为什么你给 AI 的指令，结果总是跑偏？

深度思想，谈 AI 与向往 —— 字节深思圈

一个很常见的挫败：你给 AI 写了一段很详细的指令，结果做出来的东西完全不是你想要的。你的第一反应可能是"AI 不行"，于是换模型、换工具、重写指令。

但往往问题不在 AI。问题在于：你以为你说清楚了，其实你没说清楚。

你以为的地图，和真实的地形

想清楚一个比喻：你给 AI 的，是一张地图；但 AI 要走的，是真实的地形。

你脑子里对任务有一个完整的想象：目标是什么、风格是什么、什么是好什么是坏、哪些是底线。但你说出来的，只是这个想象的一小部分。剩下那部分没说的，AI 不知道，只能靠猜。猜对了是运气，猜错了是必然。

所以"指令详细"不等于"指令完整"。你写得多，不代表你说全了。

三种"你不知道你没说"的东西

你说没说的东西，分三种，越往后越隐蔽。

第一种，你不知道该说的。任务本身很复杂，有些信息你自己都没意识到要说。你压根没想到，自然也没写。这是最危险的一种。

第二种，你以为不重要的。你觉得"这还用说吗"，就省略了。但对 AI 来说，它不会"默认"，你不说它就当没有。你以为的常识，是它的盲区。

第三种，你想表达但表达不清的。你心里有，但文字说不清，说了等于没说。这种你自己知道，但 AI 接收不到。

三种加起来，就是"你给的地图"和"真实地形"之间的差距。差距越大，AI 跑偏越严重。

最实用的解法：让 AI 帮你找出盲区

怎么补这个差距？最反直觉的一招是：别急着下指令，先让 AI 帮你找出你漏了什么。

让 AI 先问你要补充什么：让它列出"为了做好这个任务，你还需要知道什么"。它会把你的盲区摊开给你看——那些你不知道该说的、你以为不重要的。你逐条补上，再让它开工。

这一步看似慢，实际是省时间。因为不提前问清楚，做出来的东西大概率要返工。返工三次的成本，远高于提前问一次。

落到行动

下次给 AI 下指令前，先做两件事：

一，先让 AI 问你需要补充什么，把它的提问当镜子，照出你的盲区。

二，把脑子里的"想当然"逐条写出来——目标、风格、底线、什么是好什么是坏。你以为不用说的，恰恰是最需要说的。

AI 跑偏，十次有九次不是 AI 的问题，是你的地图不全。把地图画全，比换一个更好的 AI 有用得多。

要点：指令详细不等于指令完整；地图和真实地形有差距；三种盲区（不知道该说/以为不重要/说不清）；先让 AI 帮你找出盲区再开工。