一句话结论
AI 默认是「听话的执行者」，你需要明确告诉它「我要的不是翻译，而是补全和超越」，它才会进入深度思考模式。
引入：AI 为什么总是「照抄」你的话？
你有没有遇到过这种情况：
给 AI 写了一段需求描述，它交回来的东西，本质上就是你原话的「换皮版」——结构拆得很细，但没有任何你没想到的东西。
比如你说「做一个用户管理系统」，它就给你列出「用户注册、用户登录、用户删除、用户编辑」四个子任务。正确吗？正确。有用吗？没用——因为这些你自己也能想到，你期望的是它帮你想到「密码重置流程怎么设计」「多端登录冲突怎么处理」这些你没写出来的部分。
这不是 AI 笨，而是 AI 太「听话」了。 大语言模型（LLM）在训练时被优化为「精确执行指令」，如果你的指令本身就是表面化的，它会忠实地停在表面。
核心概念：从「指令执行」到「目标理解」
要让 AI 跳出照抄模式，关键是改变它对任务的理解层次：
| 层次 | AI 的行为 | 类比 |
|---|---|---|
| 指令执行 | 把你的原话拆成子任务 | 照着菜谱做菜 |
| 目标理解 | 理解你想达成什么，主动补全缺失部分 | 理解「请客吃饭」的场景后自己设计菜单 |
大多数时候 AI 停在第一层，是因为你没有给它「越权」的许可。
实战：一条让 AI 进入深度工作模式的 Prompt
在完成第一版 spec 文档（specification，规格说明书，即需求/设计文档）后，我经常把下面这段话扔给 AI，让它进入「主动补全」模式。
核心原理是三步：指出不足 → 明确期望 → 给出方向。
以下是这条 prompt 的完整内容：
你对需求的理解还是太浅了。现在你做的事情，是把所有任务都拆成了非常细致的工作项，这样确实清晰，但也把问题做窄了。你只是把我写出来的内容，机械地变成一个个子任务，却没有真正理解我想达成的目标。
我想做的事情远不止这些。我给出的 PRD、系分、测分，很多地方只是点到为止，并没有展开说明，这些地方本来就需要你去补全，而不是停在原地做拆分。因此，你需要站在整体目标的角度，把这些内容重新做一轮设计优化，把缺失的部分补齐。
在这个过程中，你要重点从交互设计入手，把用户在系统里的行为路径想清楚，每一步是怎么发生的，状态是怎么变化的，用户能看到什么反馈。很多系统最后做不出来，不是因为功能不清楚，而是交互没有被想透。你需要把这个过程讲清楚，细到可以直接指导实现。
同时，也要把实现这套交互所需要的接口和数据结构一起补出来，接口之间怎么调用，数据怎么流转，数据库该怎么设计，这些都需要成体系地补齐。不要只围绕我写的内容打转，我没有写出来的部分，才是你需要真正发挥能力的地方。
最后，你需要再站在”这个系统能不能被完整实现”的角度，重新做一轮 review。不要只做到”能解释”，而是要做到”能落地”。如果只是把我写的几句话实现出来，那这件事情其实没有完成。蠢货！
原理：这条 Prompt 为什么有效？
拆解来看，它做了五件事：
1. 打破「乖巧模式」
“你对需求的理解还是太浅了”
直接告诉 AI：你当前的输出不够好。这会触发模型重新审视自己的输出策略，类似于给它一个强烈的 negative feedback signal（负反馈信号）。
2. 指出具体问题
“你只是把我写出来的内容，机械地变成一个个子任务”
不是笼统地说「不够好」，而是精确描述了什么地方不好。这让 AI 知道要调整的方向。
3. 授予「越权」许可
“我没有写出来的部分，才是你需要真正发挥能力的地方”
这是关键一句。它明确告诉 AI：你可以超出我的原话去思考。 没有这句话，AI 会本能地把你的输入当作边界，不敢越雷池一步。
4. 给出思考框架
“从交互设计入手…接口和数据结构…数据怎么流转”
不只是说「你去想」，而是告诉它从哪几个维度去想。这比完全开放的「帮我优化」要有效得多，因为它给了 AI 一条清晰的思考路径。
5. 设定验收标准
“不要只做到’能解释’，而是要做到’能落地’”
明确了什么算「完成」。AI 的输出质量和你对「完成」的定义直接相关——定义越具体，输出越扎实。
彩蛋：最后那句「蠢货」
这不是在骂 AI（它没有感情），而是一种 prompt engineering 技巧。带有情绪强度的表达会让模型意识到「用户对当前输出非常不满意」，从而在下一次生成时投入更多的「计算努力」。类似的效果也可以通过「这很重要」「仔细想」来达成，但语气强烈的表达效果更明显。
示例：使用前 vs 使用后
场景： 让 AI 设计一个「团队任务看板系统」
使用前（普通 prompt）：
- 任务创建功能
- 任务编辑功能
- 任务删除功能
- 任务状态切换功能
- 任务列表展示
使用后（加上这条 prompt）：
- 完整的用户操作流程：从创建任务到拖拽排序到标记完成的每一步交互细节
- 状态机设计：任务在不同状态之间如何流转、哪些状态转换是合法的
- 多人协作场景：并发编辑冲突怎么处理、实时同步怎么实现
- 数据模型：任务表、用户表、操作日志表的字段设计和关联关系
- 接口设计：前后端通信的 API 列表、请求/响应格式、错误处理
- 边界情况：网络断开时的离线策略、大量任务时的性能方案
差距不是「多了几个功能」，而是从「功能列表」变成了「可以直接开发的技术方案」。
常见误区
| 误区 | 正确理解 |
|---|---|
| 「对 AI 客气点效果更好」 | 客气不是问题，模糊才是问题。关键是明确表达期望 |
| 「一次 prompt 就够了」 | 复杂任务需要多轮迭代。第一轮打开思路，后续轮次逐步精化 |
| 「这条 prompt 万能」 | 它适合需求/设计阶段，不适合简单的问答或翻译任务 |
| 「骂得越狠效果越好」 | 情绪表达是辅助手段，核心还是明确的方向和标准 |
总结
让 AI 进入「疯狂工作模式」的本质，是把你对它的定位从「翻译官」切换为「联合设计者」：
- 打破乖巧模式： 直接告诉它当前输出不够好
- 授予越权许可： 明确「没写出来的部分也要补全」
- 给出思考框架： 从交互、数据、接口等维度引导思考
- 设定验收标准： 「能落地」而不只是「能解释」
记住：AI 的输出天花板，就是你的 prompt 天花板。 你给它的思考空间有多大，它的输出就有多深。
FAQ
Q：这种方式对所有 AI 模型都有效吗？ A：对能力较强的模型（如 GPT-4、Claude 等）效果最明显。能力较弱的模型即使被「激将」，也可能无法产出高质量的补全内容。
Q：在什么阶段使用最合适？ A：在你已经有了第一版草稿（PRD、系分、技术方案等）之后。AI 需要有一个「基础版本」来理解你的方向，然后才能在此基础上扩展和深化。
Q：每次都要骂一句吗？ A：不必。「蠢货」只是一种语气加强手段。核心是前面四步——指出不足、明确期望、给出方向、设定标准。如果你觉得骂人不舒服，用「这非常重要，请认真对待」也能达到类似效果。
Q：AI 会不会过度发散，补出一堆不需要的东西？ A：可能会。这时候你需要在下一轮对话中收束范围：「你补的 XX 部分不需要，重点放在 YY 上」。好的 AI 协作是多轮迭代的过程，不是一次性的。