把工作流固定下来，AI就能像老同事一样按你的习惯干活

减少重复解释：让AI先问你

对话开始前，先加一句：“开始之前，先问我几个你需要确认的问题。” 这句话能立刻提高答案质量。AI主动追问，能补齐你忽略的关键信息。

能写进长期记忆或自定义指令的信息，就别每次重新说。把偏好、常用流程、验收标准固定下来，AI就能自动按你的习惯工作。同时，不要所有事情都在一个聊天里处理。写文章一个项目，做代码一个项目，研究资料一个项目，客户方案一个项目。分项目建工作区，避免上下文断裂，也能保存该项目特有的指令。

让AI先列方案再动手

AI执行任务前，先让它说清楚计划：“先不要改文件。先告诉我你准备怎么做、会改哪些文件、风险在哪里、有没有更小的实现方式。” 这一步能挡掉很多灾难。

做完之后，让它交一份验收记录：改了哪些文件？为什么改？跑了哪些命令？哪些测试通过？哪些没跑？有没有新增依赖、改配置、改权限、改数据库？还有哪些风险没处理？这样你就有据可查，而不是盲目相信AI结果。

这些技巧尤其适合代码、文档等需要精确性的任务，能提高对AI的掌控感，减少返工。

处理长文档：先索引再追问

长文档不要直接塞给AI让它总结。先问：“帮我列出这份资料的结构、关键章节、可能有价值的部分。不要急着总结，先做索引。” 这样AI不会因上下文过长而遗漏关键信息，你可以根据索引挑选重点追问。

截图也是一种输入方式。直接丢给AI，先问：“你先描述你看到了什么，再告诉我哪里可能有问题。” 避免AI跳过观察直接猜测，导致错误结论。

激发创意：语音倒想法，多版本选择

语音输入适合倒出想法。先口述，告诉AI：“下面是我的口述草稿，可能很乱。先不要润色，先帮我提炼出5个核心观点。” 这样突破打字速度限制，快速整理思路。

让AI给多个版本，比只给一个答案更好。比如写文章标题：“给我5个方向完全不同的版本。一个偏犀利，一个偏实用，一个偏反常识，一个偏故事感，一个偏收藏价值。” 获得更多选择，避免被单一答案带偏。

常用流程做成固定模板

你经常做的事情，不要每次重新写。比如代码验收流程、文章改写流程、项目分析流程，都可以做成固定模板。每次直接套用，确保一致性和质量。

举例来说，看一个GitHub项目时，可以固定问一套问题：它解决什么痛点？谁会真的用？有没有截图或demo？代表什么趋势？有什么坑？你能不能一句话讲清楚它的价值？把这些问题写进模板，读项目时直接调用。

未知边界

这些技巧是否适用于所有主流AI工具，实现方式有何差异？长期记忆和自定义指令是否有容量限制，如何管理多条指令优先级？AI在列方案和交验收记录时，如何确保诚实性和完整性，是否存在遗漏或美化风险？这些问题目前没有明确答案，使用者需要在实际中摸索。

AI的使用效率，很大程度上取决于你是否愿意花时间建立一套自己的工作流。从让AI先问问题开始，到把常用流程变成模板，每一步都在缩小你和AI之间的理解成本。当AI不再需要你每次从头教它，它才能真正融入你的工作流。