradise: [The Claude custom instructions I use](https://www.producingparadise.com/articles/the-claude-custom-instructions-i-use-with-a-copy-paste-template)