# 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：

```text
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：

```text
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](https://www.xda-developers.com/added-single-line-to-chatgpt-prompt-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。