把 AI 当“分身顾问”用：从 vibe coding 到情感咨询，一套可复制的提问工作流

你有没有这种感觉：

• 想写点代码，第一反应不是问同事，而是打开 Claude Code。
• 遇到冷门问题，懒得翻十个论坛，直接找“某个大佬分身”聊两句。
• 情感烦恼不想打扰朋友，先找 AI 把脑子捋顺。

这不丢人。AI 最大的价值不是“替你写”，是替你把混乱的东西理清楚。你省下来的不是 5 分钟，是每天能早下班一小时那种爽感。😌

这篇给你一套可复制的“分身顾问”提问法。你照着做，AI 的输出会明显更像“能直接用的建议”，少一点废话。

1）你到底在找什么：把需求拆成 4 种对话

很多人觉得“AI 变笨了”。真相更常见：你提问的目标不清。

把对话分成 4 类，你会好很多：

• 执行型：要可运行代码、可复制命令、可交付文档
• 研究型：要知识框架、对比、判断依据、引用来源
• 决策型：要选 A 还是 B，要权衡表、风险点、成本估算
• 情绪/沟通型：要安抚、梳理关系、组织表达、练习对话

你每次发问前，加一句话就够：

“这是【执行型/研究型/决策型/沟通型】问题，我希望你输出【格式】。”

AI 会立刻收敛。

2）“分身”怎么用才不尬：角色不是装，角色是约束

很多人玩“某某分身”很嗨，但输出漂。

角色设定的关键不是 cosplay，是给 AI 加约束：

• 你希望它用什么标准判断对错（工程实践？学术严谨？合规优先？）
• 你希望它站在什么立场（导师/面试官/同事/心理咨询助理）
• 你希望它怎么输出（一步步、表格、清单、对话脚本）

推荐你用这个“分身说明书”模板：

你是我的【角色】。
你擅长：【领域】。
你做判断的优先级：1) 正确性 2) 可执行 3) 简洁。
输出格式：先给结论，再给步骤，再给风险点。
如果信息不够：只问我 3 个关键问题，不要发散。

这段很短，但效果非常稳。

3）场景一：用 Claude Code 做 vibe coding（写得快，也要写得对）

vibe coding 的爽点是“先跑起来”。痛点是“跑起来以后开始还债”。

你要的是：快速出雏形 + 自动补测试 + 自动补边界条件。

推荐提问法：把任务拆成“最小可运行版本”

你可以这样丢给 Claude Code：

我要做一个最小可运行版本（MVP）：【一句话需求】。
技术栈：【语言/框架/数据库】。
约束：
- 不引入重型依赖
- 需要可读性
- 给我可执行的命令
交付物：
1) 目录结构
2) 核心代码
3) 3 个关键测试用例
4) 常见错误排查

让它别“写嗨了”：加一条强制自检

写完后做自检：
- 有没有未定义变量/伪代码
- 有没有漏掉异常处理
- 测试能不能覆盖核心路径
把自检结果写成 checklist。

你会发现输出立刻从“看起来很美”变成“真能跑”。

4）场景二：冷门问题/灰区问题（比如“番号问题”这类）怎么问

有些问题很冷门，甚至有灰区。

你想要的是边界清晰：什么能做、什么别碰、哪里风险最大。

好用的问法：让它先给“风险地图”

我有个问题：【你的问题】。
你先别直接给方案。
先输出：
- 这问题涉及的风险点清单（法律/平台规则/道德/隐私）
- 哪些信息我不该收集/不该传播
- 如果要合法合规地研究/讨论，可以怎么改写问题
然后再给我合规范围内的解决路径。

这招的好处：你不会被 AI 带着越走越偏。

5）场景三：情感问题别硬问“怎么办”，要让 AI 帮你把话说清楚

你去问“我该不该分手”，AI 很容易变成鸡汤机。

你真正需要的是：

• 你在意什么
• 对方在意什么
• 你们冲突的结构是什么
• 你下一句怎么说更有效

直接可用的“对话脚本”请求

我想处理一段关系问题。
背景（100-200 字）：【发生了什么】
我的目标：
- 我希望对方理解什么
- 我希望达成什么结果
限制：
- 不道德绑架
- 不翻旧账
请输出：
1) 我可能真正的需求（用 3 条写出来）
2) 对方可能的感受（用 3 条写出来）
3) 我可以发给对方的一段话（不超过 120 字，语气温和）
4) 对方可能的 3 种回复 + 我怎么接

你会发现 AI 在“当沟通教练”时，比“当裁判”强太多。

6）场景四：请教硬核知识（量子计算/密码学/分布式）别只要解释，要它当你的“助教”

你看量子计算资料最痛苦的点不是难，是“每句话都要查三层背景”。

解决办法：让 AI 先搭脚手架。

一次把学习路线和练习题要出来

我想学【主题】，目标是能【具体目标：比如看懂某篇论文/实现某算法】。
我的基础：
- 数学：线代/概率/复数（掌握程度）
- 编程：Python/C++（掌握程度）
请输出：
1) 10 个必须懂的概念（每个 2 句话解释）
2) 学习路径（按“能动手验证”的顺序）
3) 3 个小练习（每个附标准答案或检查方法）
4) 我容易踩的 5 个坑

你会学得更像“做项目”，少一点“背概念”。

7）场景五：合规/业务问题（KYC 这类）别让 AI 猜，你要给它“边界条件”

KYC 这类问题，AI 最爱犯的错：讲一堆原则，落地细节含糊。

你要做的是把业务边界说清：地区、行业、数据类型、是否金融、是否加密资产、是否出海。

模板：让 AI 输出“决策表 + 流程图文字版”

我们要做【业务】的 KYC/AML 设计。
业务信息：
- 地区/用户来源：
- 是否触发金融监管：
- 需要收集的数据类型：
- 风险偏好：保守/平衡/激进
请输出：
1) KYC 分级策略（L0-L3），每级要什么材料
2) 触发升级的条件（用表格）
3) 数据留存与访问控制建议
4) 可选的第三方方案清单（偏能力维度，不要广告）
5) 你不确定的地方列出来，让我补信息

你给得越具体，它越像合规顾问；你给得越虚，它越像公众号。😅

8）一套通用“高命中提示词结构”：把 AI 当同事交接

你可以把任何问题套进这个结构：

• 背景：发生了什么，限制是什么
• 目标：你要的结果长什么样
• 输入：你已经有的数据/代码/对话内容
• 输出格式：表格/清单/脚本/代码块
• 验收标准：怎样算完成
• 风险提醒：要它提前指出坑

示例（通用版）：

背景：
目标：
我已有的输入：
你输出要包含：
格式要求：
验收标准：
请在末尾附：风险点 + 我下一步该补的 3 个信息。

这比“帮我看看”强十倍。

9）避坑清单：别把 AI 用成“幻觉制造机”

下面这些坑，踩一次就长记性：

• 把 AI 当权威引用：涉及事实、法律、医学、金融，必须二次核查。AI 可以给方向，不负责背锅。
• 不给上下文：你心里很清楚的限制条件，AI 不知道。它就会自己编。
• 让它一次做太多：想要完美方案、完美代码、完美文案。结果通常是“每样都像样，每样都不落地”。
• 隐私随手丢：身份证、银行卡、公司未公开数据、聊天截图别直接贴。用脱敏版。
• 把灰区问题问得太直：你可以讨论风险、合规边界、合法替代方案。别期待它带你走捷径。

10）给你一套“日常使用”的轻量流程（真的好坚持）

你每天就做三件事：

• 写问题前用一句话定义类型：执行/研究/决策/沟通
• 丢“分身说明书”，把输出格式锁死
• 让它在末尾给你：checklist + 3 个追问

你会发现自己越来越像在管理一个高效团队，而不是在“求助”。

结尾：你不是更孤独，你是在升级沟通方式

真人聊天变少不一定是坏事。

很多琐碎、重复、尴尬、怕打扰别人的问题，交给 AI 处理更合理。

把 AI 当“分身顾问”，把真人留给更重要的事：一起吃饭、一起做决定、一起扛情绪。

要不要我帮你把你的常用场景（写代码/研究/感情/合规）整理成一套可直接复制的个人提示词库？你给我 3 个你最常问的问题类型就行。