如何写prompt才能让AI不胡-说？从提问的“角度”入手

很多人用 AI 时总抱怨它胡说，其实问题往往出在没说清楚 "什么不能做"。比如想让 AI 写一篇关于 "2023 年新能源汽车销量" 的分析，只说 "写销量分析" 就太模糊。AI 可能会把 2022 年的数据混进来，甚至扯上燃油车的销量对比 —— 这些其实都是你不想要的。

正确的做法是在 prompt 里加上明确的排除项。像 "只统计 2023 年 1-12 月中国市场的数据，不包含进口车型，也不要对比其他年份"，这样 AI 就知道哪些信息是禁区。边界越具体，AI 跑偏的概率就越低。试过给 AI 写产品文案的人可能有体会，如果你不说 "不能用网络热词"，它可能会把 "yyds"" 绝绝子 " 都塞进去，反而破坏专业性。

还有个小技巧，就是用 "必须包含" 和 "绝对不能有" 来双重约束。比如写一篇健康科普文，可以说 "必须引用 2023 年后发布的医学研究，绝对不能出现没有科学依据的食疗偏方"。这种非黑即白的指令，能让 AI 的输出更可控。我见过有人做实验，同样问 "如何减肥"，加了约束的 prompt 比没加的，错误信息少了 60% 以上。

给 AI 安个具体身份，它的回答会靠谱很多。你可能试过直接问 "怎么备考研究生英语"，AI 大概率会给一堆泛泛而谈的建议。但如果说 "你现在是有 10 年考研辅导经验的英语老师，只讲英语一的阅读题技巧，用真题举例"，效果会完全不同。

这背后的逻辑是，角色设定会给 AI 一个知识边界。当你让它扮演 "三甲医院的内科医生" 时，它会自动调用更严谨的医学知识，而不是随便搬一些养生公众号的内容。角色越细分，AI 的回答就越聚焦。比如同样是问法律问题，让 AI 扮演 "处理过 100 + 劳动纠纷的律师"，比让它扮演 "法律专家" 给出的建议更具体，甚至会提醒你 "收集考勤记录作为证据" 这种细节。

不过要注意，设定的角色得符合逻辑。你不能让 AI"同时扮演营养师和汽车工程师" 来回答 "吃什么对发动机好"，这种跨领域的角色冲突会让它无所适从，反而更容易胡说。最好是一个 prompt 对应一个明确的身份，比如 "作为幼儿园老师，教 3 岁孩子认识颜色的 3 个游戏"，目标单一，AI 的发挥才会更稳定。

AI 的训练数据截止到 2023 年 10 月，这是很多人容易忽略的点。如果你问 "现在最火的短视频平台是哪个"，它可能还会说抖音、快手，但实际上 2024 年可能已经出现了新的平台。这时候不说清楚时间范围，AI 给出的答案自然就 "过时" 了，看起来像在胡说。

所以在 prompt 里加个时间戳很重要。比如 "分析 2024 年 3 月 - 6 月国内新上线的社交 APP，只统计用户量破百万的"，AI 就会知道只需要关注这段时间的数据。对于时效性强的话题，时间限定是必须的，像政策解读、行业报告、热点事件分析，少了时间范围，AI 很可能拿旧信息当新内容讲。

空间限定也一样关键。比如问 "奶茶店加盟哪个品牌好"，不说是在一线城市还是三四线城市，AI 推荐的品牌可能完全不适用。一线城市消费者更看重品牌调性，三四线城市可能更在意性价比。加上 "在常住人口 50 万以下的城市" 这个条件，AI 才会推荐那些下沉市场做得好的品牌，而不是一味说喜茶、奈雪。

最烦 AI 胡说的场景，可能就是它一本正经地编数据。比如告诉你 "80% 的人每天看手机超过 5 小时"，但你根本不知道这个数据是哪来的。这时候，让 AI 在回答里附带上信息来源，就能有效避免这种情况。

可以在 prompt 里直接说 "每个观点都要说明出处，比如引用某机构的报告、某篇论文，或者具体新闻事件"。试过这么做的人会发现，AI 编数据的概率会大幅下降 —— 因为它知道你要 "查户口"，不敢随便瞎编。尤其是写专业内容时，来源要求能让 AI 的回答可信度翻倍。比如写一篇关于 "青少年近视率" 的文章，让 AI 注明数据来自 "教育部 2023 年全国学生体质健康监测报告"，比单纯给个数字要靠谱得多。

如果是更严谨的场景，比如学术写作或市场调研，还可以要求 AI 提供具体的引用格式。像 "用 APA 格式标注来源，包括作者、年份、文献标题"，这种高要求会让 AI 更谨慎，甚至会主动说明 "某部分信息因缺乏公开数据无法确认"，而不是硬编一个出来。

有时候第一次提问没写好，AI 回答得乱七八糟，这时候别急着放弃。可以把它的错误指出来，让它重新回答 —— 这其实是在训练 AI 理解你的真实需求。比如 AI 写的产品介绍里出现了不存在的功能，你可以说 "刚才提到的 ' 自动清洁功能 ' 我们产品没有，重新写一个，只说现有的三个功能"。

这种 "二次修正" 的 prompt 技巧，比一开始就写完美 prompt 更容易。毕竟谁也不能保证一次就能把要求说全。关键是要具体指出错误在哪，而不是笼统说 ' 写得不好'。说 "你把产品价格写错了，应该是 99 元不是 199 元"，比说 "价格不对" 更有效，AI 能更快 get 到问题所在。

还可以用 "如果不确定就说不知道" 来兜底。在 prompt 里加一句 "遇到没把握的信息，直接说明 ' 这部分内容缺乏足够依据 '，不要猜测"，能避免 AI 硬撑着胡说。毕竟，承认不知道比编错答案要好得多。

换个角度想，AI 胡说有时候是因为它没理解你的真实场景。比如问 "怎么提高公众号阅读量"，太宽泛了。但如果你说 "我运营一个母婴类公众号，粉丝主要是 0-3 岁宝宝的妈妈，现在阅读量一直在 500 左右，怎么能涨到 1000+"，AI 的回答就会具体很多，不会给你那些 "标题党"" 蹭热点 " 的通用废话。

场景代入的核心，是把自己的身份、需求、困境都说清楚。越具体的场景，AI 的回答越不容易跑偏。比如想让 AI 给建议 "要不要辞职考研"，不如说 "我现在在一家互联网公司做运营，月薪 8000，工作 3 年了，想考本专业的研究生，纠结要不要辞职备考"。AI 会结合你的工作年限、行业特点、经济状况来分析，而不是说些 "follow your heart" 的空话。

还有个进阶玩法，就是模拟对话场景。比如 "假设你是我的同事，我们正在开产品会，我提出要给 APP 加一个夜间模式，你觉得技术上有什么难点，用开会时的口语化表达来说"。这种场景设定会让 AI 的回答更贴近实际，不会说些太书面化、不落地的话。

【该文章由diwuai.com第五 ai 创作，第五 AI - 高质量公众号、头条号等自媒体文章创作平台 | 降 AI 味 + AI 检测 + 全网热搜爆文库
🔗立即免费注册 开始体验工具箱 - 朱雀 AI 味降低到 0%- 降 AI 去 AI 味】