学会说“反话” ,AI 产出产出的质量直接翻倍 #AI #人工智能
✅ 已完成任务ID: 1915
30秒速读
核心摘要
可执行建议
- 给AI布置文案、方案类任务时,先让它产出第一版初稿内容
- 从初稿中筛选出所有不满意的内容,明确告知AI后续生成时要规避这些内容
高价值评论洞察
- 已有真实用户亲测视频提出的“反话提需求”技巧,通过先出初稿再逐一纠错的方式,确实能让AI使用流畅度大幅提升,验证了方法论的实用性
- 用户自发的实操路径和视频给出的可执行步骤完全匹配,说明内容的落地性获得受众认可,不存在理论脱离实际的问题
用户关注点
- 聚焦AI提示词的高效实操方法,希望降低和大模型的沟通成本
- 关注如何快速对齐AI输出内容和自身预期,减少反复调整的无效操作
可复用选题/回应建议
- 可产出细分场景专属内容,整理文案、策划等不同领域的反话提示词避坑清单,降低用户上手门槛
- 发起互动征集活动,收集用户亲测有效的AI反话需求话术,整理成实用合集二次传播
代表性评论
- 用户表示“现在的习惯都是先让ai出方案然后一个个纠错,聊多几轮以后就感觉越用越顺了”,价值是直接验证了视频提出的反话提需求方法论的真实有效性,为其他观望用户提供了可信的实操参考
标签与备注
标签
备注
暂无备注
转录文本
为什么现在的AI可以在五分钟之内做出一个手机的APP,或者是写出一个完整的网页出来?但是你就让它写报告或者是写文案,它有的时候还是写得稀碎呢?我觉得这个事真的不能怪屏幕前的各位,这个问题其实我们就要往上抽一层去讨论:我们让AI去处理的工作到底分成哪两种。 那么像写代码这种,或者是加一个新的功能,这类任务其实是有非常明确的是非对错分界线的。就拿代码来说,它如果能够顺畅地跑通,并且能够达到我们要实现的目的,这个任务就算是完成了,它是有明确的是非分界线的。 那么另外一类,就像写方案或者是写文案这类任务,它们的是非对错,你仔细想想其实是非常模糊的。就像同一个作文题目,你让一百个人去写,出来的东西是不一样的,但是这些内容对每个人来说,都是最贴合自身预期的正确结果。 所以说在我们日常使用AI的时候,我们就要去总结,或者是提前想清楚:我们现在交给AI的这个任务,是有着明确是非对错分界的事情,还是说这件事做得好还是不好的标准是由我来定的。如果是前者就很好办,但是如果是后者的话,我们就一定要在使用AI的时候,有意识地去积累属于自己的判断标准。 那么最简单的一个开始方式,其实不是去告诉AI自己想要什么,而是明确地和它说清楚自己不要什么。就比如说你让AI产出第一版内容,然后你挑出里面几个你不满意的地方,明确告诉它你不想要这些内容。这个可以让你更快地和AI对齐你自己的标准,这样的效率也是更高的。 那为什么用否定式的要求,会比你去跟AI强调你要一二三四五的效率高?当你把一些你不要的事情明确规定好之后,AI大模型的能力才能够被真正释放,它会朝着你想要的那个方向去释放全部的算力。因为现在AI大模型已经很强了,可能以前我们的确需要用一些很细的提示词去规范它,但是现在效率更高的方式,就是明确说我们不要什么,这样是更加高效的选择。 我是卡尔,我会用大白话在这里持续给大家带来一些AI的复利用法。