AI 回答太笼统，多半不是模型不会答，而是任务没限定对象、范围和输出形态，先改这三处，答案通常就能直接用。
很多人第一反应是继续补一大段背景，其实顺序反了。背景再多，如果没说清写给谁看、按什么标准判断、最后要交什么形式，它还是只能给一份谁都能用的通用稿。
为什么会笼统
笼统的根源是问题太开放。你只说帮我写个方案、给我点建议，它不知道读者是谁、要解决哪一步、篇幅要多长，只能把常见要点都列一遍。看起来全面，落到你的场景里却没法执行。
改法一：给对象和场景
先说清写给谁、在什么场景用。同样是写通知，写给第一次参加活动的新人，和写给已经熟悉流程的老成员，语气和需要提醒的细节完全不同。把对象、场景、使用目的放在问题开头，它就不会再用通用口吻绕圈子。
改法二：给判断标准或示例
再告诉它什么样算好。你可以给一个你认可的例子，让它照着结构和语气写；没有例子，就直接列标准，比如要有具体时间、要能照着做、不要空话。有了参照，它才知道该往细里写，而不是往全里写。
改法三：限定输出形态
最后限定它怎么交卷：要多少字、分成几条、要不要表格、是只要结论还是要带理由。你只要结论，就明确说不要解释过程；你需要对比，就要求用表格列优缺点。形态一限定，多余的铺垫自然就少了。
追问时可以直接这样说：“请按刚才的标准重写一遍：写给第一次接触这件事的新手看，分成三条，每条先给做法再给注意事项，总字数控制在三百字以内，不要补充背景介绍。”把对象、标准、形态一次说全，比反复说再具体一点有效得多。
什么时候别再追问
也要认清边界。有些笼统不是问法的问题，而是模型确实不知道你的内部细节，或手头资料不足。这时再换十种问法也救不回来，你该做的是把文档、数据、原稿直接喂给它，让它基于材料回答。
还有一种情况要及时停：如果同一个问题你已经追问三轮，答案还是空，还是在重复大道理，就别再纠缠原问题。把大任务拆成更小的步骤，一步只让它解决一个小问题，往往比继续追问更快。
下次再遇到回答太笼统，先别急着加背景，按对象、标准、形态这三项逐个补齐再发出去，这就是你马上能做的下一步。
