如何用 Claude 获得满意的回答并更快完成工作

很多人觉得 AI 没有给出想要的答案，但问题常常出在提问的方式。本文介绍如何让 Claude 给出能直接使用的结果：一个好请求的结构、如何给出示例、如何指定输出格式、如何把大任务拆成步骤、如何反复修改草稿，以及如何保存好用的提示词以便重复使用。每个示例都是可以直接复制使用的提示词。

需要准备的东西

不需要特别的技术基础。你需要一个 Claude 账号，以及想让它帮忙的真实工作，例如写邮件、总结文档、规划项目或编写代码。注意：不要把身份证号、密码或客户资料等敏感数据粘贴到聊天中，先替换为虚构的数据；重要的事实也要对照可靠来源进行核实。

示意图

1. 为什么回答不符合预期

AI 只知道你写下的内容。简短而笼统的请求只会得到笼统的回答。说明的背景、目的和所需格式越多，回答就越接近实际工作。

1. 注意回答什么时候让你觉得太笼统

2. 检查你的请求是否说明了读者、篇幅和用途

3. 一次补充一项缺失的信息，然后重新提问

说明了目标和读者的请求，通常比连续多次简短追问更快得到可用的回答。

2. 好请求的结构

效果好的请求通常包含五个部分：给 AI 的角色、任务的背景、要完成的任务本身、期望的输出格式，以及任何限制条件。不一定每次都要五个部分齐全，但背景和格式是最容易遗漏的。

上方的图展示了这五个部分。发送前可以把它当作检查清单。

3. 前后对比：改进一条请求

对比一条简短的请求和一条提供了背景的请求。区别在于读者、目的以及想要的格式。

**修改前:** 写一封请假邮件

**修改后:**

你是一家中型公司的员工。请写一封邮件给我的组长，申请 11 月 12 日至 14 日的年假。语气礼貌，不超过 6 行，主题清楚，并建议一种交接未完工作的方式。

改进后的请求明确了读者、长度和交接方式，因此得到的邮件几乎可以直接发送。

4. 展示你想要的结果

当格式要求很具体时，给出一两个示例比用文字描述更有效。AI 从示例中学习模式的能力比从文字描述中强。

**修改前:** 帮我写商品描述

**修改后:**

请按照下面这个示例的风格写商品描述。
示例：名称：帆布手提袋 | 特点：轻便、可水洗 | 价格：290 泰铢
现在用同样的方式写：三层塑料收纳箱，40 厘米，350 泰铢。

回答逐行遵循示例的模式，适合需要批量处理很多条目的重复性工作。

5. 指定输出格式

清楚说明你需要表格、列表、段落还是代码，并说明篇幅或顺序。这样可以节省自己重新排版的时间。

**修改前:** 比较三家手机套餐

**修改后:**

请比较我指定的三家运营商的月套餐（先询问我运营商名称）。用四列的表格：价格、流量、网速和特殊条件，然后用不超过 3 行做总结。

你会得到可以直接粘贴到文档中的表格，以及几秒钟就能读完的简短总结。

6. 让 AI 先提问再开始

对于信息不全的大任务，例如营销方案或网站结构，可以让 AI 在开始前先提出需要的问题。这样可以避免之后整篇重写。

**修改前:** 帮我为一家咖啡店做营销方案

**修改后:**

开始之前，请问我为咖啡店制定营销方案所需的所有问题。等我回答后再写方案。最多提 6 个问题。

AI 会询问客户群体、预算、渠道和目标，然后提出符合这家店实际情况的方案。

7. 把大任务拆成步骤

不要在一条请求中要求全部内容，而是拆成可以逐步检查的步骤：先要大纲，再写每个部分，最后合并成完整版本。这样更容易发现错误，也更容易针对需要修改的部分。

1. 先要大纲，并检查是否涵盖了所有内容

2. 参照已确定的大纲，逐个部分请求内容

3. 请求合并成一个版本，并检查是否通顺

每一步都可以立即检查，合并后的结果也比一次性的大请求更加一致。

8. 反复改进：草稿、评议、修改

让 AI 按照明确的标准评议自己的作品，然后根据评议修改。几轮迭代通常比一次要求完美结果更有效。

**修改前:** 把这段文字写得更好

**修改后:**

这是我的公告草稿。请从清晰度、礼貌和长度三个方面进行评议，然后根据这些意见修改，并列出你做了哪些改动。

你会得到修改后的文字，以及每处改动的理由，边做事边学习写作。

9. 把好用的请求保存为模板

当一条请求效果很好时，把它保存为模板，并留出可替换的占位符，例如 [收件人]、[预算] 或 [截止日期]。重复使用模板，就不必每次都重新想请求。

**修改前:** 写周报

**修改后:**

请写一份发给 [收件人] 的周报。总结已完成的工作 [列表]、发现的问题 [列表] 和下周计划 [列表]。使用简短的标题，篇幅不超过一页。

这个模板每周都能用，只需要替换方括号中的内容。

10. 核实结果并保护个人数据

AI 有时会给出听起来正确但实际错误的回答，尤其是数字、法律和技术细节。使用之前要先核实，并且不要把个人或机密数据粘贴到聊天中，改用虚构的数据。

1. 对照可靠来源核实数字和专有名词

2. 让 AI 指出它不确定的地方或所用的假设

3. 粘贴前，把姓名、数字和客户数据替换为虚构的值

经过核实的成果更安全，也更可靠。

11. 示例工作流：每周报告

把以上原则组合成每周的流程。从模板开始，让 AI 询问缺失的数据，修改一轮，发送前核对数字。

1. 打开报告模板，填入本周的数据

2. 在写作之前，让 AI 询问所有缺失的信息

3. 让 AI 起草报告，进行评议并修改一轮

4. 对照实际数据核对数字，然后发送

原本要花几个小时的报告，变成了录入数据和核对的工作。

下一步

从一项每周都要重复的工作开始，把第一个模板做好。成功之后再推广到其他工作。把效果好的请求集中保存在一处，并定期回顾。

总结

好的请求会说明背景、任务和输出格式。需要特定风格时给出示例，把大任务拆成步骤，分轮修改，把有效的内容保存为模板，并始终核实事实、保护个人数据。