卡兹克推荐的12条好用的提示词

都 Agent 时代了，为什么还在讲提示词

卡兹克自己在文章里也纠结过这件事。他说可能会有人讲，都 Agent 时代了你还炒冷饭，都四年了你居然还在分享 Prompt。

他的回答我挺认同：

可不管怎么变，我至今依然觉得，Prompt 就是我们使用 AI 的基石。一个人怎么问问题，怎么判断真假，怎么理解世界，怎么认识自己，这些东西，永远不会过时。

这跟昨天那份 8 条的判断其实是一回事。贬值的是那些教 AI 一步步干活的说明书，没贬值的是你怎么想问题。Agent 越能自己拆任务，你把问题想清楚这一步就越值钱。

他还交代了两个使用前提，都挺实在。一是这 12 条全都可以单独复制，不用装任何 Skill，你现在手上的任何 AI 都能直接用。二是如果你手头有原始材料，文档也好截图也好，尽量一起丢上去，用他的话说，这年头不怕上下文多。

两份清单撞上的三个地方

第一处是苏格拉底追问。姜学长那份里有一条，让 AI 不给结论、只追问你的依据和前提；卡兹克把它放在了 12 条的头一条，还给了更细的规矩：一次只问一个问题，每次提问前先说明上一条回答让它更新了什么判断，信息够了就立刻停，不用凑满 6 个。

第二处是重大决定的正反论证。姜学长叫它重大决定正反论证，卡兹克叫双向钢人论证，做的是同一件事：不让 AI 顺着你说，而是把支持和反对都推到最强，再找出双方真正的分歧在哪儿。

第三处更有意思，是这条论证之后该干什么。姜学长的说法是把一个很贵的决定拆成几个成本更低的现实测试，卡兹克干脆把这一步单列成一条，叫用最小实验替代空想。

三处撞车指向的是同一件事：你和 AI 之间最值钱的动作，是把问题问清楚、把结论逼出分歧、再把分歧变成一个能马上动手的小实验。剩下的花活，AI 自己会。

12 条按五个场景过一遍

一、问清问题（1 条）

只有一条，苏格拉底式提问。他在这儿还推荐了一本书，尼尔·布朗的《学会提问》，说是批判性思维的入门经典。

你可以这么说：我的困惑是「具体描述发生了什么、你怎么理解、你卡在哪里」。先别给建议，请对我做一次苏格拉底式问诊，最多 6 个问题，帮我找到真正值得回答的那个问题。每次只问一个，根据我的回答决定下一问。问完之后，请整理出：我最开始问的问题、我真正想解决的问题、已经确认的事实、还没验证的假设，以及一个更准确、可以直接行动的新问题。

二、学习（4 条）

双层解释法。很多人习惯说"请把我当小学生解释"，听着是懂了，但机制还是一团雾。卡兹克的做法是让 AI 分两层讲：第一层小白版，用生活化的话加一个具体例子；第二层专业版，用准确术语讲清机制、适用边界和常见误解。最后再让它列出小白说法和专业术语的对应关系，外加三个检查你有没有真懂的问题。他说自己 Vibe Coding 遇到看不懂的数据库、网络安全名词，就是这么一边解释一边学的。

反向拆解。看到一个做得很好的网站、方案或者页面，想学它好在哪，就把它丢给 AI，让它先说清楚这东西解决了什么问题，再倒过来拆为什么有效：它服务谁、用了什么结构、哪些关键选择拉开了差距、哪些规律能迁移、哪些细节只适合这个案例。最后让它给你三到五条可复用的规律和一个最值得先做的小练习。

横纵分析法。这是他做公募基金时用的框架，两条轴：纵轴看一个东西怎么走到今天，横轴看它跟一众竞品比差在哪。他特意提醒，这一条一定要配着 AI 产品的深度研究功能用，不然出不来满血效果。

事实核查。他有句话说得挺重：AI 有幻觉，但现在人类的幻觉往往比 AI 还大。这条的做法是先把一段说法拆成三块，可外部验证的事实、从事实推出的结论、藏在里面的价值判断，然后只对事实部分联网核查，标成已证实、基本成立但需收窄、存在争议、证据不足、明显错误五档。最后告诉你，这件事你目前可以相信到什么程度。

三、解决问题（3 条）

专家会诊。以前流行在开头写"你是一位拥有 20 年经验的世界级专家"，但真实问题往往需要好几种专业互相配合。所以让 AI 自己组一个三人专家团，三种视角必须真正互补，每种先各自回答，然后互相质疑。他说最关键的就是互相质疑这一步，真正的信息都藏在分歧里。

第一性原理。适合处理那种打满了补丁的方案。让 AI 把问题拆回最底层，分清哪些是绕不开的基本事实、哪些是你习惯性接受却从没验证过的假设，然后抛开行业惯例重新推一遍。他说改组织流程、做产品架构、修复杂系统的时候特别好用。

跨领域借解。第一性原理是往下挖，这一条是往外看。先把你的问题剥掉行业术语、抽象成一个通用结构，再去至少三个离得很远的领域里找结构相似的问题，看人家是怎么解的。他的原话是，说不定另一个行业里，你这个问题已经被解决十几年了。

四、决策（2 条）

双向钢人论证，就是前面说的那条：把两边都说到最强，找出真正的分歧和最可能改变结论的关键变量，然后只问你一个最要命的问题。

用最小实验替代空想。有些决定，再想也不会更清楚了，得去现实里试一下。

你可以这么说：我正在纠结「你的选择」。请先找出这个决定背后最需要验证的 3 个假设，挑出最可能改变结论的那一个。围绕它帮我设计一个低成本、可逆、7 天内能做完的最小实验，写清楚：具体做什么、要花多少时间和钱、观察什么指标、什么结果支持我继续、什么结果提醒我停下。最后告诉我，明天就能开始的第一个动作是什么。

五、认识你自己（2 条）

这两条是长对话，动辄要聊半小时以上，但也是我最想推荐大家试的。

挖掘隐藏天赋。它的设计思路很有意思：天赋不是某个固定技能，它经常藏在你的怪癖、缺点、嫉妒和"这还需要学吗"的地方。所以 AI 会顺着四条线追问你：16 岁以前没人要求你也会废寝忘食做的事、从小反复被批评却一直改不掉的毛病、你做得很好但做完会被抽干的事，还有你曾经强烈嫉妒过谁。它有一条规矩我很喜欢，所有判断都必须对应到你讲过的具体经历，证据不够就继续追问，不许拿空泛的赞美糊弄你。聊完输出一份《个人天赋使用说明书》。

人生设计术。这条走的是斯坦福人生设计课那套路数。先让你给健康、工作、娱乐、爱四个方面各打一个分，看哪一项亮了红灯；再分别问你的工作观和人生观，看两者之间有没有冲突；然后找你的心流时刻，区分哪些事让你回血、哪些事抽干你、哪些是"擅长但不热爱"；最后陪你生成三个完全不同的五年人生版本。

这三个版本的设定是整条提示词里我觉得最好的部分：第一个是你已经在走的路，第二个是假如这条路明天彻底消失你会怎么走，第三个是假如不用考虑钱和别人的评价你真正想过的日子。而且它要求这三个都必须是你真心愿意考虑的 A 计划，谁也不能当凑数的备胎。

它还有一个区分值得单拿出来说：重力问题和可设计的真问题。有些事就像重力一样改不了，认清它不等于认输；而另一些看着无解的，其实可以重新定义成能行动的问题。它会帮你把这两类分开。

这 12 条跟咱们学的东西怎么接

反向拆解，这条我建议大家近期就用。做网站也好、做工作台也好，看到别人一个做得好的页面，别只是收藏，丢给 AI 拆一遍，让它告诉你哪几个选择拉开了差距。拆出来的那三到五条规律，比你照着抄一遍学到的多。

双层解释法，适合配着 CodeX 用。你让它干活的时候，冒出来的那些看不懂的名词，别跳过去，顺手让它分两层讲一遍。学得快的同学和学得慢的同学，差别常常就在这种地方。

事实核查，这条尤其要记住。咱们社区很多同学现在拿 AI 写东西、做调研，产出速度快了很多，但发出去之前那一道核查，只能靠自己上心。把这条存下来，发东西之前跑一遍。

最后两条关于认识自己的，跟我们平时聊的是同一件事。AI 能帮你看清自己的模式，但选哪条路、过什么日子，是你自己的事，它替不了你。

最后

卡兹克在文末写了一句话，我挺喜欢：

当 AI 越来越像苍穹上的神明，我觉得作为人类，就是站在他们面前，依然知道我们想要什么，想去往何方。

这 12 条完整的提示词模板都在原文里，可以直接复制，链接在下面的出处里。你先挑一条最对得上自己眼下处境的，今天就用一个真问题试一遍。试完欢迎回社区发条心得，把你实际用的那句话也贴出来。