一个反直觉的发现
用 AI 写东西，第一反应都是”我该怎么写提示词”。把需求描述清楚，把背景交代明白，把格式要求列好——然后等 AI 交稿。
但我发现一个问题：有时候我写不出好的提示词。
不是语文不好，是我脑子里的东西太乱了，我知道的事情远比我能说出来的多。一个项目做了三个月，踩了无数坑，最后要写一份技术复盘，我坐在屏幕前打了半小时，写出来的东西干巴巴的，像一份没有灵魂的会议纪要。
问题出在哪？出在我试图同时做两件事：回忆和组织。我一边要从记忆里捞细节，一边要把细节排成逻辑链。这两件事互相打架——我越想组织结构，就越想不起细节；我越沉浸在细节里，就越理不清结构。
后来我换了个做法，不写提示词了。我跟 AI 说：
从现在开始，你不再是听我指挥的工具，你是我的顾问。不是我问你答，是你来指挥节奏。通过连续、有针对性的提问，帮我把事情理清楚。你一次问三个问题，我回答完你再问下一轮。问够了之后，你帮我做一份完整的输出。
然后我把我能想到的最原始、最零碎的信息扔给它——甚至不需要是完整的句子，关键词都行。
接下来发生的事情让我有点意外。
它问出了我自己想不到的问题
第一轮，它问了我三个问题。大概是：这个系统迁移的触发点是什么？是业务驱动还是技术债务？迁移前你做了哪些评估，有没有什么信息是当时不知道、后来才发现的？
我回答了。回答的时候，一些我早就忘了的细节自己冒出来了——比如迁移前那个周五晚上，我在测试环境跑了一个脚本，结果数据库连接池的配置和生产环境不一样，导致我误判了性能数据。这个细节我写复盘的时候完全想不起来，但它一问”迁移前有没有什么误判”，画面就回来了。
第二轮，它追着我的回答往下钻：你说连接池配置不一样，那你当时是怎么发现的？发现之后做了什么？有没有告诉其他人？
第三轮，它开始问”人”的问题：这次迁移涉及几个团队？谁最反对？谁最支持？反对的理由是什么？
第四轮，它问了一个我完全没想过的问题：如果让你重新做一次，你会改变哪个决策？
四轮问完，它说：信息够了，我来整理。
然后它输出的那份复盘，比我自己憋半小时写出来的东西好了不止一个档次。不是文采好——是信息密度完全不一样。它把我随口提到的细节全编进去了，时间线是清楚的，因果关系是明确的，甚至连我自己都没意识到的一个模式都被它指出来了：我在这次迁移里反复犯同一类错误——总是在”差不多行了”的时候停下来，而不是在”确认没问题”的时候停下来。
为什么有效
后来我想了想，这个方法有效的原因有三层。
第一层：你不知道自己知道什么。 这是最核心的。你的记忆不是一个数据库，你没法用 SQL 查询它。你只能被”触发”。一个好的问题就是一个触发器——它激活了你脑子里某条你根本不知道存在的记忆路径。你写提示词的时候，你只能写你”主动想起来”的东西。但 AI 问你的时候，它能触发你”被动想起来”的东西。后者的信息量是前者的几倍。
第二层：AI 能看见你的盲区。 你讲一件事的时候，你觉得重要的和真正重要的往往不是一回事。你觉得”这个不重要不用说了”的东西，可能恰恰是整个故事的关键转折。AI 没有你的偏见，它会追问你觉得不值得说的东西。
第三层：结构和内容分离了。 我不需要一边回忆一边组织。我只需要回答。组织是 AI 的事。这就像采访和写稿是两个人的工作——记者负责问，编辑负责写。一个人同时干这两件事，哪件都干不好。
怎么用
具体操作很简单。
第一步：给一个起点。 不需要是完整的提示词。把你能想到的最原始的信息扔过去。可以是一句话，可以是几个关键词，可以是一段语无伦次的描述。关键是：不要试图组织它。 越原始越好。
第二步：声明角色互换。 告诉 AI：你来问，我来答。一次问三个问题，不要一次问十个。问完一轮根据我的回答再问下一轮。问够了再输出。
第三步：老实回答。 不要美化，不要省略，不要觉得”这个不重要”。它问什么你答什么。如果某个问题触发了你一段回忆，哪怕跟问题不直接相关，也可以说。
第四步：让它先整理再输出。 问完之后，不要直接让它写最终稿。让它先给你一份结构大纲或者关键发现，你确认方向对了，再让它展开。
一个可以直接用的提示词模板：
从现在开始，角色互换。你不是回答问题的工具，你是我的战略顾问。
我要做的事情是：[一句话描述]
我现在能想到的信息：[扔出你最原始的想法，越乱越好]
接下来你来指挥节奏。通过连续、有针对性的提问，帮我把事情理清楚。
规则：
1. 一次问 3 个问题，不要贪多
2. 每轮问题要基于我上一轮的回答，往深里钻
3. 不要问百度能搜到的问题，只问只有我知道的事
4. 问到你觉得信息足够为止，然后先给我一份结构大纲
5. 我确认大纲后，你再输出完整内容什么时候用
这个方法不是万能的。它有一个明确的适用场景：你脑子里有东西，但你说不清楚。
适合用的情况：写项目复盘、写事故报告、整理一个复杂需求的来龙去脉、准备一次技术分享的提纲、回顾一个做了很久的决策过程。
不适合用的情况：你已经知道要什么了（“帮我写一个正则表达式”），或者信息不在你脑子里而在文档里（“帮我总结这份 PDF”），或者纯粹是执行型任务（“帮我把这段代码重构一下”）。
判断标准就一条：如果你坐下来想写提示词，发现写了删删了写，超过十分钟还没写利索——那就别写了，让它来问你。
一个额外的收获
用了这个方法之后，我发现它最大的价值不是 AI 输出的那份稿子。是在回答问题的过程中，我自己把事情想明白了。
很多时候我以为我想清楚了，但 AI 一问，我发现我根本没想清楚。它问”你当时为什么选 A 不选 B”，我愣了一下，发现我其实没有理由，就是顺手。它问”如果这个方案失败了，你的回退方案是什么”，我又愣了一下，发现我没有回退方案。
这些”愣一下”的瞬间，才是这个方法最值钱的东西。AI 输出的稿子可以改，但你脑子里那些没想清楚的角落，不被人问一遍，你可能永远不会发现。