如何让 AI 先问清楚再执行：设计真正有用的澄清问题

澄清不是把所有不确定性都问一遍，而是找出会改变结果、阻塞行动或带来风险的关键缺口。问题太少会靠猜，问题太多又会让任务停在原地。

很多 Prompt 失败，不是模型不会做，而是它在几个合理方向之间没有选择依据。写一篇文章时，读者不明确会改变语言和深度；做一个方案时，预算和截止时间会改变范围；生成代码时，语言版本和输入结构会改变实现。

资料中关于任务目标、上下文、信息缺口和分步处理的内容，可以形成一个简单流程：先识别缺口，再判断缺口是否阻塞，按影响排序提问，得到确认后固化状态，最后进入执行。

不是所有缺口都值得停下来问。阻塞问题会改变任务方向或让结果无法使用，例如不知道要写给谁、不知道数据能否使用、不知道关键字段含义；偏好问题只影响表现，例如标题更正式还是更活泼、例子放三个还是四个。

阻塞问题优先提问，偏好问题可以使用合理默认值，并把默认值告诉用户。比如：如果没有特别说明，先按面向普通读者、简洁、保留必要术语处理。这样任务不会因为每个小选择都停住。

风险问题即使不一定阻塞，也应优先确认。涉及隐私、外部发送、不可逆修改、预算、合规和安全的事项，不能只用默认值带过。先确认权限和边界，再继续执行。

可以让 AI 给每个缺口标记影响：阻塞、重要但可暂定、低影响。这样用户不需要一次回答所有问题，只要先处理真正会改变结果的部分。

好的澄清问题不是“还有什么要求吗”，而是指出选择项和影响。例如：这篇文章面向第一次接触概念的用户，还是已经会操作工具的用户？前者会增加基础解释，后者会直接进入步骤。

给出有限选项通常比开放式提问更容易回答，但选项不能假装覆盖所有情况。可以提供推荐选项，并允许用户补充：默认按教程页处理；如果实际用于内部培训，请说明读者已有基础。

一个问题最好只解决一个主要不确定性，避免把六个问题塞进一段长句。问题后面可以写“如果未指定，我将按 X 处理”，用户就知道不回答的后果。

当问题涉及取舍时，要说明影响。比如预算上限会决定是否采用外部服务，交付时间会决定先做完整功能还是先做最小版本。用户看到后果，才能做出有依据的选择。

如果任务确实复杂，可以分两轮提问。第一轮只问目标、读者、范围和硬约束，拿到这些信息后再补充格式、例子和偏好。先确定方向，再打磨表现，用户更容易回答。

也可以让 AI 把问题分成必须回答和可以采用默认值两组。必须回答的问题不超过三到五个；其余问题给出建议默认值，并在执行前简短复述。这样既避免盲目猜测，也不会把任务变成需求访谈。

如果用户已经提供了答案，不要重复询问。可以让 AI 先整理已知信息，再只提真正缺失的部分。重复确认会让用户感觉模型没有读懂材料，也浪费对话空间。

对于连续任务，已确认的答案应该进入状态卡。下一轮直接引用当前有效状态，不要每次从头再问；如果用户改变了选择，再明确更新旧状态。

有些问题必须先回答，后面的选择才有意义。先确定读者，才能确定语气和术语；先确定数据是否允许使用，才能决定处理方式；先确定目标平台，才能决定代码环境和输出格式。

让 AI 识别问题依赖关系，并按顺序提问。不要先问标题颜色，再问文章要给谁看；不要先讨论代码优化，再确认函数输入是什么。顺序错了，前面的偏好很可能需要返工。

如果两个问题相互影响，可以把它们放在同一组并说明取舍。例如交付时间和功能范围需要一起决定：时间固定时缩小范围，范围固定时增加时间。让用户看到关系，比孤立地问两个数字更有帮助。

当信息足够进入最小执行时，就应该开始做，不要为了追求完美上下文继续提问。执行中发现新的阻塞问题，再暂停并说明原因。

坏问题往往很泛：请提供更多背景、你有什么要求、能不能说详细一点。它们把整理工作全部推回给用户，用户也不知道应该补什么。

好问题会指出缺口和影响：当前任务已明确为写教程，但还缺少读者基础；如果面向新手，我会补充术语解释和操作前提，如果面向有经验用户，我会减少基础背景。请确认读者是哪一类。

坏问题还可能一次列出十几个细节，用户回答完后才发现目标本身没定；好问题先抓住会改变结果的选择，再把低影响偏好交给默认值或后续调整。

提问的质量可以用一个标准判断：用户回答后，AI 是否真的能少一个关键假设，下一步是否更清楚。如果答案不会改变结果，那它可能不值得在执行前提问。

确认完成后，最好让 AI 用几行文字复述当前状态：任务目标、读者、范围、硬约束、已确认选择和剩余假设。复述不是为了拖延，而是让用户在成本最低的时候发现误解。

复述要短，不要把完整任务重新写一遍。重点放在会影响输出的选择，以及用户刚刚确认的内容。若仍有关键冲突，应在开始执行前指出，而不是把矛盾藏到结果里。

复述之后可以直接执行：根据已确认的目标和约束完成第一版；对于低影响缺口采用默认值，并在结果末尾列出；遇到新的阻塞信息时暂停并说明。这样的流程既有连续性，也保留了修正入口。

下面的模板适合复杂写作、方案、代码和资料处理任务。简单任务可以删掉不需要的字段。

示例 Prompt： 任务：帮助我完成【任务名称】。 请先检查信息是否足够，不要立即生成最终结果。 检查范围：目标、读者、材料、范围、硬约束、输出格式、时间、权限和验收标准。 提问规则：只提会改变结果、阻塞执行或带来风险的问题；按优先级排序；每个问题说明不回答时采用的默认值和可能影响；把问题分为必须回答和可以采用默认值两组，必须回答的问题不超过五个。 确认后：先用不超过八行复述已确认的目标、范围、约束和默认值；用户没有异议后再开始执行；不要重复询问已经提供的信息。 执行中：如果发现新的阻塞信息，暂停并说明原因；如果只是低影响偏好，采用默认值并在结果末尾列出。 输入材料：<<<粘贴材料>>>。

如果用户希望直接开始，可以补充：当目标、范围和安全边界已经明确时，不必为了低影响偏好提问，直接使用合理默认值并开始第一版。

有用的澄清问题，会在执行前解决真正会改变结果的缺口；无用的提问，只是把模型的不确定感全部转交给用户。两者区别不在于问题多少，而在于问题是否影响任务。

先确认目标和边界，再处理表现偏好；先问有风险的授权，再讨论可选优化；已知内容不要重复问，低影响缺口可以使用默认值。这样，AI 才能在需要停下时停下，在信息足够时继续工作。

一个成熟的 Prompt，不是让模型永远先问问题，而是让它知道什么时候该问、问什么、问到什么程度，以及确认之后如何保留状态。问题问得准，执行才会快，结果也更容易被用户真正采用。