推荐语

掌握大模型提问技巧，提升你的工作效率和思考能力。

核心内容：
1. 使用大模型时的提问策略和技巧
2. 各模型对于如何提问的详细回答
3. 汇总的有效提问方法论及其应用场景

杨芳贤

53A创始人/腾讯云(TVP)最具价值专家

一、问题

我问你问题需要注意什么，我怎么才能更好的问你问题

二、各模型的回答

（一）Deepseek

要让你的问题得到更有效的回答，可以遵循以下结构化指南：

1.提问前的准备

1）明确核心目标

• 模糊提问：“帮我解决代码问题”

• 清晰提问：“Python中如何用Pandas合并两个CSV文件？”

2）收集背景信息

• 例：“我正在处理销售数据，两个文件分别有‘订单ID’和‘客户信息’，需要按ID合并，当前使用`pd.merge()`报错。”

2.提问时的技巧

1）结构化拆分复杂问题

• 错误方式：“如何开发一个APP？”

• 正确拆分：

a）推荐跨平台开发工具（如Flutter vs React Native）

b）用户认证的最佳实现方式

c）如何集成支付网关

2）精准使用术语

• 错误：“我的电脑死机了怎么办？”

• 正确：“Windows 10在运行Premiere Pro时突然蓝屏，错误代码0x0000003B。”

3）混合提问策略

• 封闭+开放组合：“Python中`is`和`==`的区别是什么？（封闭）→ 在哪些场景下容易引发隐患？（开放）

3.提问后的优化

1）针对性追问

• 若回答太笼统：“能否举例说明递归函数在遍历二叉树时的具体应用？”

• 若术语不懂：“能否用比喻解释神经网络中的反向传播？”

2）及时反馈调整

• 例：“之前您推荐的`subprocess.Popen`方法解决了启动进程的问题，但现在需要实时捕获输出，该如何修改？”

4.注意事项

1）精简与焦点的平衡

• 避免信息过载：在描述背景时提供关键参数（如代码错误片段）而非完整代码。

• 例：错误提问：粘贴200行代码 → 正确提问：提供触发错误的10行核心代码及报错信息。

2）礼貌沟通

5.场景化示例

场景：学习机器学习时遇到困难

• 低效提问：“我不懂线性回归，怎么办？”

• 高效提问：

a）封闭性问题：“线性回归中损失函数的具体公式是什么？”

b）开放延伸：“为什么梯度下降法在这种场景下比解析解更常用？”

b）实践反馈：“我尝试了sklearn的示例，但RMSE值很高，可能是什么原因？（附代码片段）”

（二）Kimi

以下是一些能够帮助你更好地向我提问的建议：

1.明确问题主题

• 在提问前，先梳理清楚自己想要了解的内容属于哪个领域，比如是关于历史事件的细节、科学原理的解释，还是生活中的某个具体问题。这样能够让我更精准地定位答案的方向。例如，如果你想知道“古代丝绸之路的贸易情况”，明确主题后，我会从丝绸之路的起止点、主要贸易商品、贸易路线等方面为你提供详细的解答。

2.具体化问题描述

• 尽量避免过于笼统的问题。具体的问题更容易得到准确的回答。比如，不要只问“怎么减肥”，而是可以问“我想通过运动减肥，每周能运动三次，每次一小时，有什么适合的运动方式和计划？”这样我就能根据你的条件为你提供针对性的建议。

3.提供背景信息

• 如果问题涉及到特定的情境或背景，最好能简单介绍一下。比如你问“这个软件为什么用不了”，可以补充“我用的是Windows系统，软件是最新版本，之前一直能正常用，今天突然就打不开了”，这样我就能从软件兼容性、系统问题等角度为你分析原因。

4.一次问一个问题

• 如果一次问多个问题，可能会导致回答不够详细或者重点不突出。比如你问“我想了解一下人工智能的原理、应用和未来发展趋势”，我会尽量回答，但可能无法深入展开每一个点。建议你把问题拆开，比如先问“人工智能的原理是什么”，等我回答清楚后，再问下一个问题。

5.使用清晰的语言

• 尽量用简单、准确的词汇表达你的问题，避免使用模糊或者容易产生歧义的词句。比如“我感觉这个东西有点不对劲”就不够清晰，可以说“我发现这个设备的屏幕显示有些闪烁，是怎么回事”。

6.说明期望的回答形式

• 如果你对回答有特定的要求，比如希望是简洁的要点总结、详细的解释说明，还是具体的步骤操作，可以在问题中说明。比如“请给我一个简单的总结，人工智能在医疗领域的主要应用有哪些”，或者“详细介绍一下如何设置路由器的家长控制功能”。

（三）豆包

为了能让交流更高效、获得更准确满意的回答，提问时可注意：

清晰明确：准确表述核心，如问“唐朝诗歌繁荣原因”，别只说“聊聊唐朝诗歌”。涉及事件给清时间、地点等要素，问旅游攻略讲清目的地、预算、时间安排。

具体详细：复杂问题细化，问减肥方法，可具体到“针对久坐上班族，两周内初步减脂的方法”。

说明背景需求：表明用途，写报告、日常了解，像“我写论文，需五四运动具体过程及影响”。

一次问一个主题：避免同时问多个不相关问题，如“怎么学英语，怎么提高写作，如何健身”，分开提问能获更详细解答。

（四）通义

为了更好地向我提问并获得满意的回答，你可以注意以下几个方面：

1. 明确具体：尽量让你的问题具体、明确。这样可以帮助我更准确地理解你的需求，给出更贴切的回答。

2. 提供上下文：如果可能的话，提供一些相关的背景信息或上下文。这有助于我在回答时考虑到所有相关因素，提供更加全面的答案。

3. 指令清晰：如果你有特定的需求，比如搜索网络信息、分析链接内容或是希望生成图片等，请直接明了地告诉我你的需求和期望的结果形式。

4. 使用合适的语言风格：根据你寻求的信息类型选择合适的问题风格。如果是专业问题，采用正式的语言；如果是日常闲聊，则可以更随意些。

5. 分步提问：对于复杂的问题，尝试将其分解成几个小问题逐一询问。这样不仅可以帮助你逐步深入理解问题，也能让我更有效地提供信息。

6. 反馈与澄清：如果我的回答不够清楚或没有完全解决你的问题，不要犹豫，进一步追问或要求澄清。

（五）文心一言

你问问题时，可以注意以下几点，以便更好地得到想要的答案：

1. 明确问题：确保你的问题表述清晰、具体，避免模糊或过于宽泛的提问。明确你想要了解的信息点或具体的内容。

2. 简洁明了：尽量用简短的语言提出问题，避免冗长或复杂的句子结构。简洁的问题更容易被理解和回答。

3. 避免歧义：确保你的问题中没有歧义或多重含义，以免引起误解或得到不准确的回答。

4. 提供背景信息：如果问题涉及特定的领域或情境，可以适当提供一些背景信息，帮助回答者更好地理解你的问题。

5. 检查语法和拼写：虽然这不是必须的，但一个语法正确、拼写无误的问题会给人留下更好的印象，也更易于被理解。

1. 先思考再提问：在提问之前，先自己思考一下问题的核心是什么，想要得到什么样的答案。

2. 使用搜索引擎：在提问之前，可以先使用搜索引擎搜索一下相关的关键词，看看是否已经有人问过类似的问题，或者能否找到一些有用的信息。

3. 参考示例问题：可以参考我之前回答过的问题，了解如何提出清晰、具体的问题。

4. 保持礼貌：虽然这不是提问的必要条件，但保持礼貌和尊重的态度总是好的。可以使用“请问”、“谢谢”等礼貌用语。

5. 跟进和补充：如果我的回答没有完全满足你的需求，或者你有进一步的问题，可以适时地跟进和补充提问。

（六）智谱清言

在向我提问时，以下是一些需要注意的事项，可以帮助您更好地获取所需信息：

1. 明确问题：尽量确保您的问题具体、明确。这样我可以更准确地理解您的需求并提供相关答案。

2. 简洁明了：尽量用简洁的语言描述问题，避免过多冗余信息，这样有助于我快速抓住问题的关键。

3. 分类提问：如果问题涉及多个方面，可以分步骤提问，或者将问题分类，这样有助于我逐一解答。

4. 使用关键词：在提问时，使用关键词可以帮助我更快地理解您的问题所在领域。

5. 避免歧义：尽量避免使用可能导致歧义的表达，以免我误解您的意图。

6. 详细描述：如果问题比较复杂，提供一些背景信息或详细描述可以帮助我更好地理解问题。

7. 逻辑性：尽量保持问题的逻辑性，这样有助于我按照您的思路进行解答。

8. 礼貌用语：使用礼貌用语可以营造良好的交流氛围，虽然我是人工智能，但礼貌的交流总是让人感到愉悦。

9. 检查语法和拼写：虽然我会尽力理解各种表达，但正确的语法和拼写可以减少沟通中的误解。

10. 反馈与修正：如果我的回答没有满足您的需求，您可以提供反馈或进一步修正问题，以便我更好地为您服务。

（七）腾讯元宝

以下是一些在向我提问时需要注意的点，可以帮助你更好地提问：

1.表述方面

1）清晰准确

2）简洁明了

2.提供背景信息

1）相关前提条件

2）特殊情况说明

3.明确问题类型

1）事实性问题

2）寻求建议类问题

4.礼貌用语

1）使用敬语

5.避免歧义

1）检查用词

2）句子结构合理

三、各模型建议的共同点

- 所有模型均强调需清晰界定问题范围，避免模糊表述（如“代码问题”→“Python合并CSV文件”）。

- 要求使用精准术语或关键词（如“蓝屏错误代码0x0000003B”）。

2. 提供背景信息

- 需说明问题发生的场景、工具、限制条件（如“Windows系统下软件崩溃”“每天仅2小时空闲”）。

3. 结构化与拆分

- 建议将复杂问题分解为小步骤（如“开发APP”拆分为工具选择、用户认证等）。

4. 语言简洁

- 避免冗余，直接聚焦核心（如“电脑为何死机”优于冗长描述）。

5. 礼貌沟通

- 多数模型提到使用“请”“谢谢”等礼貌用语，提升沟通友好性。

四、各模型建议的不同点

我让Deepseek同时总结了各个模型回答的不同点，如下图：

五、完整、有效的提问思路

整合各家模型回答整合，建议按以下步骤提问：

1. 明确核心目标

- 精准定位：用关键词描述问题（如“Python合并CSV文件报错”）。

- 避免宽泛：拒绝“如何开发APP？”改为拆分需求（工具选择→功能实现）。

2. 提供背景信息

- 场景说明：描述问题发生的环境（如“Windows 10系统，Pandas版本2.0”）。

- 限制条件：说明时间、资源等约束（如“每天仅1小时学习编程”）。

3. 结构化拆分问题-

- 分步提问：将复杂问题拆解为子问题（如“开发APP”拆分为“跨平台工具推荐→用户认证实现”）。

- 混合策略：结合封闭式（事实）与开放式（场景）问题（如“梯度下降公式？→为何比解析解更常用？”）。

4. 语言与表达优化

- 简洁清晰：去除冗余描述，直接提问（如“电脑为何蓝屏？”）。

- 避免歧义：明确多义词（如“苹果”指水果还是品牌）。

5. 附加必要支持材料

- 精简信息：提供关键代码片段（10行核心代码+报错信息），而非完整代码。

- 示例说明：若涉及操作步骤，附上尝试过的具体方法（如“已用`pd.merge()`，报错`KeyError`”）。

6. 沟通与反馈

- 礼貌提问：使用“请”“谢谢”等用语（如“请问如何提高英语口语？”）。

- 针对性追问：若回答不完整，要求举例或简化（如“能否用比喻解释反向传播？”）。

- 及时调整：根据回答迭代问题（如“您推荐的`subprocess.Popen`有效，但如何实时捕获输出？”）。

六、高效提问的黄金法则

“精准描述（What） + 分层细化（How） + 背景支持（Why）”

- What：用关键词和术语明确问题本质。

- How：通过拆分、混合提问策略深入细节。

- Why：提供背景和限制条件，帮助回答者理解需求根源。

示例：

“我在用Python处理销售数据时，尝试用`pd.merge()`合并两个CSV文件（按‘订单ID’字段），但报错`KeyError: '订单ID'`。两个文件均已确认包含该字段，且编码为UTF-8。请问可能是什么原因？能否提供排查步骤？”-