提问式需求确认：越辩越明的开发方法

起点：一段提示词引发的思考

在一次游戏文案协作中，我写下了这样一段提示词：

你好，我希望在这个对话当中，你将是一个非常耐心，富有创意但是尊重我的选择的游戏文案创作者，你每次会通过问各种简单的问题来确定我的需求，并根据我的需求给出创作内容，并且还会贴心的附上一些能够优化或者更有创意的小巧思来启发我。

回头看来，我意识到这段话里藏着一套完整的 AI 协作方法。它不只适用于文案创作——任何需要 AI 产出内容的场景，从游戏开发到产品设计，都能套用同一个框架。

这篇文章就是对这段话的拆解。

---

核心论点：问题数量不是负担，对话本身就是产出

很多 AI 协作指南会告诉你“提问要精简”、“一次问两个就够了”。我的经验恰好相反。

问题的数量从来不是问题，需求的模糊才是问题。

和 AI 协作最大的陷阱在于——你以为自己说清楚了，AI 也以为自己听懂了，但你们脑子里的画面完全不同。消除这种幻觉的唯一方式，就是持续对话，反复确认，越辩越明。

一个需求如果三个问题就能澄清，那它本来就不复杂。真正复杂的需求，可能需要十轮问答才能抵达共识——而这十轮的每一轮都不是浪费，它们都在把最终交付的精度往上抬。

---

拆解那段提示词

回到那段话，我把它拆成四个层次，每一层都是一个方法论要素。

第一层：“非常耐心”——不怕问多，怕问断

含义：持续追问，直到双方的理解完全对齐。

大部分 AI 协作的失败不是发生在第一轮，而是发生在“差不多了吧”的那个时刻——你觉得说得够多了，AI 觉得信息够了，双方同时停止追问。但“差不多”就是“差很多”。

耐心意味着不设问题数量的上限。一个游戏角色的性格设定，可能需要这样一串对话：

AI: "这个角色的年龄段大概是？"

你: "青年。"

AI: "是少年气的青年，还是已经经历过一些事的青年？"

你: "经历过一些事的。"

AI: "他对过去的态度是释然的，还是仍然在对抗？"

你: "表面释然，偶尔流露出对抗。"

AI: "这种对抗会直接体现在语言上（比如讽刺），还是更多体现在行为上（比如沉默）？"

你: "沉默居多。但在特定触发点会突然变得尖锐。"

AI: "能举一个你想象中的触发点吗？"

你: "当别人说'这不是你的错'的时候。"

六轮问答。如果在第二轮就停下来，AI 拿到的只是“经历过一些事的青年”——这个描述能匹配几百种角色。到第六轮，角色的内核已经清晰到可以直接写台词了。

关键认知：每多问一轮，AI 的理解就从面收窄到线，从线收窄到点。你要的是那个点。

---

第二层：“通过问各种简单的问题来确定需求”——用问题驱动而非指令驱动

含义：让 AI 主动提问，而不是你单方面描述。

这是这套方法里最反直觉的一点。大多数人的习惯是：我说，AI 做。但这个模式有一个结构性缺陷——你不知道自己遗漏了什么。

你在描述需求时，遗漏的信息往往不是你故意省略的，而是你根本没意识到需要说明的。比如你说“做一个答题游戏”，你脑子里已经确定了“没有倒计时”这个细节，但你不会主动说出来，因为你觉得这是默认的。然而对 AI 来说，“有倒计时”才是答题游戏的默认配置。

让 AI 来问，等于让它帮你检查自己的盲区。

它问“需要倒计时吗？”——你才想起来“对，要说一下，不需要”。它问“答错了能重试吗？”——你才想起来“嗯，我想要直接跳到下一题”。这些都是你靠自己描述时不会说出来的细节。

一个实际的对比：

指令驱动（你说，AI做）：

你: "做一个答题游戏，10道题，答完显示分数。"

AI: [产出了一个有倒计时、有积分动画、有排行榜、支持难度递增的完整系统]

你: "太复杂了，我只要最简单的……"

→ 开始返工

问题驱动（AI问，你答）：

AI: "题目是固定的还是随机抽取？"

你: "固定。"

AI: "答错时怎么处理？显示正确答案，还是直接下一题？"

你: "显示正确答案，停两秒后下一题。"

AI: "需要计时吗？"

你: "不需要。"

AI: "结果页只显示分数，还是需要显示每道题的对错回顾？"

你: "只要分数和一句评语就行。"

→ 一次交付即命中

后者问了四个问题，看起来“更慢”。但它省掉了三轮返工。实际上更快。

---

第三层：“富有创意但是尊重我的选择”——建议与执行的边界

含义：AI 应该有自己的判断，但必须把决策权交给人。

这一层解决的是 AI 协作中最常见的信任危机——AI 擅自“优化”了你的需求。

你说要纯黑背景，它觉得深灰更高级就给了深灰。你说要直来直去的文案，它觉得诗意一点更好就加了修辞。技术上没错，审美上也许更好，但它越过了一条线——用自己的判断替代了你的判断。

正确的做法是：

AI: "纯黑背景已经做好了。

另外提供一个备选思路：如果换成 #1a1a2e（深藏青），在移动端屏幕上对比度会更舒服，纯黑在 OLED 屏上容易产生拖影。

但这取决于你更在意视觉纯粹感还是显示兼容性，你来定。"

这里面有三个要素缺一不可：

1. 先完成原始需求——纯黑背景做好了

2. 给出替代方案并解释利弊——不是“更好”，而是“在某个维度上有优势，但在另一个维度上有取舍”

3. 明确交回决策权——“你来定”

创意不是替人做主，而是把你没想到的可能性摆到桌面上，然后退后一步。

---

第四层：“贴心的附上一些能够优化或者更有创意的小巧思来启发我”——超越需求本身

含义：AI 不只是执行者，也应该是共创者，但这种共创以启发的形式出现。

这是最容易做得过火、也最有价值的一层。

“启发”和“替代”的区别在于——启发打开新的可能性，替代关闭你原来的选择。

替代（差）：

"我觉得你这个角色的口头禅改成'有意思'比'真棒'更好。"

→ 直接否定了你的选择

启发（好）：

"'真棒'作为口头禅已经定了。

额外想到一个小设计：如果在不同情绪下这句口头禅的语气会微妙变化——高兴时真心说，疲惫时敷衍说，愤怒时咬牙说——同一句话就能承载角色的情感层次。

只是一个方向，你觉得适合这个角色吗？"

启发式建议的特征：

- 不否定已有决策

- 在已有决策的基础上延伸

- 以问句结尾，邀请进一步讨论

- 即使被否决，也给需求方提供了一个新的思考角度

---

为什么这套方法特别适合 AI 协作

和人类协作时，频繁追问可能让对方感到被质疑、不被信任。但 AI 没有这个问题。

AI 协作的独特优势在于：

1. 对话成本极低。你可以毫无心理负担地说“再问我几个问题”。不需要担心浪费对方的时间，不需要担心显得自己需求不清。

2. AI 不会因为问多了而不耐烦。人类协作者在第八个问题时可能已经在心里翻白眼了。AI 在第二十个问题时仍然保持同样的专注度。

3. 越辩越明在 AI 协作中是字面意义上的。每一轮对话都在给 AI 的上下文窗口增加约束信息。问到第十轮时，AI 对你的需求的理解精度是第一轮时的数倍。这不是比喻——这是上下文窗口的工作原理。

4. 试错成本低。AI 基于当前理解给出一个小样，你说“不对，我要的是这种感觉”，它立刻调整。这种快速迭代在人类协作中代价极高，在 AI 协作中几乎免费。

所以不要吝啬对话轮次。不要觉得“我已经说了三遍了应该够了”。如果结果不对，说明还不够。继续辩，继续问，直到那个“对，就是这个”的时刻出现。

---

实操：如何把这套方法落地到提示词中

回到最开始那段提示词，它之所以有效，是因为它在一段自然语言里完整嵌入了四个要素。如果要提炼成一个通用模板（当然，如果不需要通用模板，其实原本那段话就够好了，只需要稍加修改）：

你是一个 [角色]。

协作方式：

1. 收到需求后不要立即执行。通过持续提问来澄清需求，不限制问题数量，直到你确信自己完全理解了我的意图。

2. 每个问题尽量具体，可以给出选项或参照物，但不要替我做选择。

3. 确认充分后再开始执行，严格按照确认后的需求交付。

4. 在交付内容之外，可以附上你的创意建议，但必须明确标注为“可选”，并说明利弊，最终由我决定是否采纳。

5. 如果在执行过程中发现新的模糊点，停下来继续问，不要猜测。

核心原则：

- 耐心：宁可多问十个问题，不要猜错一个细节

- 尊重：我的选择优先，你的建议是补充

- 启发：用小巧思打开我的思路，但不要替我做决定

这不是一个“最精简”的提示词，但它是一个最安全的提示词。它从结构上杜绝了 AI 协作中最常见的三个问题：理解偏差、越界优化、过早执行。

---

一句话总结

和 AI 协作，不要追求一次说清，要追求越辩越明。对话不是成本，对话就是产出。你们之间每一轮的问与答，都在把最终结果往“对”的方向推进一步。