AIREITER向 ChatGPT 随手提问很容易，但想得到能放心投入使用的答案，需要更清晰的方法：先明确任务，补足上下文，规定输出形式，在初稿基础上迭代，并核验关键信息。更好的提示词能减少歧义，却不能让 ChatGPT 成为最终权威。
先想清楚要完成什么，不要急着写提示词
先定义这份回答要帮你做出什么决策、产出什么内容或理解什么问题，并说明怎样才算完成。
例如，在让 ChatGPT“写一份报告”之前，先确定这份报告究竟要解决什么：
Task: Draft a one-page decision memo about whether to replace our support inbox.
Audience: The operations lead, who needs a recommendation this week.
Done when: It compares three options, names the biggest risk, and ends with one recommendation.用六要素简报提高回答质量
一份可靠的 ChatGPT 提示通常包含六项内容：任务、上下文、约束条件、源材料、输出格式和验收标准。不必每次全都写上，但关键项一定要说清楚。
Task: [What should ChatGPT do?]
Context: [Who is this for, and what is already known?]
Constraints: [Length, tone, deadline, exclusions, tools, or policy limits]
Source material: [Paste or attach the material; say what is authoritative]
Output: [Format, headings, table columns, or code language]
Success criteria: [What must be true for the result to be usable?]交代需要支持的决策、目标读者和相关事实，并明确附件是否是唯一允许使用的资料来源。约束条件要具体，例如“用三条要点呈现、标出不确定内容、不要编造缺失数据”。输出长什么样，与结果怎样才算可用，应当分开说明。
不同任务，匹配不同工作流
只有能力与任务相匹配，ChatGPT 才能真正发挥作用。快速改写或转换内容时，用普通对话即可；围绕文件开展工作时用文件分析；查询最新信息时用 Search；需要多步骤调研和来源支撑时，则适合使用 Deep Research。OpenAI 在其搜索与深度研究指南中说明了这些工具之间的区别。
| 任务 | 适合的工作流 | 需要提供给 ChatGPT 的信息 | 审核关卡 |
|---|---|---|---|
| 改写或头脑风暴 | 常规对话 | 读者、原始文本、语气和排除项 | 将结果与原始意图对照 |
| 分析文档 | 可用时使用文件工作流 | 文件、明确的问题，以及不可改动的内容 | 依据文件核对结论 |
| 回答时效性问题 | ChatGPT Search | 日期范围、地点和偏好的来源类型 | 打开引用来源并核对日期 |
| 撰写带来源的报告 | 可用时使用 Deep Research | 研究问题、来源边界和报告格式 | 检查引用，并抽查关键论断 |
| 重复执行项目流程 | 可用时使用Projects and work context | 稳定的指令、参考文件和完成标准 | 复用前更新会变化的输入信息 |
| 在速度与深度之间取舍 | 简单转换任务选最快可用方案；多步骤工作选更强的推理或研究能力 | 说明速度和深度哪个更重要 | 任务越复杂、影响越大，核验越要严格 |
选择刚好能提供所需证据和输出格式的最小工作流即可。
我截取的公开OpenAI Academy 指南中，“Core skills”排在“Tools”和“Workflows and automations”之前。这一顺序很有参考价值：先掌握任务闭环，只有在某项能力确实能消除瓶颈时，再把它加进流程。
分阶段迭代，不必每次从头再来
ChatGPT 的第一版回答只是草稿。只要任务和源材料仍然相关，就应继续在同一对话中推进；每次只改一个变量，才能看清下一版为何变得更好。
- 先澄清：让 ChatGPT 列出它的假设，以及哪些问题的答案会改变结论。
- 再起草：按所需格式，先要求产出最小可用版本。
- 进行批评：把验收标准交给它，要求找出缺乏依据的说法、遗漏内容和不妥之处。
- 定向修订：要求新版本只处理已经识别出的问题。
如果输出太泛泛，补充缺失的上下文；如果内容过长，收紧约束；如果偏离重点，重新说明回答应支持的决策；如果结构不对，直接给出想要的标题层级或表格列。只有当主题、资料范围或目标变化大到旧上下文反而会造成干扰时，才适合重新开一个对话。
使用前，按风险级别核验答案
核验力度应与后果相匹配。随意的头脑风暴可以简单检查；但只要内容会影响金钱、健康、法律权利、安全或公开表述，就应独立确认其中的主张、数字、引文、引用、计算过程和前提假设。
| 风险等级 | 最低核验要求 |
|---|---|
| 低：创意、改写、大纲 | 确认结果符合你的简报，并保留了原本想表达的意思 |
| 中：研究笔记、摘要、代码修改 | 对照提供的材料或可信参考来源核查关键结论；测试代码或计算结果 |
| 高：医疗、法律、财务、雇佣或安全决策 | 使用一手来源并由合格的专业人士复核；把 ChatGPT 当作助手，而不是审批者 |
隐私保护也是核验的一部分
在粘贴或上传内容前，删除不必要的个人信息、机密信息、凭据和专有数据；用占位符替换可识别信息，确认已启用获准的数据控制措施。涉及高风险决策时，应让具备资质的人员参与审查。
不要让 ChatGPT 掩盖不确定性，而是要求它直接说明：
For every material claim, label it as supported by the provided source, an inference, or unknown.
List the claims I should verify first. If the source does not answer the question, say so.OpenAI 关于准确性与局限性的说明也传达了同一个实用原则：输出可以有帮助，但并不保证正确。在 OpenAI Developer Community 的一则讨论中，有用户分享了一种模块化错误日志方案，同时也保留了这一前提：
“我依然没有做到 100% 可靠，但这些方法确实将我遇到的错误数量降低了一个数量级。”Steve_Z，OpenAI Developer Community，2025 年 6 月 26 日。
把这套方法用到常见任务中
| 任务 | 提示词开头示例 | 完成标准 |
|---|---|---|
| 写作 | “为[目标读者]起草这份内容。保留这些事实，采用这种语气，并标记所有缺失的证据。” | 文风和事实与源材料一致，缺乏依据的主张已被标出 |
| 研究 | “使用[日期范围]内的来源回答[问题]。请将有来源支撑的事实与推断分开。” | 关键主张有可检查的来源，回答也说明了自身局限 |
| 学习 | “按我目前的水平讲解[主题]。先问两个诊断问题，再给出一个示例和一份简短测验。” | 无需照抄答案，你也能解释这一概念或解决一个新例题 |
| 编程 | “从正确性、安全性和性能三个角度审查这段代码。说明前提假设，并给出最小修复补丁。” | 修改已针对所述场景完成测试，相关风险也已说明 |
| 规划 | “将这个目标拆分为里程碑，注明负责人、依赖项和第一步行动。” | 计划包含下一步、决策负责人，以及判断是否有效的方法 |
如果你并不确定现实中是否存在那么多案例，就不要要求固定数量的真实示例。“最多给出五个经过核实的示例；如果不足五个，请明确说明”——这样一句小小的指令，能避免模型为了凑数而编造看似合理的内容。
常见问题
怎样让 ChatGPT 先提出澄清问题？
明确要求它在起草前最多提出几个问题，并说明哪些不确定因素最重要。如果无法等待澄清，也可以要求它先列明自己的假设。
怎样提高 ChatGPT 回答的准确性？
提供权威源材料，要求它区分事实与推断、标记不确定性，并独立核验重要结论。只要后果重大，任何提示词都无法取代人工审查。