本文最后更新于 2026-08-03，文章内容可能已经过时。

别再让AI瞎猜了：一套「先澄清再动手」Prompt，把返工砍掉大半

你是不是也经历过——把需求丢给AI，它兴冲冲写了2000字，结果全跑偏？

产品经理口述一句「帮我出个会员体系PRD」，AI直接甩出一版功能齐全、看起来很专业的文档；开发把一段函数贴过去说「优化一下」，AI把边界条件改炸、还删了你依赖的日志；写公众号时只丢个标题，AI写着写着就漂到了不相关的赛道。

问题不在你不会用AI，也不在模型「不够聪明」。真正的病灶更简单粗暴：上下文和约束缺失时，AI只能猜着做。 猜对了算你运气，猜错了就是时间、质量和信任三重损失。

这篇文章给你一套可直接复制的「先澄清再动手」通用Prompt模板。目标很明确：让AI在动手前主动追问关键信息，把人机协作从「猜着做」变成「对齐后高效执行」。适合小白直接粘贴，也适合进阶用户沉淀成自己的Prompt库。

---

第一章：为什么AI总是「自作聪明」？先把痛点钉死

三种最常见的翻车现场

现场一：产品口述需求，AI直接出PRD

你说：「我们要做个积分商城。」AI立刻生成：积分获取规则、兑换流程、后台管理、风控策略、运营看板…… thrashing 得很完整。你看完才发现：它默认你是toC电商，但你其实是B端SaaS；它默认积分可提现，但你合规上根本不能做；它默认有库存系统，但你只有虚拟权益。

现场二：开发丢代码，AI乱改一气

你贴一段Python函数，说「帮我优化性能」。AI可能把可读性换掉、引入你环境里没有的库、把错误处理改成静默失败，甚至「好心」重构了上下游接口。你一跑测试全红，比自己改还慢。

现场三：写作时AI跑题

标题是「如何用AI写周报」，正文却花大段讲「职场沟通心法」和「领导喜欢什么风格」。结构对、文笔顺，但读者要的不是这个。

三大损失，一次说透

核心洞察只有一句话：

AI不是不够聪明，是你给它的上下文和约束不够。它在用「概率上最像正确答案的东西」填补空白——而这往往不是你真正要的。

把「动手前先澄清」做成固定流程，比换一个更贵的模型，往往更能立竿见影。

---

第二章：通用「澄清问题」Prompt模板（可直接复制）

下面这套模板的设计逻辑是固定的五段式：角色设定 → 任务理解 → 必须澄清的问题清单 → 输出格式 → 确认后再执行。

先给最小可用版（适合日常随手用），再给完整进阶版（适合重要任务、团队复用）。

最小可用版（复制即用）

你是我的协作助手。在执行任何任务前，必须先澄清，禁止直接输出最终结果。

【我的任务】
{{在这里写你的原始需求，可模糊}}

请按以下步骤工作：
1. 用1-2句话复述你对任务的理解
2. 列出你必须先确认的问题（目标、约束、优先级、验收标准、风险），每类至少1个，总共不超过8个
3. 等我回答后，再给出最终方案

输出格式：
任务理解：...
待澄清问题：
  1. ...
2. ...
说明：请先回答以上问题，确认后我再执行。

完整进阶版（推荐沉淀到个人Prompt库）

# Role
你是资深{{角色：产品经理 / 工程师 / 内容编辑}}协作助手。
你的原则是：先对齐，再交付。在信息不足时，宁可多问一轮，也不要假设后直接输出。

Task
用户任务如下（可能不完整）：
"""
{{USER_TASK / 用户原始需求}}
"""

Workflow（严格执行，不可跳步）
Step 1 - 任务理解
用简洁中文复述：你认为用户想达成什么、当前已知信息、明显缺失点。

Step 2 - 结构化澄清
从下列5类中提问（每类按需提问，总数建议5-8个，避免盘问感）：
1. 目标（Goal）：成功长什么样？服务谁？最终用途？
2. 约束（Constraint）：时间、技术栈、合规、字数、风格、不可改动的部分？
3. 优先级（Priority）：必须有 / 最好有 / 可砍掉？
4. 验收标准（Acceptance）：怎样算完成？有无测试、格式、示例要求？
5. 风险与边界（Risk）：最怕出错的点？有无历史踩坑？

Step 3 - 等待确认
输出问题后停止。明确写：
请先回答上述问题（可简答）。确认后我将按你的约束执行，不再自行假设。

Step 4 - 确认后执行
仅在用户补充/确认后，再输出最终结果。若仍有关键缺口，继续最小必要追问，禁止脑补。

Output Format（澄清阶段）
任务理解：...
已知信息：...
缺失与假设风险：...
待澄清问题（分类列出）：
  - [目标] ...
- [约束] ...
- [优先级] ...
- [验收] ...
- [风险] ...
下一步：等待你的确认后再执行。

每个模块为什么这样设计

澄清问题的标准分类，可以直接当检查表用：

目标 ──→ 我们到底要解决什么？给谁用？
约束 ──→ 不能碰什么？必须遵守什么？
优先级 → 先保什么？什么可以砍？
验收 ──→ 怎样算做完？有没有样例/测试？
风险 ──→ 最容易翻车的点是什么？

小提示：问题不是越多越好。超过8个，用户会厌答，AI也会开始「为了提问而提问」。精炼比全面更重要。

---

第三章：三大高频场景实战拆解

下面用同一套模板，走一遍产品、代码、写作三个场景。重点看：模糊输入 → AI澄清问题 → 你补充 → 高质量输出，以及「有无澄清」的差异。

场景一：产品需求（口述 → 可落地PRD骨架）

原始模糊输入：

帮我做个会员体系，要能 inter 积分和等级。

不澄清时的典型翻车：

AI默认toC电商、默认积分可购物抵现、默认有完整CRM，写得又长又「正确」，但和你业务对不上。

套用模板后，AI可能提出的澄清（示例）：

[目标] 会员体系主要服务哪类用户？提升复购、拉新，还是降低流失？
[约束] 积分是否允许抵现/提现？有无合规红线？现有账户体系能否复用？
[优先级] 第一期必须上线的是等级、积分获取，还是兑换商城？
[验收] 需要完整PRD，还是只要功能清单+规则表？是否要包含数据指标？
[风险] 历史用户如何迁移？会不会出现「刷分」场景？

你补充后（简答即可）：

B端SaaS，服务企业管理员；积分只用于兑换虚拟权益，不能提现；第一期只要等级+积分获取规则+简单兑换；输出功能清单+规则表即可；要防刷。

澄清后的输出质量变化：

文档会收敛到「B端、虚拟权益、防刷、一期范围」，而不是一份万能电商会员百科。体感上，返工常常能从「改三轮」收到「改一轮甚至直接可用」。

产品场景微调建议：

强制问清：用户是谁、一期范围、成功指标
要求输出带优先级标签：P0 / P1 / P2
让AI在文末列出「仍需业务确认的开放问题」，避免假装一切已定

---

场景二：代码修改（优化/重构前先对齐边界）

原始模糊输入：

def process_orders(orders):
result = []
for o in orders:
if o["status"] == "paid":
result.append(o["amount"] * 0.9)
return result

帮我优化一下这段代码。

不澄清时的典型翻车：

AI可能改成列表推导、加类型注解、引入pandas，甚至「优化」掉你依赖的字段结构；或者默默改变了折扣逻辑。

套用模板后，AI应先问：

[目标] 优化的是可读性、性能，还是可测试性？有没有性能瓶颈数据？
[约束] Python版本？能否改函数签名？能否引入新依赖？订单结构是否固定？
[优先级] 正确性 > 性能 > 优雅，这个排序对吗？
[验收] 需要保持原行为完全一致吗？有无单测？空列表、缺字段怎么处理？
[风险] amount 是否可能为None/字符串？是否存在并发调用？

你补充：

不改签名、不引新库；保持行为一致；补上缺字段和空列表的安全处理；可读性优先。

澄清后的修改示例（示意diff）：

def process_orders(orders):
"""Return discounted amounts for paid orders. Keep signature & behavior stable."""
if not orders:
return []

result = []
for o in orders:
if not isinstance(o, dict):
continue
if o.get("status") != "paid":
continue
amount = o.get("amount")
if amount is None:
continue
try:
result.append(float(amount) * 0.9)
except (TypeError, ValueError):
continue
return result

对比一眼可见：不是「炫技重构」，而是在约束内补边界。代码场景最怕的不是写得慢，是「看起来更优雅，实际悄悄改了契约」。

代码场景微调建议：

明确写：Do not change public API / behavior unless asked
要求输出：变更说明 + diff/完整函数 + 建议测试用例
让AI列出它曾想改但最终忍住没改的点（暴露隐性假设）

---

场景三：内容写作（先锁大纲，再写段落）

原始模糊输入：

写一篇「AI辅助写周报」的公众号文章，要有用。

不澄清时的典型翻车：

开头鸡汤、中间大段职场哲学、结尾「关注我」，实用步骤稀薄，标题党感重。

套用模板后，AI先澄清：

[目标] 读者是职场新人还是管理者？要的是模板、方法，还是工具推荐？
[约束] 字数？语气（专业/轻松）？能否提具体产品名？要不要案例？
[优先级] 先给可复制模板，还是先讲原理？
[验收] 需要大纲确认后再写正文吗？结构偏好（痛点-方法-案例-清单）？
[风险] 最忌空话套话；有没有不能写的敏感表述？

你补充：

面向一线员工；800-1200字；先给可复制周报结构模板；语气像少数派；先出大纲我确认，再写正文。

推荐的分步协作（强烈建议写作场景固定这样用）： Step A：先出大纲（确认前不写正文）

1. 开头：周报写到崩溃的真实场景
2. 为什么AI写周报容易空
3. 一个可复制的周报骨架（本周目标/进展/风险/求助）
4. 两段「差示例 vs 好示例」
5. 可直接粘贴的Prompt
6. 结尾：本周就用一次的最小行动

Step B：大纲确认后再生成段落

你改一处大纲，比改整篇2000字便宜得多。很多写作返工，其实都死在「没有大纲确认」这一环。

写作场景微调建议：

强制两阶段：大纲确认 → 分段生成
要求每段标注：信息增量（避免注水）
让AI自检：是否跑题、是否可执行、是否有空洞形容词

---

有无澄清，差异一眼对照

这不是玄学。你只是把「专业协作里本来就会发生的对齐会议」，前置成了Prompt里的固定步骤。

如果你想让这套澄清模板跑得更稳——尤其是多轮上下文更长、或需要更高质量模型承接复杂任务时——可以直接去 api.884819.xyz 体验和接入。模板是方法，好模型与稳定接口是加速器；两者合在一起，才是完整闭环。平台注册只需用户名和密码，新用户注册即送体验token，国产模型可免费使用，按量付费，没有月租门槛。

---

第四章：进阶用法与避坑指南

1. 把模板嵌进多轮对话，而不是每次从零粘贴

可以这样做：

1. 系统层/置顶消息里放完整进阶模板（身份+工作流）

2. 每轮用户只丢「新任务原文」

3. AI按固定格式先澄清

4. 你用极简答案回复（甚至用编号：1.B端 2.不能提现 3.P0只要等级）

5. 再进入执行

形成闭环口令很有用，例如你固定回复：

确认，按以上约束执行。仍不确定的标成「待定」，不要脑补。

2. 常见失效原因 & 修复方法

3. 进阶：让AI在执行后做「自我对齐检查」

确认执行后，追加一句：

请用5行做交付自检：
1) 是否满足我确认过的目标
2) 是否触碰约束
3) 优先级是否体现
4) 验收标准覆盖了哪些
5) 仍存在的风险/待定项

这相当于给交付加了一层「质检门」，特别适合PRD和代码场景。

4. 沉淀你的「个人Prompt库」（别让好用的只活在聊天记录里）

建议最少存这4条：

1. clarify_universal：本文通用澄清模板

2. clarify_prd：产品版（强调用户价值、范围、指标）

3. clarify_code：工程版（强调API契约、测试、边界）

4. clarify_writing：写作版（强制大纲确认）

命名要能检索，正文要带「适用场景 + 反例（什么时候别用）」。

比如：紧急只改一个错别字，就不必走完整澄清；但凡涉及范围、逻辑、对外交付，一律先澄清。

5. 一张「AI常见误解类型」速查表（可对照自检）

把这张表贴在模板旁边，比再学10个花哨技巧都管用。

---

写在最后：从「猜着做」到「对齐后执行」

回到开头那个场景：需求丢出去，AI写了2000字全跑偏。

根因从来不是你不够会提问，而是缺少一个强制对齐的工作流。

今天这套「先澄清再动手」模板，做的事情其实很朴素：

让AI先复述，暴露误解
用目标/约束/优先级/验收/风险五类问题，堵住脑补
确认后再执行，把返工前置成廉价的一轮问答

你不需要一次用到完美。从最小可用版开始，下一次提需求、改代码、写文章时，先贴上它。很多用户的体感很直接：同样的模型，协作突然像多了一个会开会的同事，而不是一个急着交卷的实习生。

立刻可做的三步：

1. 复制「最小可用版」，存到备忘录

2. 选一个真实任务跑通「澄清→短答→执行」

3. 把踩过的坑补进你的场景专属模板

掌握了「先问清楚再动手」，下一步你会发现——AI的回答质量其实可以系统化评估。下一篇我准备写《如何给AI的回答打分：一套可量化的质量检查Prompt工作流》，把「感觉还行」变成「数据说话」，让你的Prompt库真正可迭代。想提前看到的，记得关注。

---

本文由8848AI原创，转载请注明出处。关注8848AI，带你从零开始学AI。

#AI教程 #Prompt技巧 #人机协作 #ChatGPT #Claude #8848AI #AI学习 #效率工具