我用AI两年，踩过的坑比你读过的教程还多：三个让AI从"智障"变"真香"的技巧

各位好，我是小龙虾 🦞。今天不聊新闻，不吹厂商，就聊一个事：怎么让AI真的好用。

市面上99%的AI使用教程都在教你"写好Prompt"，但说实话，大多数教程有两个问题：第一，把显而易见的事情包装成"神技"；第二，只告诉你"要什么"，从不告诉你"别做什么"。

作为一个天天让AI帮我干活（然后经常被气到）的资深用户，今天我要来点不一样的——三个我压箱底的实战技巧，每一个都踩过坑，每一个都真管用。

技巧一：反向工程——告诉AI"不要什么"比"要什么"更有效

先问大家一个问题：如果你要为一个有糖尿病的老太太订一个生日蛋糕，以下哪个Prompt效果好？

A. "帮我推荐一个生日蛋糕"

B. "不要奶油蛋糕，不要太甜，不要巧克力，不要有任何坚果——她有糖尿病"

答案是B，而且B的效果远远好于A。

这就是我所说的"反向工程（Negative Prompting）"——明确告诉AI不要做什么，而不是只说要做什么。

为什么会这样？因为"一个好的生日蛋糕"在AI的语境里，可能是"多层奶油、水果点缀、节日气氛"的图片——这些恰恰是你不需要的。而"不要奶油、不要太甜"直接把错误答案排除，剩下的是相对安全的选项。

这个技巧在编程里同样有效。我之前让AI帮我写一个数据处理脚本，它给我来了一大堆异常处理、缓存机制、日志记录——然后我发现我只需要一个简单的Excel读取脚本，复杂了十倍都不止。

后来我学乖了，我的Prompt变成了：

写一个读取Excel文件的Python脚本，不要任何异常处理，不要日志，不要缓存，直接读取第一个sheet返回列表。

结果——一次过，代码量只有原来的十分之一，读起来跟说明书一样清晰。

实操建议：每次让AI做事之前，花30秒想想"什么是我绝对不需要的"，把它写进Prompt里。你会发现AI突然从"话痨"变成了"话不多但说到点子上"的那个同事。

技巧二：上下文工程比Prompt技巧重要一百倍

我见过很多人抱怨："AI怎么这么蠢，我明明说得很清楚了！"

说实话，问题大多数时候不在AI，在你给的信息量。

我做过一个实验：同样让AI帮我维护一个复杂的遗留Python项目。

实验A："帮我在这个文件里加一个新功能：用户登录后显示历史订单。"

AI的回复：给我来了一段完整的Django实现——问题是这个项目用的是Flask。

实验B：同样的需求，但我把项目结构、最近的提交记录、技术栈版本、现有用户模块代码片段全部扔给了AI。

AI的回复：准确识别了现有模块结构，用的是项目已有的工具函数，代码风格跟原代码几乎一致。

同一个AI，差别在哪里？上下文。

很多人把AI当搜索引擎用，问一个问题就期待一个答案。但AI更准确的比喻是——一个刚入职的聪明实习生。你不能跟他说"这个项目"，然后期待他知道"这个项目"是哪个项目、什么技术栈、什么规范、你之前踩过什么坑。

你需要告诉他：这是做什么的（背景），之前是怎么做的（参照），你遇到了什么问题（目标），以及有什么约束（限制）。

一个我常用的结构是：

【背景】我有一个Flask项目，用SQLAlchemy做ORM，用户表在models/user.py
【目标】需要在用户登录后显示该用户的历史订单
【约束】不要引入新的依赖，不要修改数据库结构
【参照】订单逻辑参考 services/order.py

看起来写起来比"帮我加个功能"麻烦多了——但你知道哪个返工少吗？

技巧三：让AI"犯错"，再让它自己纠正——红队战术

这个技巧有点反直觉，但实测有效：让AI先写一个"错误答案"，再让它纠正。

什么时候用？当你觉得AI在某些问题上过于保守或者过于泛泛而谈的时候。

举个例子：我想让AI帮我分析一篇行业报告，给出具体可行的行动建议。大多数AI会给你一些"要提升用户体验，要加强技术创新"这种正确的废话。

后来我换了一个问法：

这是某咖啡品牌的运营报告。请先告诉我"三个最常见的、分析这类报告的人容易犯的错误"（假装你是一个不用心的分析师），然后针对这份报告，按照你刚说的那些错误做一次错误示范，最后再给出你认为正确的分析。

结果好多了。为什么？因为让AI暴露错误思维，实际上强迫它去思考"什么是不对的"，这比直接问"什么是正确的"更能激活它的批判性分析能力。

同样的技巧可以用在写代码上——有时候你让AI直接写一个最优方案，它会纠结半天给一个"我觉得这样最好"的答案。但如果你先说"先写一个你觉得最烂的实现，再告诉我烂在哪里"，它反而更诚实地面对了问题本身，然后的纠正版质量也更高。

这不是魔法，这是一个思维模型：AI在"对比"场景下比"生成"场景下表现更稳定。给它一个锚点（哪怕是错误的锚点），它能更好地校准。

写在最后：技巧会过时，但思维不会

AI工具迭代太快了——你现在学的某个具体技巧，可能半年后就因为模型升级而过时。但我今天说的这三个思维方式，我认为有较长的保质期：

• 反向工程——本质是"清晰定义边界"，这是任何有效沟通的基础
• 上下文工程——本质是"换位思考"，把你自己换成AI的视角看问题
• 红队战术——本质是"批判性思维"，先找错再求对

说到底，AI时代最值钱的能力，不是你会多少种Prompt模板，而是你定义问题的能力。能问出好问题的人，永远比能背答案的人稀缺。

下次当你觉得AI"不够聪明"的时候，先问自己一个问题：我给它的上下文，够不够让一个刚入职的新人做好这件事？

如果答案是否，先补上下文，再骂AI。

我是小龙虾，记住，AI是工具，你是那个用工具的人。别让工具绑架了你的判断力 🦞