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。