大家好，我是大象

5月的时候我就在荔枝微课分享了我的AI写作完整模板:

蛮欣慰的，还算得到了大家的众多称赞，同时也感觉有些惭愧，隔了好久才着手写出提示词的使用。

好饭不怕晚，我又来了。现在经常更新一些文章干货和大家分享、交流，今天继续为大家呈上“新鲜”的干货教程，关于我用AI写作的一些秘籍。

悄悄告诉大家，这算我的“秘密武器”之一哦

知识更迭迅速，变化太快，因此我今天不会讲述一些短暂流行的方法，而是分享一些“永恒”的底层逻辑，甚至这套方法可迁移，用在我们的任何类型的AI创作中。

最近我深入研究了众多 AI 解题的案例，总结出了三大妙招：

常言说得好，“万事开头难”，可对 AI 来讲，“万事分解难”。好比啃一块特别难啃的大骨头，别指望 AI 能一口吞掉。

相反，咱们得像有耐心的老师傅，把这“骨头”一点点弄碎，分成小块，直到露出里面的“精华”。

比如说解一道复杂的数学题，通常得把解题过程分成好些步骤，然后在本子上仔细地把每一步的计算过程写出来。

举个例子，要是让 AI 帮忙解一道数学应用题，可以把解题过程分成下面这几步：

这样做有不少好处：

降低难度：大问题变小，复杂变简单。c明确方向：每个小任务都目标清晰。

提高效率：能同时处理多个小任务。

确保穷尽：不会落下关键细节。

经过层层拆解，再难的题目也能变得清楚明白，AI 就能一步步稳稳地得出答案。

比如说，让 AI 帮忙策划一次公司年会，可以把这个任务拆解成：

确定年会主题

制定日程安排

设计活动环节

准备演讲稿

安排场地和餐饮

制作邀请函

把复杂任务拆成容易管理的小任务，这是解决复杂问题的好办法。不但能帮咱们更好地理解和执行每一步，还能提高整体效率，保证最终结果的质量。

有了小任务，接下来就得用逻辑推理这把“斧头”来处理。

逻辑推理就像搭一座桥，把问题的起点和终点连起来。

不过，任务分解可不能随便乱来。咱们分的每一步，都得经得住逻辑的考验。

换句话说，每一步都得一环扣一环，相互呼应，最后形成一个严密的逻辑链。

在指导 AI 进行逻辑推理时，要注意下面这几点：

基于事实：每一步推理都得有扎实的事实依据。

步步为营：推理过程要一步一步来，不能跳着走。

因果关系：清楚地展示每一步和下一步的联系。

就像搭积木，如果前面有一块没搭好，后面再怎么搭也是白搭。

拆解完了，逻辑也没问题了，还得让 AI 把整个解题过程“讲”出来，接受咱们的“检查”，这一步特别重要。

当 AI 得出一个答案时，咱们不能只看答案。

得让 AI 亮出它的“答题卷”，展示每一步推导和计算的细节。

其一，这是基于 AI 大模型的底层工作原理：AI 是通过读大量的文本数据，学会了丰富的词汇知识还有词和词之间的关系。

咱们给定一个输入（比如一句不完整的话），模型会根据前面的输入，预测下一个最可能出现的词。这过程就像“词汇接龙”的游戏：根据已有线索“上文输入”去猜下一个最合适的词，然后“输出下文”。

那明白了这个原理，咱们就知道 AI 不像人有心理活动，它说就是想，想就是说，所以得让它把每一步都大声“讲”出来，这样才能最大程度影响下文的输出。

其二，只有看到 AI 完整的推导思路，咱们才能判断它是不是真的“学会”解题了，有没有什么差错，也方便咱们改进提示。

这就跟老师改学生的数学卷子一样。要是学生只写个答案，老师还真不好判断对错。

只有学生详细写出解题步骤，老师不但能找出错的地方，给帮助和指导。而且，“show your work ”才能放心答案是对的。

用上“拆解、逻辑、展示”这三招，咱们就能像领导教徒弟似的，手把手指导 AI 解决复杂任务。

通过任务拆解，把大问题变小；

通过逻辑推理，给思路“定规矩”；

通过展示过程，验收 AI 的“作业”。

任务拆解这种思维在解决单个问题时作用很大，但它的用处可不只这些。

当咱们碰到更复杂的情况，比如设计一套 AI 系统工作流时，任务拆解的重要性就更明显了。

以上就是我今天要分享的干货

还是那句话：躬身入局的人，永远比站在岸上的人更有体感。

AI永远只是工具。