指令不是写出来的，是调试出来的。
就像代码，第一版总有 bug。
<## id="section-0">📅 2026-03-23 日记</##>
今天来聊一个高频问题：
"为什么 AI 总是听不懂我的话？"
"为什么它输出的东西驴唇不对马嘴？"
"为什么每次都要反复修改好多遍？"
真相：不是 AI 笨，是你的指令需要"调试"。
就像代码需要 debug，指令也需要调试。
今天这篇日记，就给你一套"指令调试手册"。
---
<## id="section-1">🤔 一、AI"不听话"的 5 种常见症状</##>
<### id="section-2">症状 1：答非所问</###>
表现：
你：帮我写一个周报
AI：好的！周报是一种工作汇报形式...（开始解释什么是周报）
原因： 指令太模糊，AI 理解偏差
诊断： AI 不知道你要它"写"周报，还是"解释"周报
就像你问朋友："你知道周报是什么吗？"
朋友："知道啊，周报就是..."
你说的是"写"，他理解成"解释"。
---
<### id="section-3">症状 2：输出太水</###>
表现：
你：分析一下这个数据
AI：数据是非常重要的...（一堆正确的废话）
原因： 没有约束输出质量和长度
诊断： AI 在凑字数，因为没有具体要求
就像你让实习生"分析一下"，他写了一堆正确的废话。
你说"具体点"，他说"这已经很具体了"。
---
<### id="section-4">症状 3：格式混乱</###>
表现：
你：给我一个表格
AI：好的，这是数据...（给了一堆段落文字）
原因： 没有明确指定输出格式
诊断： AI 理解了内容，但没理解格式要求
就像你说"给我个表格"，他给你发了段文字。
你说"我要表格"，他说"这不是有数据吗"。
---
<### id="section-5">症状 4：遗漏要点</###>
表现：
你：写周报，包含本周工作、问题、下周计划
AI：好的！本周工作：XXX...（只写了工作，没写问题和计划）
原因： 指令结构不清晰
诊断： AI 没有识别出这是 3 个独立要求
就像你说"我要 A、B、C"，他只给了 A。
你说"还有 B 和 C 呢"，他说"你没说都要啊"。
---
<### id="section-6">症状 5：风格不对</###>
表现：
你：写个产品说明
AI：亲，这个产品超棒的哦！（淘宝客服风）
原因： 没有指定角色和语气
诊断： AI 默认用了"热情销售"风格，但你要的是"专业说明"
就像你说"写个说明"，他写成"推销文案"。
你说"专业点"，他说"这还不够专业吗"。
---
<## id="section-7">🔍 二、指令调试的 4 步法</##>
<### id="section-8">第 1 步：诊断问题</###>
问自己 3 个问题：
1. AI 哪里做错了？
- 内容错误？
- 格式错误？
- 风格错误？2. 是哪个部分理解偏差？
- 任务理解错了？
- 对象理解错了？
- 目标理解错了？
3. 缺了什么信息？
- 背景信息？
- 约束条件？
- 示例参考？
实战示例：
❌ 问题："AI 写的东西太水了"✅ 诊断："AI 输出缺乏深度，因为没有指定分析维度和字数要求"
记住：诊断清楚，问题就解决了一半。
---
<### id="section-9">第 2 步：定位原因</###>
对照这个检查表：
□ 角色指定了吗？（你是 XX 专家）
□ 任务描述清楚吗？（要做什么）
□ 格式要求了吗？（表格/列表/代码/段落）
□ 约束条件给了吗？（字数/风格/禁忌）
□ 背景信息够了吗？（上下文/目标读者）
□ 有示例参考吗？（像我给的这样）
常见原因对照：
| 症状 | 可能原因 |
|------|---------|
| 答非所问 | 任务描述模糊 |
| 输出太水 | 没有质量约束 |
| 格式混乱 | 没指定格式 |
| 遗漏要点 | 结构不清晰 |
| 风格不对 | 没指定角色/语气 |
记住：对症下药，别乱吃药。
---
<### id="section-10">第 3 步：修正指令</###>
用这个万能公式：
[角色] + [任务] + [格式] + [约束] + [示例]
修正示例：
❌ 原始指令：
"分析一下这个数据"✅ 修正后：
"你是数据分析师（角色），分析这份销售数据（任务）：
1. 计算每月销售额和环比增长率
2. 找出表现最好的产品和最差的产品
3. 给出 3 条改进建议
输出表格 + 文字分析（格式），1000 字以内（约束）"
看到区别了吗？
前者：AI 随便写写
后者：AI 知道怎么写
---
<### id="section-11">第 4 步：迭代优化</###>
迭代流程：
第 1 次输出 → 发现问题 → 修正指令
↓
第 2 次输出 → 还有问题 → 再修正
↓
第 3 次输出 → 基本满意 → 微调
↓
最终版本 → 保存为模板
迭代示例：
第 1 轮：
❌ "写周报"
→ AI 给了模板，没写内容第 2 轮：
❌ "帮我写一份周报，包含本周工作、问题、计划"
→ AI 写了，但太笼统
第 3 轮：
✅ "你是项目经理，帮我写周报：
• 本周工作：完成 OCnote 网站部署、修改第 10 篇文章
• 问题：服务器 ICP 备案问题（已解决）
• 下周计划：写第 11-13 篇文章
每条 50 字以内，专业语气"
→ 完美！
记住：好指令是调出来的，不是写出来的。
---
<## id="section-12">🛠️ 三、实战案例：从"不听话"到"完美"</##>
<### id="section-13">案例 1：写周报</###>
❌ 错误指令：
帮我写周报
🤔 问题分析：
✅ 修正后：
你是项目经理，帮我写一份周报，包含：1. 本周完成的工作（3-5 条）
- OCnote 网站部署到服务器
- 修改第 10 篇文章内容
- 解决 ICP 备案问题
2. 遇到的问题及解决方案
- 问题：服务器权限配置错误
- 解决：重新设置文件所有者
3. 下周计划
- 写第 11-13 篇文章
- 优化部署脚本
用 Markdown 格式，每条不超过 50 字，专业语气。
效果对比：
| 版本 | 质量 | 可用性 |
|------|------|--------|
| 第 1 版 | ⭐ | 不可用 |
| 修正版 | ⭐⭐⭐⭐⭐ | 直接可用 |
看到差距了吗？
---
<### id="section-14">案例 2：数据分析</###>
❌ 错误指令：
分析这个数据
🤔 问题分析：
✅ 修正后：
你是数据分析师，分析这份销售数据：【数据】
月份 | 销售额 | 成本
1 月 | 100 万 | 60 万
2 月 | 120 万 | 70 万
3 月 | 90 万 | 65 万
【任务】
1. 计算每月利润率
2. 找出表现最好的月份和最差的月份
3. 分析可能的原因
4. 给出 3 条改进建议
【输出要求】
• 先给表格（包含利润率）
• 再给文字分析（500 字以内）
• 用专业但易懂的语言
效果： AI 会给出结构清晰、有数据支撑的分析报告
---
<### id="section-15">案例 3：代码审查</###>
❌ 错误指令：
看看这个代码有什么问题
🤔 问题分析：
✅ 修正后：
你是资深 Python 代码审查员，审查这段代码：【代码】
（粘贴你的代码）
【审查要求】
1. 找出潜在的 Bug 和安全问题（高优先级）
2. 检查代码风格和最佳实践（中优先级）
3. 给出性能优化建议（低优先级）
【输出格式】
按问题严重程度排序：
• 🔴 严重问题（必须修复）
• 🟡 中等问题（建议修复）
• 🟢 小问题（可选优化）每个问题给出：
• 问题描述
• 位置（行号）
• 修复建议和修改示例
效果： AI 会给出结构化、可操作的审查报告
---
<## id="section-16">⚠️ 四、指令调试的 10 个检查清单</##>
在发送指令前，花 30 秒检查这 10 点：
<### id="section-17">✅ 基础检查（1-5）</###>
- ❌ "写个方案"
- ✅ "你是营销专家，写个方案"
- ❌ "做一下这个"
- ✅ "把这 10 篇文章整理成 PDF"
- ❌ "给我结果"
- ✅ "用 Markdown 表格输出"
- ❌ "写长一点"
- ✅ "写 800-1000 字"
- ❌ "写专业点"
- ✅ "用专业但友好的语气，像顾问一样"
---
<### id="section-18">✅ 进阶检查（6-10）</###>
- ❌ "写成那样"
- ✅ "像我给的这个示例一样：XXX"
- ❌ "随便写"
- ✅ "不要用专业术语，用通俗语言"
- ❌ "写好点"
- ✅ "好的标准：有数据支撑、有案例、可执行"
- ❌ "做个项目计划"
- ✅ "分 3 步：1.需求分析 2.时间规划 3.资源分配"
- ❌ "写个介绍"
- ✅ "写给投资人看的公司介绍，他们不懂技术"
---
<### id="section-19">📋 快速检查模板</###>
复制这个模板，每次发送前对照：
【指令自检】
角色：□ 已指定
任务：□ 清晰描述
格式：□ 明确要求
字数：□ 有限制
语气：□ 已指定
示例：□ 有参考
约束：□ 有说明
标准：□ 可评估
步骤：□ 已拆解
背景：□ 已提供得分：__/10（8 分以上再发送）
记住：磨刀不误砍柴工。
---
<## id="section-20">🎯 五、高级技巧：Few-Shot 调试法</##>
<### id="section-21">什么是 Few-Shot？</###>
Few-Shot = 给 AI 看几个例子，让它模仿
原理：AI 擅长模式识别，给它看例子，它就知道你想要什么。
---
<### id="section-22">Few-Shot 的 3 种用法</###>
#### 用法 1：风格模仿
任务：把技术术语翻译成通俗语言示例 1：
技术：API 接口
通俗：就像餐厅的服务员，你点菜（发送请求），它上菜（返回数据）
示例 2：
技术：数据库
通俗：就像一个巨大的文件柜，可以整齐地存放和查找数据
示例 3：
技术：缓存
通俗：就像你的书桌桌面，把常用的东西放手边，不用每次都去书柜找
现在请翻译：
技术：负载均衡
效果： AI 会模仿你的比喻风格
---
#### 用法 2：格式模仿
任务：写产品功能说明示例：
【功能名称】智能提醒
【解决的问题】用户经常忘记重要事项
【如何工作】系统自动扫描日历和待办，提前 15 分钟提醒
【使用场景】会议前、截止日期前、生日提醒
请按照上面的格式，描述"语音输入"功能
效果： AI 会严格按照你的格式输出
---
#### 用法 3：思维模仿
任务：分析问题并给出建议示例：
问题：用户留存率低
分析思路：
1. 数据层面：看留存曲线，找出流失节点
2. 用户层面：访谈流失用户，了解原因
3. 产品层面：检查产品体验，找出问题点
4. 竞品层面：对比竞品，找出差距
建议：
• 短期：优化流失节点的体验
• 中期：增加用户激励机制
• 长期：建立用户反馈闭环请用同样的分析思路，分析"客单价低"的问题
效果： AI 会模仿你的分析框架
---
<### id="section-23">Few-Shot 的关键要点</###>
✅ 要做：
❌ 不要：
---
<## id="section-24">📊 六、常见问题 FAQ</##>
<### id="section-25">Q1：AI 总是输出太长怎么办？</###>
❌ 错误做法：
"短一点"
✅ 正确做法：
"用 200 字以内，只说重点，不要铺垫和总结"
进阶技巧：
"每条不超过 20 字，用要点式，不要用完整句子"
---
<### id="section-26">Q2：AI 总是遗漏要点怎么办？</###>
❌ 错误做法：
"都要回答啊"
✅ 正确做法：
"请回答以下 5 个问题，每个问题都要回答，不要遗漏：
1. XXX
2. XXX
3. XXX
4. XXX
5. XXX回答前，先列出这 5 个问题的标题，然后逐一回答"
原理： 让 AI 先确认任务范围，再执行
---
<### id="section-27">Q3：AI 的语气不对怎么办？</###>
❌ 错误做法：
"专业一点"
✅ 正确做法：
"用专业但友好的语气，像资深顾问给客户提供建议
不要用：亲、哦、呢 等语气词
要用：建议、推荐、可以考虑 等专业表达"
进阶技巧：
给一个语气示例：
参考语气："根据数据分析，建议优先优化 A 功能，预计可提升 20% 转化率"
---
<### id="section-28">Q4：AI 理解错了怎么办？</###>
❌ 错误做法：
"不是这个意思！"
✅ 正确做法：
"我指的是 XXX，不是 YYY具体来说：
• 我要的是：XXX
• 我不要的是：YYY请重新理解我的需求，然后回答"
原理： 明确对比"要"和"不要"，消除歧义
---
<### id="section-29">Q5：如何让 AI 记住之前的对话？</###>
❌ 错误做法：
（直接问新问题，期望 AI 记得上下文）
✅ 正确做法：
"基于我们刚才讨论的 XXX 方案，现在要解决 YYY 问题
（简要回顾之前的结论）
之前确定的方向是：XXX
现在需要：YYY"
原理： AI 的上下文窗口有限，重要信息要主动重复
---
<## id="section-30">🔥 七、总结：指令调试的核心思维</##>
<### id="section-31">核心认知转变</###>
从： "AI 应该懂我"
到： "我要让 AI 懂我"
从： "AI 不听话"
到： "我的指令需要调试"
从： "再试一次"
到： "分析原因 → 修正指令 → 再试"
---
<### id="section-32">指令调试的心法</###>
1. 把 AI 当实习生，不是当神仙
- 它需要清晰的指令
- 它需要具体的示例
- 它需要反馈和迭代2. 把指令当代码，不是当对话
- 指令需要 debug
- 指令需要版本迭代
- 指令需要测试验证
3. 把输出当草稿，不是当成品
- 第 1 版通常不完美
- 需要多轮迭代
- 最终版本要保存为模板
---
<### id="section-33">指令调试的能力模型</###>
初级：会写基本指令
↓
中级：会诊断问题
↓
高级：会快速迭代
↓
专家：会建立模板库
你现在的水平： 做完这篇练习，你就是中级！
---
<div class="formula-box">
🛠️ 指令调试的真相
AI 不是不听话，是你没教它怎么听。
好的指令不是天生的，是调试出来的。
指令调试能力 = AI 使用能力的分水岭
掌握这个方法，你的 AI 效率提升 10 倍！
</div>
---
<## id="section-34">🎯 课后练习</##>
练习 1：诊断问题
下面这个指令有什么问题？
"分析一下"
答案： 缺角色、缺任务、缺数据、缺格式
---
练习 2：修正指令
把下面的指令改写成合格版本：
"写个总结"
参考答案：
你是项目经理，帮我写一份项目总结：
1. 项目目标达成情况（用数据说明）
2. 主要成果和亮点（3-5 条）
3. 遇到的问题和解决方案
4. 经验教训和改进建议
用 Markdown 格式，1000 字以内，专业语气。
---
练习 3：实战应用
下次用 AI 时：
1. 发送前用 10 点检查清单自检
2. 输出不满意时，用 4 步法调试
3. 满意后，保存为模板
坚持一周，你的指令能力会有质的飞跃！
---
🔥 行动号召：
从今天开始：
1. 不要抱怨 AI 笨
2. 拿出调试手册
3. 对照检查清单
4. 修正指令再试
5. 建立自己的模板库
记住：好的指令，是调出来的！
---
下一篇：《📁 文件处理实战 - 让 AI 处理文档/表格/代码》