如何给AI提出一个好问题

本文作者：Yangyi@Yangyixxxx。发文时间：上午8:15 · 2025年4月5日

因为大语言模型的出现，导致人们获取信息的方式从原有的单向输入，转变成了双向费曼范式，你可以问AI，AI也可以问你，互相学习，信息价值就会螺旋上升

在这个范式下，最关键的点反而变成了「如何提出一个好问题」

很多情况下，人们的问题难以找到答案，是因为问题本身存在问题，当你能提出一个「好问题」的时候，问题就解决了一半

我对好问题的定义是：这个问题是问题链中最关键的问题，或者说是最首要的核心问题，很可能其他的问题都因为它而产生，如果得以解决这个问题，其他的问题可能就会全部迎刃而解

首先，第一步，要明确提问目标，可以从目的倒推：先问清「我想解决什么问题」

很多问题问得不清，是因为提问者自己都没想清楚要解决什么。

先界定目标：「我想获得什么信息 / 达成什么目标 / 推进哪一步？」

再判断路径：「这个问题能否直接指向我想要的结果？」

举例：
⛔️ 问：“怎么学AI？”（太大、太散）
✅ 问：“如果我每天有1小时，我该如何从零学习AI产品思维并在3个月内做出demo？”
当你明确了目标之后，寻找答案会更加容易，答案也更贴合你自己的需要

但如果你的目标不明确，就会出现比如：

⛔️ 我的问题：“怎么学AI？”（太大、太散）
✅实际目标：“我怎么能靠每天业余2小时时间，学习AI，然后做副业赚钱”

但别人很可能告诉你，你要从大模型原理开始学起
这反而就和你的预期不一样了
那该怎么定义清楚目标呢？

可以利用提问框架，通过5why继续追问

大多数好问题都不是“第一问”就出现的，它通常是通过不断深挖、剥离、抽象后浮现出来的。

工具：问题树（Problem Tree）、5 Whys、鱼骨图、MECE（相互独立，完全穷尽）

例子：
表层问：“为什么我一直拖延？”
继续追问：
– 是因为没兴趣？
– 是因为目标太大，没拆分？
– 是因为内心恐惧失败？

最终的好问题可能是：“我该如何更好地设定清晰可执行的小目标来降低行动门槛？”
除此之外，我们应该学会动态的看问题

这个动态，其实就是换时空，用发展的眼光去看问题

比如可以从空间切换：换个角色看问题
站在不同角色角度提问，往往能挖掘更核心、更有深度的问题。

– 用户视角（我关心的核心痛点是？）
– 系统视角（这个问题在整个系统中的位置是？）

比如可以从时间切换：拉长时间周期看问题
– 长远视角（如果把时间线拉到1年后，今天这个问题还重要吗？）
– 当下视角（这个问题在当下是否关键？不解决会有什么问题？有没有更重要值得解决的问题？）

例子：
⛔️ “如何提高我产品的转化率？”
✅ “在用户完成购买的过程中，哪些环节是最大的流失点？为什么他们在这里离开？”
当你经历过这些之后，你就会发现，提问会是清晰，明确的

我们可以刻意练习，从语义精炼：一句话的力量

一句好的提问常常是：简洁、明确、聚焦、无歧义的

这是为了给对方（无论是人还是AI）提供最清晰的上下文，减少理解成本。

句式模板示例：
– 「如何在……条件下，实现……目标？」
– 「为什么……现象会发生？它的底层逻辑是什么？」
– 「……问题的本质是什么？」
– 「有没有一个更优雅 / 高杠杆的方式来解决……？」
最后，你应该时刻养成一个提问成本

任何提问，都是有成本的
你自己有成本，你要思考如何提问
回答者也有成本，对方要为你的提问耗费时间和token

所以要反过来问自己：这个问题是否值得问？
最后的过滤器是“提问的性价比”：

– 这个问题能不能用搜索引擎快速得到答案？
– 这个问题有没有更抽象、更本质的版本值得问？
– 这个问题的答案是否能真正带来行动的推动？
总结一个框架：「好问题五要素」

– 明确目标
– 不断追问寻找核心问题
– 动态转变时空，发展的眼光提问
– 精确而清晰地提问
– 提问性价比

你可以像写prompt一样来写问题，它其实也是一种思维的工程化

当你不断向AI提问时，你也会获得AI对你的启发，就会慢慢能找到关键问题，思维链一旦形成，就越来越容易提出好问题
双向费曼范式带来的巨大转变是

每个人都可以以及其廉价的成本获得一个随时沟通的良师益友

过往你只能单向输入信息，然后通过自己的思考逐步会陷入到死循环中，就向你如果不懂变成，让Cursor写代码，它也会陷入死循环无法解决问题一样

但当你和AI对话时，AI的输入会启迪你，你又能启迪AI，通过多轮对话，AI会慢慢了解你最终想解决的问题是什么，你也会越来越清晰自己的目标

最终会寻找到那个好问题