用「费曼技巧」检验你的 AI 提示词质量

你写了一个提示词，AI 给了一个答案——但你怎么知道这个答案好不好？

大多数人靠直觉："看起来还行"。但直觉是最不可靠的质量控制工具。今天分享一个经过验证的方法：用费曼技巧反向检验提示词。

什么是费曼技巧？

物理学家费曼有个习惯：每学一个新概念，就尝试用最简单的语言讲给一个完全不懂的人听。如果讲不清楚，说明自己也没真懂。

把这个逻辑搬到 AI 提示词上：如果你的提示词能让 AI 给出一个"外行也能看懂"的回答，那这个提示词大概率是高质量的。

具体怎么做？三步走

第一步：让 AI 用"给小白讲"的方式回答

在你的提示词末尾加一句：

请用给完全不懂这个领域的人讲解的方式回答，避免专业术语，用类比和例子说明。

如果 AI 的回答变得空洞、泛泛而谈，说明你的原始提示词缺乏足够的上下文约束。

第二步：自己读一遍，问三个问题

1. 我能转述给别人吗？ 如果读完 AI 的回答，你无法用自己的话复述核心观点，说明提示词没引导出真正有价值的信息。
2. 有没有"正确的废话"？ 比如"要注意细节"、"保持专注"——这些永远正确但永远没用。
3. 有没有具体的行动步骤？ 好回答应该包含"做什么、怎么做、做到什么程度"。

第三步：迭代提示词

根据第二步发现的问题，针对性修改：

• 回答太泛 → 加具体场景和约束条件
• 有废话 → 加"请给出可操作的建议，不要泛泛而谈"
• 缺步骤 → 加"请按步骤列出，每步包含具体动作和预期结果"

什么时候用？什么时候不用？

适合的场景：
- 写教程、指南、SOP 类内容
- 需要向非技术人员解释技术方案
- 准备培训材料或客户交付文档
- 自己学习新领域时，用 AI 做"老师"

不适合的场景：
- 需要高度专业的技术文档（费曼简化会丢失精度）
- 创意写作（不需要"讲清楚"，需要"打动人"）
- 数据分析和代码生成（用测试用例验证，不是用语言验证）

快速检查清单

• [ ] 提示词末尾加了"给小白讲"的约束
• [ ] AI 的回答能用自己的话复述
• [ ] 没有"正确的废话"
• [ ] 包含具体行动步骤
• [ ] 至少迭代了一轮提示词

常见踩坑

1. 一次就满意：费曼技巧的核心是迭代，第一次回答几乎肯定不够好。
2. 过度简化：给小白讲 ≠ 说废话。好的简化是保留核心逻辑、去掉冗余细节。
3. 只检验不修改：发现问题但不改提示词，等于白做。

一句话总结

好提示词的标准不是 AI 回答得多专业，而是回答得多清楚。费曼技巧就是帮你检验"清楚"的尺子。