六个让 AI 效果翻车的坑
-
坑一
一次问太复杂的问题
「帮我分析这个市场并写出完整商业计划书」——这类复杂任务一次性丢给 AI，往往得到的是表面化的泛泛而谈。AI 适合处理单一、明确的任务，复杂项目需要拆解成多个步骤。
-
坑二
不给足够的背景信息
「帮我写一封邮件」——AI 不知道你是谁、对方是谁、要达成什么目的。结果要么太通用，要么完全不符合你的实际需求。
-
坑三
不问第二次，直接用第一次结果
第一次 AI 给的回答不满意，但很多人会选择「凑合用」或者「AI 不好用」。其实第一次不满意是正常的，只需要追问、补充信息或要求重新生成。
-
坑四
不问清楚就大量使用
看到 AI 能做某件事，就立刻想着「我要把所有这类工作都交给 AI」。但有些任务 AI 做得并不好，在这些任务上投入时间优化 AI 产出是浪费。
-
坑五
不问清楚就大量使用
AI 会产生幻觉——编造不存在的书名、论文、数据。这些内容看起来非常真实，常常让人信以为真。在专业领域，必须交叉核实 AI 给出的具体事实。
-
坑六
把所有任务都当作 AI 擅长的
AI 不是万能的。涉及真实情感、复杂人际判断、需要实地经验的任务，AI 不仅帮不上忙，还可能给出看起来合理但实际有害的建议。
正确的做法
-
复杂任务要拆解
商业计划书 → 先让 AI 帮你分析市场 → 再让 AI 帮你做竞争分析 → 再让 AI 帮你写执行摘要。分步走，每一步都有清晰目标。
-
先给背景，再提需求
在 Prompt 开头先说明：你是谁、对方是谁、要达成什么目的。背景越清晰，AI 的回答越精准。
-
不满意就继续调
「这个方向对了，但第三点太泛泛，能不能再具体一点？」「语气再轻松一些，像和朋友聊天。」——追问比重新问效率高得多。
-
重要信息必须核实
AI 给的书名、数据、法规条款——用其他工具核实一下再使用。这一步不能省。
-
先小范围测试再扩大
在把 AI 用到某个工作流之前，先用一两周、低风险地测试效果。确认 AI 真的能帮你提升效率，再把它纳入常规工作流程。
一个核心认知：
AI 是一个工具，工具的效果取决于使用者的判断力。你知道什么任务适合用 AI、什么任务要慎用、什么任务完全不能用——这三点比学会任何 Prompt 技巧都重要。
开始前和发布前各检查一次
很多翻车不是 Prompt 写得不够漂亮，而是开始前没有控制输入，发布前没有检查输出。把检查分成前后两个节点最省力。
例如，你让 AI 根据一份旧版活动通知生成新版通知：开始前应先确认日期、地点和联系人是不是最新版本；发布前则要逐项核对这些字段有没有被改写。常见错误是只检查文字是否通顺，却没有检查最容易造成实际损失的关键信息。
| 开始前 | 发布或执行前 |
|---|---|
| 任务和使用对象是否明确 | 人名、数字、日期是否回源 |
| 是否删除不必要的敏感信息 | 有没有把推断写成事实 |
| 材料是否完整、版本是否正确 | 是否符合格式、语气和限制 |
| 有没有可判断的验收标准 | 外部动作是否经过预览和授权 |
通过标准
- 你知道这次最可能错在哪里
- 敏感信息遵循“完成任务所需的最少量”原则
- 重要输出至少有一次人工复核
- 执行型任务有备份、预览或撤回方式
- 复杂任务不要一次问完——拆解成多个单一、明确的小任务，效果好得多
- Prompt 开头先给背景：你是谁、对方是谁、要达成什么目的
- 第一次不满意是正常的，继续追问和调整比重新问效率更高
- AI 会产生幻觉——重要事实必须交叉核实，不能直接照搬
- 先小范围测试，确认效果再扩大使用范围——不要在不确定的场景里大量投入