收藏夹里几百条提示词，真正换个问题还能用的只有这 8 条

为什么大部分提示词都在贬值

过去几年攒下来的提示词，绝大多数是为一个具体场景写的说明书：怎么写小红书标题、怎么改简历、怎么做周报。它们的价值建立在一个前提上，就是 AI 自己不太会安排步骤，你得手把手告诉它先干嘛后干嘛。

这个前提现在松动了。你在 CodeX 里丢一个任务过去，它自己会拆、会一步步执行、做完还能把这套流程沉淀成 Skill 下次直接调用。所以说明书式的提示词，用一次就该扔，攒起来没意义。

真正还值钱的是另一类：它不绑定任何具体问题，换个场景照样成立。学一个新概念能用，做一个决定也能用，明年换个模型还能用。姜学长挑出来的这 8 条都是这一类，彼此之间没有先后顺序。

前三条：想真正学会一样东西

一、费曼学习法

大部分人用 AI 学东西，是让它讲给自己听。费曼学习法反过来，是你讲给它听。

姜学长把这套拆成了连续三轮，让 AI 换三个角色。第一轮，让它当一个完全不懂这个领域的小白，你负责用自己的话把知识讲明白。第二轮，让它变成专家或者辩手，专门质疑这个概念的边界、缺点和成立前提。第三轮，让它当你的搭档，把这个知识用到一个真实问题上。

他有句话总结得挺好：先把知识讲明白，再把知识变明白，最后把知识用明白，走完这三步才算真的学会了。

你可以这么说：接下来我要学「XX」。请你分三轮配合我。第一轮你当完全不懂这个领域的人，我讲给你听，你听不懂的地方就打断我。第二轮你换成这个领域的资深专家，专挑我理解里的边界、漏洞和没说清的前提。第三轮你当我的搭档，帮我把它用到我手头这件事上。每一轮等我说「下一轮」再往下走。

二、苏格拉底追问

有时候你心里已经有了个看法，但担心想得太浅。这时候别急着让 AI 给结论，让它一直追问你。

它会不停问你的依据是什么、前提是什么、有没有反例，一层一层把你原本没说清楚的地方问出来。这条的效果不是让你多拿一个答案，而是让你自己把判断想清楚。

你可以这么说：我现在有个判断是「XXX」。请你不要评价、也不要给结论，只用提问的方式追问我：这个判断的依据是什么、成立需要什么前提、有没有反例。一次只问一个问题，等我回答完再问下一个。

三、寓言学习

有些概念难，不是难在定义看不懂，是你脑子里没有画面。

这时候让 AI 先把抽象概念变成一个故事。故事讲完，你不只知道它是什么意思，还能记住它为什么成立。干巴巴的定义可能三天就忘了，一个有画面的故事往往能在脑子里留很久。

你可以这么说：请把「XX」这个概念编成一个不超过 300 字的故事，有具体人物和场景，不要出现这个概念的术语。讲完之后再告诉我，故事里哪个情节对应它的哪个关键点。

中间两条：把活儿交给 AI 之前

四、反向采访

很多人跟 AI 反复改稿子，改到烦。不一定是 AI 做不好，多半是自己没把需求想清楚。

与其硬编一段看起来很完整的指令，不如让 AI 先反过来采访你。它会在动手之前，把你的目标、限制条件、验收标准一个个问出来，省掉后面一轮又一轮的返工。

你可以这么说：我要你帮我做「XX」。先别动手，你先采访我，把目标、使用场景、限制条件、什么算做得好这几件事问清楚，一次问一个问题。你觉得信息够了，再告诉我一声，我确认了你再开始。

五、任务盲点扫描

还有一种情况更麻烦：不是你忘了说，是你压根没意识到它会影响结果。

反向采访挖的是你知道但没说完整的信息，任务盲点扫描挖的是你根本想不到、所以不可能写进提示词里的东西。它最有价值的地方，是在 AI 开工之前，就把那些可能让整个任务跑偏的变量摆到你面前。

你可以这么说：我打算做「XX」。请你列出 10 个我很可能没有意识到、但会显著影响结果的因素或者前提，按影响大小排序。别说我已经告诉你的那些，专挑我没提到的。

第六条：面临一个很贵的决定

六、重大决定正反论证

做大决定的时候，最怕 AI 顺着你说。你问它该不该辞职，它能把辞职讲得头头是道；你让它反对，它立刻又能换一套论证。

所以遇到成本高的决定，别只问它「我说得对不对」，让它把两边都推到最强。这条不会替你选，但它会把两边真正的分歧找出来，再把一个很贵的决定，拆成几个成本低得多的现实测试。

你可以这么说：我在考虑「XX」。请你先用最强的逻辑支持它，再用最强的逻辑反对它，两边都要说到位。然后告诉我，两边真正的分歧点在哪里。最后帮我设计 2 到 3 个成本很低、我这两周就能做的小测试，用来验证这个分歧。

最后两条：让 AI 回头看你自己

这两条都要读你跟 AI 的历史记录，但交付的东西完全不同，别搞混。

七、AI 自我扫描

如果你长期用同一个 AI，可以让它反过来扫描你。

这跟做个 MBTI 不一样。MBTI 看的是你怎么回答那些题，AI 看到的是你几个月里反复在问什么、一直在回避什么、说了很多次却始终没行动的是什么。你拿到的不是一份人格标签，而是十个只有长期记录才可能暴露的问题。

你可以这么说：请你翻一遍我们过去所有的对话，不要替我回答，只给我提问题。找出我反复提起的主题、明显在绕开的话题、说过很多次但一直没落地的事，写成 10 个直指要害的问题给我。

有两个前提得说清楚：它能看到多少，取决于你用的这个产品有没有记忆功能、以及你开放了哪些权限。另外它提的问题只是一次自我复盘的材料，不等于任何心理层面的结论，别往那个方向去理解。

八、历史记录复盘

同样是读历史，这一条不分析你这个人，只找你工作里重复出现的流程。

哪些任务你每次都在做，哪些要求你每次都要重新补充一遍，哪些环节总是返工。它交付的不是一份分析报告，而是几个可以直接沉淀下来、反复调用的工作流。

你可以这么说：请你翻一遍我们的历史对话，找出三件事：我重复做过的任务、我每次都要重新交代一遍的要求、我反复返工的环节。然后把它们整理成 2 到 3 个标准工作流，每个写清楚触发场景、输入、步骤和交付标准。

这两条放在一起看就很清楚了：第七条交给你十个值得回答的问题，第八条交给你几个可以长期复用的工作流。都是读历史记录，拿到的东西完全是两回事。

这 8 条跟咱们学的东西怎么接

第八条是我最想让大家试的一条，因为它跟第四周做 Skill 是同一件事的两头。第四周我们教的是怎么把一套流程封装成 Skill，但很多同学卡在前面一步：不知道自己有哪些流程值得封装。这一条正好补上前面那步，让 AI 从你的历史记录里，把值得封装的那几个流程找出来。找出来之后，再照第四周的方法做成 Skill，这条链路就通了。

第四条和第五条建议配着用。你在 CodeX 里派一个大任务之前，先让它采访你一轮，再让它扫一遍盲点，然后才开工。多花的两三分钟，能省掉后面半小时的来回。

第一条到第三条更适合放在知识库那套流程里。学一个新东西，先用费曼那三轮把它嚼透，嚼完把自己讲明白的那个版本写进知识库，比直接存一篇看不懂的资料有用得多。

最后

这 8 条不用按顺序，也不用一次全试。

你现在卡在哪儿，就挑对应的那一条，找一个你手上真实的问题去用。试完有效果，欢迎回社区发一条心得，把你实际用的那句话也贴出来，别人照着改一改就能用，这比多收藏一百条提示词管用。