1把模糊问题改成任务
任务化提问的五个要素是什么？在学习场景里，为什么要加「先不要给出修改后的版本」这句限制？
第 1 页 · 正面（题目）
2核验一份回答
核验 AI 回答时该把内容分成哪三类？为什么说「只盯事实不看推理」是不够的？
3根据反馈迭代
结果不满意时，为什么不该「删掉重问」？高效追问的关键三要素是什么？
4自测：检查一条提示
「你觉得我应该选计算机专业对吧？」这条提问有哪两个问题？「用最专业最全面的方式讲解 X」为什么无效？
第 1 页 · 背面（答案）
参考：分成事实类（数字年份人名引用，必须核）、推理类（因为所以的链条，要检查是否成立）、建议类（主观，自己判断是否适用）。只盯事实不够，是因为推理错了事实全对也没用——常见漏洞包括把相关当因果、以偏概全、偷换概念、跳步，对每个「因为所以」都要问：前提真吗、前提真结论就一定成立吗、有没有反例。
参考：五个要素是 Task 动作、Audience 对象、Range 范围、Ground 背景、Type 形式，至少给三个输出质量就明显提升。加「先别给修改版」是因为：如果它直接给出答案，你会跳过自己思考的过程，而学习恰恰发生在「知道哪里错了、自己想怎么改」的那一步。
参考：两个问题——①暴露了自己的倾向，会触发模型的迎合，得到的是附和而非分析 ②这是人生选择、后果自负，本就不该交给 AI 决定，只能让它列利弊。「最专业最全面」无效是因为形容词堆砌没有约束力，模型无法据此调整输出；有约束力的是具体维度：对象水平、字数上限、要不要公式、用什么例子。
参考：删掉重问会丢掉上下文——模型不知道刚才哪里不好，只能再赌一次运气。高效追问的三要素是「只改哪里 + 怎么改 + 其余保持不变」，比如「第二段太抽象，请只重写第二段并加入一个带数字的例子，其余不动」，这比笼统地说「不好，重写」效率高得多。