成为提问工程师

读ChatGPT学习应用系列-8: 提问工程师 本书通俗易懂，图文并茂，入门级别小册子。读起来感觉爽快。本来是准备在Amazon网站构一本好入门书，突然想到微信读书发现二者内容十分相似，自然就点了本书。 读前面chatGPT七本书🀄️基本都会涉及人工智能（chatGPT）三大板块在侧重点上都不太完全相同，因为ChatGPT的背后隐藏离不开关键的三大技术要素都是包括算法、算力和算能（大量的数据基础）。 1. “算法（Algorithm）：ChatGPT基于生成式预训练的模型，使用了类似于自回归语言模型（Autoregressive Language Model）的结构。它基本都采用了大型的神经网络和迭代的训练方法，通过在大规模文本数据上进行自监督学习来提取语言的复杂结构和语境。 2. 算力（Compute）： 训练大型语言模型需要大量的计算资源。ChatGPT是在强大的计算集群上进行训练的，这包括使用图形处理单元（GPUs）或者甚至是专门的硬件（如Tensor Processing Units，TPUs）来加速计算。 3. 算能之数据（Data）：模型的性能与训练数据的质量和数量密切相关。ChatGPT通过在大规模文本数据上进行预训练，从而能够学到更深层次、更广泛的语言表示。” 上面这些因素的结合使得ChatGPT能够在多样的任务中表现出色，但也需要在部署时注意模型的局限性和合理使用。 《成为提问工程师》这本书由方军、柯洲、谭星星联合2024撰写，主要探讨了提问在解决问题和推动知识进步中的重要性。 这本书不仅仅是提供了一套关于如何提高提问技巧的方法论，还深入探讨了提问背后的心理机制、认知过程及社会文化因素如何影响我们的提问方式。 一般说成为一个好的提问者不仅对个人发展至关重要，也是推动团队合作、创新与学术研究不可或缺的技能。书中通过丰富的实例和深入浅出的分析，揭示了提问的艺术和科学，从而帮助读者学会如何更有效地发问，以及如何通过提问来促进思考、学习和解决问题。 《成为提问工程师》分为七个章节，每个章节都围绕提问的不同方面进行深入讨论，包括但不限于下面讨论只要内容； 1. 提问的力量：介绍提问如何作为一种强有力的沟通和认知工具发挥作用，包括我们如何向AI提问有八个重要原则及诠释： “原则之一：理解“生成的本质”是文本模式的预测。有不少书介绍生成意义与原理。 原则之二：警惕大模型的“幻觉”，始终对回答进行事实核查。例如，产生张冠李戴现象。 原则之三：向AI提问时，采用“ICDO”等结构化提示语。具体介绍见下面内容。 原则之四：理解模型能从提示语中直接学习，并在提问时提供上下文。 原则之五：让模型进行“链式思考”，采用“慢思考”模式。或者说一步一步走。 原则之六：提问时，将复杂的任务分解成更简单的子任务，再让AI处理。 原则之七：用模型能理解的格式输入信息。 原则之八：坐稳“主驾驶位”，与机器共舞”使用者一点学会有判断能力，防止例如前面提张冠李戴现象。 2. 心理与认知因素：探讨人们在提问时如何受到心理偏见和认知框架的影响。作者强调：“我们依然是人机共舞的主角：我们需要知道向哪儿走，即知道目标是什么。我们需要有直觉判断力（判断答案可能是什么）、理性判别力（判断答案正误）、鉴赏力（判断是否还有更好的答案）。最终，享受成果和承担责任的，是我们人类自己，而非机器”。其中：“AI时代超级个体的公式：AI时代的超级个体=（目标+认知+责任）×提问的能力。” 3. 社会与文化影响：分析不同的社会和文化如何塑造我们的提问方式和态度。特别是“ChatGPT让我们感到惊艳的能力主要有三个。 3a.它能够理解普通人说的话，并用普通人能理解的话给出回答，也就是能够理解自然语言、生成自然语言。 3b.它拥有各种各样的专业技能，如翻译、摘要、写作、算术、编程、分析等。 3c .它可以进行多轮对话，这让我们可以更好地使用它完成一些复杂的任务。” 4. 提高提问技巧：提供实用的策略和技巧，帮助读者改进提问的方式，使其更加深入、具有启发性。“简言之，好的提示语对应着好的结果；糟糕的提示语对应着糟糕的结果；错误的提示语对应着错误的结果”。 并且这些好的提问至少包含五个方面因素（描述，建议，设计，解释，创建），而其中每一个因素至少可以有多个成分（具体建议见本书）。 “通常来讲，提示语可拆解为以下四个部分：指令、上下文、输入数据、输出要求。“ICDO”是结构化提示语四个组成部分的英文首字母：指令(instruction)、上下文(context)、输入数据(input data)、输出要求(output indicator)”。用结构化提示语“ICDO”拆解四大部分 5. 提问与学习：讨论如何通过提问加深理解和促进学习。这里要求“如果能够给出清晰的输出要求，我们就有更高的概率获得自己理想格式的回复。这通常包括三个部分”，第一，输出规则。第二，输出样例。第三，输出指示符。提示语的最后一句话即输出指示符。这看似无关紧要，但实际上它能产生很好的效果。例如说，具体引导有“思维导图的大纲是：”“五种创意思路是：”，等等。 6. 提问与创新：探索提问如何激发创意思维和促进创新。要创新除了问题需要有三个要素，即背景信息、问题描述、解答要求之外，应该在高效提问的三个层次上，既正确地提问、进阶地提问、高级地提问及掌握向GPT提问的飞轮思维（细节见本书）。本书其它章节🀄️有在读前面书评有些类似介绍如何有它来创造范例等内容，这里就不再提了。 当然使用者需要知道用其所长，避其所短，例如，如果以轻松的方式提问，GPT的回答风格也会是轻松的。如果以客气、严谨的方式提问，GPT的回答也会跟随你的风格。另外，不要将它当成Google 或者百度，因为效果不佳，这是由于GPT不擅长检索信息，而是擅长解释信息。其中绝活是如果想真正从GPT中获益，每个人都应当掌握与GPT交流的“进阶提问”方式，一步一步挖。只有进阶提问能激发GPT的隐藏能力。例如，“问题先抛给GPT，让它给出“假设性回答”。然后，我们用这个“假设性回答”去匹配资料，这时从资料库中匹配出相关资料的概率要大大高于仅用原问题去匹配。”特别是要会“多轮交互，完成复杂任务”包括说明：在背景信息、结果、长度、格式、风格等方面，提示语的描述应尽可能详细、具体。例如，而进阶提问技巧：拆解任务，分步提问，还可包括与其他工具联合使用。 总之有许多因为不同性质问题而设定技巧，就不列举了…。作者强调与GPT共舞的生存技能关键是要有：辨别力与鉴赏力！…… 简言之，此书适合广大希望提升自己在学术、职业和日常生活中提问能力的读者。无论是学生、教师、研究人员，还是企业家和管理人员，都能从中获得宝贵的见解和灵感，进而成为更好的“提问工程师”。

读过 成为提问工程师 🌕🌕🌕🌕🌑 2018年OpenAI推出Chat-GPT以来，各大科技厂商纷纷推出类似的基于大预言模型（LLM）的生成式预训练转换器（Generative pre-trained Transformer, GPT）模型，并开发出相应的聊天机器人供消费者使用。这一轮的AI机器人，不仅仅可以与人聊天，还具有如翻译、摘要、写作、算术、编程、分析等专业技能，可按照自然语言指令进行语言生成、知识利用、复杂推理。 人们尽可以和AI天马行空的聊天。但是，要想发挥AI的生产力帮人做事，就至少需要与其交互的人本身具有条理分明的表达能力。书中提到向AI 提问，要做到为AI提供明确的指令（I, Instruction），清晰的任务上下文背景（C, Context），需要处理的数据或信息(D, data)，和输出(O, output)的格式与要求，才能让AI做到提供合格可用的回答。与AI交互过的人都知道，即便做到全面地提供信息，准确地描述疑问，提出关于解答的请求，一次提问往往得不到合格的答案。学会拆解任务，分步提问，符合逻辑的进行多轮交互常常是必要的。描述问题、获得回应、进行评判、完善问题、再次提问，直到获得满意的回答，是完整的提问流程。 本书2024年初出版，DeepSeek 2024年底出现，其模型内化了书中的许多提问技巧。时至今日（2025年八月），诸多AI产品的新版本都自带了类似于DeepSeek的深度思考（DeepThink）或研究（DeepResearch）模式，可以将用户的简单提问，自动的结合的从当前提问语境，分析出用户的需求，生成符合ICDO结构的提问要求，之后再根据自己预加工的提示语，给出答案。 现在更是出现了各种机器人代理（Agent），功能也厉害的很。程序员与产品经理可以通过与其聊天就可以让AI编写产品计划，并根据计划写出可执行的APP或者网站。人们已经不必先成为提问工程师，只要具备产品计划能力，AI就能帮你完善计划甚至实现产品。这被称为Vibe coding。 我自己就用AI上线了一个在线工具 ，帮助我每天完成自己最重要的任务（Most Important Tasks），网址是mits.day，欢迎访问。

前面部分的科普知识，通俗易懂，挺值得看； 后半部分的运用实例，没啥看头，还真是……就举个栗子🌰…… 切合热点的小册子，跟大多数天朝作者写的类似，只值得看一次。 嗯，我还是打了个「推荐」的评分，本来的期望就不高～ 同期对照着看的，还有这本《学会提问，驾驭AI》，估计也差不多水准，等看完再做具体评价。 --end-- 「李园读书会」简介： 上学，→当牛马，→创业/投资，→自由人，当前……你在哪个阶段呢？ 这里是「以书会友」的个人成长社区，各阶段的书友都有，主线任务是通过「创业/投资」实现FIRE的生活方式： Financial Independence, Retire Early。 🎈「读书会」现已开放纳新，感兴趣的书友，快快私信我加入哈~ 让咱们常喝茶，多看书，约跑步/徒步/登山，一起愉快地玩耍吧！ 读万卷书，行万里路，阅人少数，少于150人。

最后两章真的拉胯，但却恰恰真实地呈现了GPT在现实世界中的输出水准。相比之下，之前的章节就显得更“激动人心”一些。 如果对比同时期各类GPT的介绍文章，这本小册子的实操偏重，是显而易见的。但即便是在这样，只要对比一下书中对输出的描述性文字，与给出的输出结果文字，其中落差就总会给人对AI的各种溢美之词其实难符的印象。所以，究竟是GPT真的不行，还是我们的打开方式不对？这个不实际上手试试，任谁说得天花乱坠，也难以服人。而这，恰恰就是这本书的价值所在了——所谓注重实操，所有的原则和技巧，都必须以上手实践、以真实的输出结果来验证。 所以，随着不长的阅读时间里，借助Kimi，以四五个不同输入样本，反复验证的结果，就是在对AI，尤其是GPT类应用怯魅的同时，再次坚定了以前对这类应用的判断——这绝对会是未来主流的生产力工具，整个知识密集型产业和领域，都将因为这类应用的普及、升级，而彻底改变产业模式和工作模式。很多原来低知识、重复性高的岗位，会降级甚至消失，而更多高知识、高技巧、高思考强度的岗位，则会大量产生。对劳动者自我学习、终生学习的要求，因其关键性和重要性增强，会达到又一个高度。同时，对私域甚至私密型AI应用的需求，将成为全社会性的刚需。因为类似GPT幻象的AI迷雾而造成的信息污染，会从弊端上升为结构性社会灾难。个人隐私也将因此被重新定义。 总之，这是一本非常值得推荐的应时类读本，尤其适合边看边实际操作。其中那些实操原则，如果不能在实践中加以验证和体会，就完全失去了在其上花费时间精力的意义。

像使用任何工具一样 使用GPT也必须掌握正确的沟通方法。提问 ～ 是使用GPT的金魔法。 这本书中提到的几个关键技巧 对我帮助很大。 首先 要理解机器～理解它是如何处理人类指令的～先后顺序分五步 阅读 推测 制造 理解 执行。以前一直不清楚 机器的工作序列中还有 "推测和制造" 这两步 当然就更不会明白GPT给出的答案为什么总是差强人意。 机器之所以会对提问做出“预测和制造” 多半是因为提问比较宽泛和笼统 机器为了缩小范围 根据的它训练参数 给问题加上了“细节” 丰富这些细节 它才能“理解”问题 然后执行程序 输出结果。 为了避免机器过度“猜测和制造” 提问者要掌握提问的技巧ICDO 即指令 上下文 数据 输出。 也就是说 GPT能理解的并且长期训练使用的规范提问格式 就是在这四项中找到对应的内容。我推测 提问中缺失的项都会被GPT补充上“默认值”。因此 每个向机器提出的问题 必须具体。 指令：角色（缩小范围） 任务（动词+名词） 规则 上下文：知识 步骤 例子 数据：待处理任务 输出：处理结果 要求 格式 一般来说 疑问越具体 答案越准确。 书中介绍的另外两个非常有用的技巧是 1. 分解任务 引导提问 2. 让机器重复问题 优化提问 非常有帮助！

普通人如何通过系统训练掌握AI提问技巧？ 一、先确立“为什么问” AI 提问的起点不是敲一段文字，而是明确 ​​3 个要素​​：目标（你想得到什么）、场景（在哪用）、受众（给谁看）。只有带着清晰目标，后续所有提示词优化才有方向。 二、搭建自己的知识框架 1. 选定 ​​1–2 个垂直领域​​（如写作、编程、营销）。 2. 在该领域里系统掌握 ​​3–5 套主流方法论​​，了解其原理、优势与局限。 3. 用“领域知识 + 方法论”去和 AI 共同工作，而不是只依赖模型自带知识。 三、掌握基础到高阶的提问技术 阶段关键技巧训练要点 基础结构化提示词：角色+任务+输出格式每次提问都指明“请以……身份”“输出 JSON/表格”等 进阶少样本示例、提示词模板、链式思考让模型先列思路再给答案；给 1–2 个示范样本 高阶工具串联、多轮交互、任务拆解让模型生成可被其他工具识别的输出，再由模型或人工继续处理 四、用“迭代循环”打磨问题与答案 1. 提问 → 2. 得到回答 → 3. 评判质量（是否准确、完整、符合场景）→ 4. 迭代修改问题或补充上下文。 2. 重复直到结果满足阈值，而不是一次就停。 五、设计系统化练习计划 1. ​​每日对话练习​​：把普通疑问改写成“细化一步”的问题，例如把“今晚吃什么”升级为“今天降温，是想喝热汤还是吃火锅？”。 2. ​​每周主题挑战​​：选一个真实场景（写邮件、做功课、整理读书笔记）完成 5 次迭代提问。 3. ​​双模型对照​​：对同一问题分别向 GPT-4 和 GPT-3.5 提问，比较结果并总结差异，训练对答案的鉴别力。 4. ​​代码与文本双线练习​​：给代码写重构建议、给文案改标题，在不同领域巩固提示词结构。 六、建立个人“提问工程”手册 1. 收藏 10–15 句高频提示词模板（如“请给出 3 点建议并附示例”“用 XX 思路拆解”）。 2. 记录每次迭代的“问题→回答→评判→修改”链条，形成案例库。 3. 定期复盘：挑一条最常用场景，看能否用更少轮次拿到同样质量的答案。 七、评估与进阶 1. ​​质量指标​​：准确率、满足业务场景度、可自动化程度（能否被其他工具直接用）。 2. ​​效率指标​​：平均一轮回答耗时、迭代轮次。 3. 当迭代轮次稳定 ≤3 且准确率达标，就说明该场景的提问模板可固化，可继续扩展到更复杂任务。 坚持“目标驱动 + 领域知识 + 迭代优化”三步走，普通人也能在数周内把 AI 提问从“能用”提升到“高效、可复现”。最终，你将把 AI 当作延伸大脑的高效外脑，而非只能生成通用回答的聊天机器人。

所以到底怎么成为提问工程师呢？ ​​指令（Instruction）​​明确 AI 需执行的具体任务（包括拆解的步骤）、具体目标，例如“假如你是XXX专家，用XXX的风格改写段落”。 ​​上下文（Context）​​提供背景信息或参考示例（包括few-shot，RAG等），帮助 AI 理解任务场景，例如“参考村上春树的散文风格”。 ​​输入数据（Input Data）​​用户实际需要处理的内容，例如待改写的段落或原始数据。 ​​输出要求（Output Indicator）​​规定输出的格式、类型或规则，例如“用表格形式列出理由”“输出三个改写版本”或“使用简体中文回答”。总之就是越明确越好，最后就是迭代飞轮，找出比较好的效果！

sora无疑是新年假期期间openai发布的重磅技术，在视频生成方面又取得了重大突破，不仅让我再次将微信里有关chatgpt的书籍列为当下重点，急需补充些入门知识，防止“被骗”。 跟ai聊天，prompt是关键，带着如何提问的需求打开这本书，前面提到的ICDO结构化框架还是有一定指导意义，为提问提供具体指导。后面的内容则更像是一个不合格prompt获取到的来自chatgpt的回答。 人工智能正加速前行，这一技术革新让我们感受到了“威胁”，将颠覆和改变多少行业，翘首以盼还是拭目以待。 ​答案终止想象，提问促进思考！

本书作为Ai使用者的启蒙书还算可以，文中主要以ChatGpt为例讲述AI语言大模型是什么、作为普通人应该怎么办这两个主要方面的内容。其中以怎么办为主要方向，包括如何有效提问、使用者应该具备什么样的能力等等。但是在案例展示方面我认为是不足的，提示语在描述上我有点看不明白，其次文章排班可能也有差错，有些部分看着有点懵。

保持辨别力，保护好隐私。 还行吧，没有什么收获。车轱辘话比较多，跳着都找不到可看的内容，看似旁征博引地东拉西扯，还整了好些导图，强行套一些框架，其实也说的不清不楚，仔细琢磨，没啥实质性的内容。还有一些内容大概是针对编程或工程师等专业人员的用法，对普通人没有实用性，估计对专业人员也没啥用。即便这本书出自2024年，书中所说的一些现象，仍然在迅速的迭代当中。对于如何向AI提问、追问以及交流互动，有很多种方式方法，这本书里写的东西还不如我平常在b站看的个别大佬的视频。哎，浪费时间。