AI 一直胡说，先看看自己想清楚了没有

Reddit 的 PromptEngineering 版上，有位教 AI 工作坊的网友讲了个学生的故事。这位学生每次给 AI 的请求都出错，她已经准备放弃了。两个人坐下来一看，模型没问题，问题在于她还没想清楚自己想要什么，提示词自然也就说不明白。AI 在猜，因为她自己也在猜。

他在工作坊里反复见到的错误就那几样：

• 上下文给太少。Anthropic 的指南里有个说法，把模型当成“一个聪明但刚入职的同事”，他不了解你的规范和流程。
• 一个请求里塞太多东西。一次只提一个明确的要求。
• 回答不对，从不回头改提示词。
• 从不问模型：“如果让你把这个提示词改好，你会怎么改？”
• 花招和固定公式太多，其实用平实的英语对话，加上确认和反馈就够了。

他现在教的方法分六步：

1. 先用平实的语言聊你想干什么。如果你自己也含糊，就直说，先一起头脑风暴：“我不太确定我想做什么，我们一起想想，给我一些参考。”
2. 让它先向你提问，再动笔。
3. 用另一个 AI 专门写提示词。一个起草，另一个干活。用 ChatGPT 写提示词，拿到 Claude Code 里测试，也能用。
4. 测提示词，老实看返回的结果。
5. 把反馈接回去。告诉写提示词的那个 AI 这次对了（“干得好，这正是我要的”）或者不对（“这个不行，我们调一下”），然后继续。
6. 把成功的存下来。让 AI 记住这条提示词，自己也留一份，存成 MD 文件或者放 GitHub。时间长了就是一座可用的库。

对他那个学生来说，第一步解决了一大半问题。把话说开之后，她的请求清楚了，“幻觉”也基本消失了。

跟帖里有人不买账。用户 ocolobo 说，教 AI 比教少棒队还难，至少小孩会听，我们面对的却是一个“醉酒、谄媚、嗑了冰毒的自动补全，假装自己是计算器”。另一位用户 cleverhoods 回了句：太准确了。这话刻薄，但也说出了不少人的体感。

原文作者在最后问了两个问题：步骤 5 和 6 大家怎么处理，有没有提示词库，怎么整理才能真的复用；用一个独立的 AI 写提示词，比在同一个对话里反复迭代更好还是更差。

原文链接：https://www.reddit.com/r/PromptEngineering/comments/1xoyfx6/my_students_ai_kept_hallucinating_the_real/