你有沒有這種經驗：問 ChatGPT 一個問題，它給你一大段文字，讀起來很順、看起來很專業，但真要拿去用，才發現「這誰都寫得出來」。它給的是正確但沒用的答案。
問題通常不在你不會下指令，在你丟給它的資訊太少，它只能猜你要什麼，然後為了不猜錯，給你一個誰都能套用的安全答案。這篇給你一個可以直接複製貼上的 反問式 prompt：讓 AI 在回答前，先反過來問你 3 到 5 個問題，等你補完脈絡，再給真正貼合你處境的建議。整個技巧只有一段指令加三個步驟，在 ChatGPT 上最好用，在 Claude、Gemini 一樣有效。
為什麼 ChatGPT 的回答總是很空泛？因為它在猜你要什麼
ChatGPT 給空泛答案，多數時候問題不在能力，在資訊不足。你問「幫我寫一封給團隊的信」，它不知道你的團隊多大、氣氛如何、你想達到什麼效果，於是取一個對所有情況都不會錯的最大公約數，寫出一封任何主管都能寄的信。你給的脈絡越少，它退得越遠、講得越通用。
這也是為什麼同一個問題，有人用 ChatGPT 覺得神、有人覺得雞肋，差別往往不在工具，在輸入的資訊密度。多數人遇到空泛答案會覺得「這個 AI 不好用」，但真正卡住的，是我們預設它讀得懂腦中沒說出口的那一半。這點在 員工上完 AI 課卻什麼都沒改變 的現象裡也看得很清楚：工具會用，卻不知道怎麼把自己的真實情境餵給它。
Step 1：把這段反問指令貼在你的問題前面
反問式 prompt 的第一步，是把一段固定指令接在你原本要問的內容前面，一起送出。它的作用是把「提問權」暫時交還給 AI，要它先問清楚你的處境，確認方向對了再作答。下面這段模板可以直接複製，貼在你的問題前面就行。
基本模板：
「在你回答之前，先別急著給答案。請先問我 3 到 5 個能讓答案更精準的問題，例如我的目標、對象、限制條件、還有我已經試過什麼。等我回答完，你再根據我的回覆給出完整建議。」
怎麼確認做對了：它的第一個回應會是幾個要問你的問題，不會直接丟答案。如果它還是逕自開始回答，補一句「先問，不要先答」把指令壓住。這是最低門檻就能拉高輸出品質的 AI 工具應用 基本功，不需要背任何術語。
Step 2：認真回答它反問的 3 到 5 個問題
第二步是整個技巧的核心：把它問你的問題，一題一題認真回。不用寫得漂亮，把真實的限制、對象、你在意的點講出來就好，越具體越好。你回答的資訊密度，直接決定最後答案的精準度，敷衍回，它也只能還你半調子。
如果它問得太發散，你可以只挑最關鍵的一兩題回答，其餘請它「用合理假設補齊」。重點是把腦中最關鍵的那塊脈絡補進去，不必每一題都寫成論文。
Step 3：讓它根據你的回答重新作答
第三步，回完它的問題後補一句「好了，請根據以上重新給我完整建議」，它就會把你補的脈絡全部吃進去，重新產出。這時你會看到答案裡出現只屬於你這個情境的細節，而不是換家公司也能照抄的通用版。
怎麼確認做對了：新答案裡有你的部門規模、你提過的限制、你在意的風險，這些具體的東西。如果還是很泛，通常是 Step 2 回得太簡略，把脈絡補得更細再讓它重跑一次即可。
Before / After：同一個問題，空泛答案 vs 反問後的答案
同一個問題，用不用反問式 prompt，拿到的東西差很多。下面用一個跨部門都會遇到的情境對照：你想請 AI 幫忙草擬一份「全公司 AI 使用政策公告」。直接問，它給你一段誰都能發的場面話；先讓它反問，它逼你把真正該決定的邊界想清楚，公告才發得出去。
| 環節 | 直接問（空泛） | 反問式 prompt（精準） |
|---|---|---|
| 你的輸入 | 「幫我寫一份全公司 AI 使用政策公告。」 | 同一句話，前面加上反問指令 |
| AI 第一反應 | 立刻生出一段公告 | 先問你：允許用哪些工具？機密資料能不能上傳？違規怎麼處理？強制還是鼓勵？對象是全員還是特定部門？ |
| 產出品質 | 泛談「鼓勵善用 AI、注意資安」，沒有具體條款 | 依你的回答列出可上傳／禁止上傳的資料類型、指定工具、違規流程，可直接發布 |
| 你之後要做的 | 幾乎整份重寫 | 微調用字就能上 |
差別不在 AI 變聰明了，在你被它逼著把「該你決定的事」先決定好。
進階變體與什麼情況不該用
基本模板夠應付八成場景，剩下兩成可以微調反問的方式。判斷該不該用的原則很簡單：這個問題換個人問、答案會不會不一樣？會，就用反問；不會，直接問。以下三個變體可直接複製，接在你的問題前即可。
限定題數（趕時間用）：「回答前先問我最多 3 個最關鍵的問題，問完就好，不要一次丟十個。」
要它先列假設（你自己也還沒想清楚用）：「如果你要直接回答，請先列出你對我處境所做的 3 個假設，標明哪些不確定，再往下答。」你一眼就看出它誤解了哪裡，直接更正那一點。
一次只問一題（複雜決策用）：「請一次只問我一個問題，根據我的回答再決定下一題，像顧問訪談一樣，問到有把握再給建議。」
什麼情況直接問就好：簡單事實查詢（匯率、單字拼法、Excel 函數）答案唯一，反問只是浪費一輪；你要的是大量發散的點子時，反問會提早收窄方向；你已經把目標、對象、限制交代得很完整時，它沒東西可問。
FAQ
反問式 prompt 每次都要重打嗎？
不用。你可以把基本模板存成記事本便條、輸入法短語，或放進工具的自訂指令裡，讓它預設就先問再答，要用時貼上去就好。真正需要動腦的地方不在重打指令，在認真回答它反問的那幾題，那才是決定答案品質的關鍵。收進常用短語庫後，之後每次只花幾秒就能啟動。
這招在 Claude、Gemini 也能用嗎？
可以，效果一樣好。反問式 prompt 不依賴任何特定模型的功能，它利用的是所有大型語言模型共通的特性：你給的脈絡越多，答案越精準。ChatGPT、Claude、Gemini 都吃這一套，同一段指令可以跨工具通用。差別只在各家反問的語氣和題數略有不同，先問再答的邏輯完全一致。
為什麼不直接把所有背景一次寫清楚就好？
因為你常常不知道自己漏了什麼。你一次寫背景，是用你的視角判斷什麼重要；讓 AI 反問，是用它「要回答這題需要哪些資訊」的視角來補你沒想到的缺口。兩者可以並用：先寫一段你想到的背景，再讓它反問補齊，拿到的答案通常比你單方面寫一大段還準。
反問式 prompt 適合用在工作以外的地方嗎？
適合。任何「答案會因人而異」的問題都受用，例如規劃旅行、挑禮物、做飲食或運動計畫。這些問題不給脈絡，AI 只能給你網路上找得到的通用版；讓它先問你預算、偏好、限制，建議才會像為你量身做的。判斷標準跟工作場景一樣：只要換個人問、答案就會不同，反問式 prompt 就幫得上忙。
關於智谷
智谷網絡（Kvalley Network）自 1996 年創立，專注企業 AI 轉型與中高階主管培訓，累計服務 3,000+ 家企業、75,000+ 小時訓練執行時數、年度訓練 30,000+ 人次。
反問式 prompt 這種「不靠術語、立刻能用」的小技巧，正是我們在 個人 AI 技能診斷 裡帶學員盤點的基本功之一：先搞清楚你每天的工作任務裡，哪些是「你其實可以問得更好」的地方，再對症下藥。我們的 AI 卡牌工作坊也用同一套邏輯，把抽象的「AI 素養」拆成一張張看得懂、用得上的能力卡。想把 AI 從「會開來用」練到 真正提升職場效率，可以從一堂 企業 AI 應用力培訓 開始。想看更多可直接套用的指令，這份 20 套 ChatGPT 指令工具包 也值得收藏。
研究來源
- 本文為智谷內容團隊實作整理，所有 prompt 模板皆經實測可直接複製使用，無外部研究數據引用。
CTA：想讓團隊每個人都問得出好答案，預約一場智谷 AI 應用力諮詢。