以下是一些关于如何向 AI 提问以获得满意答案的建议：
问：作为AI IDE的深度用户，有踩过什么坑吗？Eric Quan：我发现AI会钻牛角尖，就是当你去追着它问问题的时候，它会产生幻觉，给出的答复也越来越离谱。我有时候会“骂”AI，我知道这样不好，有的时候真的很生气。你不能追问AI，你追问AI，就会付出很多的代价。还有就是AI会不懂装懂，我遇到过自己修产品Bug的时候，AI告诉了我一些错误的知识。所以我经常用ChatGPT的temporary chat功能，因为他能保证AI不知道我是谁，或者是在没有任何的记忆的情况下去生成一个最新鲜的回答。其实我觉得这些是不会写代码的人都会遇到的痛点。问：生成式AI目前在应用上是会有模型幻觉这个问题，我个人的经验是通过新建一个窗口来解决。Eric Quan：是的，我会跟AI说忘掉之前的所有内容，重新和它聊，或者直接新建一个会话窗口重新提问，这是第一个技巧。另外，如果我发现它的回答不理想，我会告诉它退一步，重新审视整个结构，设想如果从零开始，该如何设计。因为我希望能有更简洁、直观的解决方案，避免因过度纠结细节而积累错误，这是第二个技巧。还有，Claude经常会自己去猜，比如你提出一个问题，它会边猜边修改你的问题。这种时候我就会告诉它，如果不确定，就看日志，我会把日志粘贴给它，让它依据日志判断问题出在哪。一般来说我会借助这三个技巧引导AI。AI虽然知道做事的方法，但需要有人引导，告诉它们什么时候关注细节，什么时候该做调查，而不是一直去猜。或许真正的程序员由于熟悉代码，更多地把Trae当作辅助工具。但对我来说，我才是AI的辅助，我只需告诉Trae我想要什么，由它们来实现。
对于很多刚开始接触AI的用户来说，最常见的问题是，会觉得AI给出的答案不是自己想要的。当然，有的时候是AI能力的问题，如同咱们上面提到的一样。但是，更多的情况是，用户并没有把自己的问题和要求描述得足够清楚。日常大家在交流的时候（和人也一样），经常会默认做很多假设，假设对方了解自己的背景，了解自己的需求，以及一些你认为的“常识”，提出的问题和要求往往倾向于越精炼越好。如果你的伙伴是个聪明人，他会结合对你的了解甚至猜测信息作答，这些信息包括背景，目标，输出要求，你眼中的他的角色定位等等。而这些信息AI目前是无法通过其他渠道了解的，它只能客观的仅针对你提供的信息和问题给出足够合理的答案。这就要求我们在提问的时候要把背景描述完整，把要求解释清楚，包括细节。这样，AI才能给出符合咱们需要的答案。相信我，当你提了一个好问题后，AI的回答往往会远超你的预期。这里推荐同学们去看一下刘润老师的文章《请收下，一次就能学会的AI提问技巧》，下面我会简要介绍刘润老师在这篇文章中介绍的提问技巧。第一条就是如何充分说明信息。做到这一点并不容易。这里刘老师提到了一个方法，5W1H。就是每次提问的时候，都要说清楚，为什么（Why），做什么（What），啥时候（When），涉及谁（Who），在哪里（Where），怎么做（How）。比如，ppt里提到的这个例子，相信大多数人一开始都会直接很简单的提问，其实这样的问题即使是直接问一个人，也是非常难以给出好的答复的。当我们使用5W1H的方法以后，背景和要求细化了很多。你可以在AI产品里试一下，就会发现回复是完全不一样的。
在提供法律建议时，我们需要用简洁明了的语言来总结核心观点和注意事项。例如，我们可以概括出5点关于案件处理的核心观点，并列出7点在案件推进中需要特别注意的事项。Separator为了确保我们的建议清晰易懂，我们可以使用引号、分隔符号以及“首先、其次、最后”等连接词来组织Prompt。这样做不仅能让建议更有条理，还能通过AI给到更优质的信息。Capacity and Role比如：你是一名专注于民商事法律领域的律师，擅长案例研究、法律条文检索以及案件策略分析。通过赋予AI这样的角色，我们能够更有效地利用它的数据处理和模式识别能力，从而提升律师的工作效率。3.Prompt方法总结格式=【设定角色+任务目标+上下文和背景信息+（正面要求）详细需求和细节性信息+（负面要求）限制和不需要的内容+回答的语言风格和形式】4.Prompt技巧讲清楚背景和目的在向AI提问时，除了明确的问题描述，对于背景信息和提问的目的最好梳理清楚，这样可以帮助AI更好地理解问题的上下文，从而提高回答的准确性。例如，律师在处理一起交通事故案件时，可以询问：“给你一则交通事故案件事实xxx，根据xxx法规，x方的责任应如何划分？”学会提问，如何提高回答内容的准确性提出好问题是提高AI回答准确性的关键。这包括使用清晰、具体的语言，避免模糊不清的表述。同时，了解AI的工作原理和限制也很重要，这样你可以更好地设计问题，使其能够提供有用的答案。拆解环节、切分流程、具体落到某个工作细节在应用AI之前，首先要对工作流程进行细致的拆解。这意味着将复杂的任务分解成更小、更具体的环节，以便AI可以更精确地执行。