通过之前的文章，写prompt应该都有一定的技巧，
可以写出不错的文章，但是对结果不满意的时候，
你是不是也这样：
写一句 Prompt → 不满意 → 改一下 → 再试
一开始觉得很正常。
但用多了之后，会慢慢发现一个问题：
👉 很累，而且不稳定。
有时候你改一句，效果明显变好。
有时候你改完，反而更差。
甚至会出现一种情况：
👉 你已经不知道该怎么改了
后来我试了一个方法，思路直接变了。
不是我去调 Prompt，而是——
👉 让AI自己优化自己的结果
一、为什么你总是在“手动调Prompt”？
其实大多数人用AI，都在做一件事：
👉 人肉调参
流程大概是这样：
这本质上和你在调模型参数是一样的，只不过你是在用“语言”调。
问题在于：
👉 这个过程没有反馈机制
你只是“感觉不好”，然后改。
但你并没有明确：
所以结果就变成：
👉 越改越玄学
二、一个很简单的改变，让结果直接稳定下来
后来我做了一件很小的改动。
把“一次提问”，改成“三步”。
✅ 基础版模板（可以直接用）
请完成以下任务：
第一步：生成结果
第二步：从以下角度批评结果：
- 是否空洞
- 是否具体
- 是否有吸引力
第三步：根据批评，重写结果
就这么简单。
但效果差别非常明显。
三、一个实际对比（你可以自己试）
比如你写：
👉 第一版通常是这种：
但如果你换成三步：
1. 写一篇关于AI副业的文章
2. 批评文章：
- 是否空洞
- 是否具体
- 是否有案例
3. 重写文章
👉 第二版通常会出现这些变化：
不是因为模型变强了。
而是你让它多做了一件事：
👉 自我评估
四、为什么这种方法会有效？
很多人以为AI只是在“生成内容”。
但其实它还有一个能力：
👉 判断内容质量
当你只问一句时：
👉 模型只调用“生成能力”
当你加上这一步：
👉 批评 + 重写
本质上你做的是：
👉 强制模型进行二次推理
可以理解为：
第一次输出 → 粗稿
第二次输出 → 修改稿
而现实里：
👉 修改稿几乎一定比初稿好
五、关键不在“三步”，而在“怎么批评”
很多人照抄这个结构，效果一般。
问题通常出在这里：
👉 批评写得太模糊
❌ 这种基本没用
模型其实不知道你要什么。
✅ 更有效的写法
请从以下角度批评：
- 是否具体（有没有细节或例子）
- 是否有信息量（有没有干货）
- 是否有吸引力（是否想继续读）
👉 这里有一个关键点：
你在定义“好内容的标准”
AI不是不知道怎么写好。
是你没有告诉它：
👉 什么叫“好”
六、再进阶一步：让AI帮你优化Prompt本身
如果你再往前走一步，会更有意思。
你可以这样写：
当前Prompt：
写一篇AI副业文章
请分析这个Prompt的问题，并优化它，使输出更具体、更稳定
你会发现：
👉 它会主动帮你补：
这时候你已经不是在用Prompt了。
而是在做一件更高级的事：
👉 让AI参与Prompt设计
七、一个我自己常用的完整模板（直接抄）
如果你不想自己想，我给你一套我平时用的：
请完成以下任务：
1. 输出初版结果
2. 从以下角度批评：
- 是否具体
- 是否有逻辑
- 是否有信息密度
- 是否有吸引力
3. 给出优化建议
4. 根据建议重写
这一套下来，有几个明显好处：
👉 输出更稳定
👉 不太靠运气
👉 基本不会太水
