AI提问技巧：提升对话模型效率的SPARKS框架

1. 为什么我们需要学习AI提问技巧

去年我在为一个医疗数据分析项目构建问答系统时，曾遇到一个典型问题：当向AI模型提问"分析这份病历"时，得到的回答总是泛泛而谈。但当我将问题调整为"请从临床表现、实验室检查和影像学特征三个维度，对比分析这份糖尿病病例与典型病例的异同"后，AI立即输出了结构清晰的专业分析。这个经历让我深刻认识到：在AI时代，提问能力就是新的生产力。

当前主流的AI对话系统如GPT、Claude等，本质上都是"猜词机器"——它们通过统计概率预测最可能的下一个词。这种工作原理决定了：模糊的提问只能得到模糊的回答，而精准的提问才能激发AI的真正潜力。就像使用搜索引擎时，输入"头痛怎么办"和输入"40岁女性，持续性太阳穴胀痛伴恶心3天，无发热，应首先排除哪些疾病"，得到的结果质量天差地别。

2. AI提问的黄金法则

2.1 结构化提问框架

我在实践中总结出一个通用的SPARKS提问框架：

• Specific（具体）：明确需要解答的具体方面
• Purpose（目的）：说明问题的使用场景
• Action（行动）：指出期望的输出形式
• Role（角色）：定义AI需要扮演的专家身份
• Knowledge（知识）：提供必要的背景信息
• Step（步骤）：是否需要分步骤解答

例如，对比以下两种提问方式：

• 差："告诉我关于机器学习的内容"
• 优："假设你是机器学习课程助教（Role），需要为本科生准备一份对比监督学习与无监督学习的讲义（Purpose）。请用表格形式（Action）列出两者的定义、典型算法、应用场景（Specific），并各给出一个医疗领域的应用实例（Knowledge）"

2.2 信息分层技巧

AI的上下文窗口就像人的工作记忆，合理组织信息能显著提升回答质量。我常用的分层方法是：

1. 核心问题：用标签包裹最关键的提问
2. 背景信息：用标签提供必要补充
3. 输出要求：用标签指定回答格式

示例：

code复制<context>
我正在开发一个智能健身APP，目标用户是25-35岁的办公室人群
</context>

<question>
针对久坐人群的颈椎保健，请推荐5个最适合在办公间隙进行