核心提问方法论
精准提问是获取有效回答的前提，掌握以下结构化表达方式可提升交互效率：
场景化描述原则
- 明确标注应用场景：工作汇报/学术研究/代码开发
- 设定具体约束条件：字数限制/专业深度/格式要求
- 示例对比：将”解释机器学习”优化为”用汽车零部件比喻说明机器学习基础概念”
分层递进策略
- 基础认知层：概念定义与核心要素解析
- 实践应用层：行业具体场景实施方案
- 进阶优化层：效能提升与风险规避方案
效能增强技术
多轮对话优化
建立上下文关联机制，通过连续追问完善知识图谱。当获得初步答案后，使用”基于这个结论，请进一步说明…”等引导句式深化内容。
跨模态验证法
- 文本结果图表化重构验证
- 代码输出单元测试验证
- 学术观点文献溯源验证
典型问题处置方案
| 问题类型 | 应对策略 |
|---|---|
| 信息过时 | 添加时效限定词：”根据2024年最新研究” |
| 逻辑矛盾 | 启用对比分析指令：”请分别论证正反观点” |
| 专业偏差 | 设定领域约束条件：”从临床医学角度解释” |
实战应用案例库
技术文档解析
输入”将Kubernetes网络模型文档转换为运维检查清单”，系统自动生成包含网络策略验证、服务发现测试等15项检查项的操作指南。
商业分析增强
- 原始提问：新能源汽车市场分析
- 优化提问：2024年Q2中国新能源车市竞争格局及供应链风险评估
- 输出差异：新增电池原材料波动影响模型与区域政策敏感性分析
