先别回答：一段让 Codex 先问再答的 Prompt

先说结论

一段来自 Reddit 的高赞 Prompt，把「问 AI」这件事从「要答案」改成了「先对齐问题」。我在 Codex 上反复试了几次之后，提问的习惯被它改掉了：以前是丢一句话等结果，现在会先让模型把问题拆开，再回答。

这段 Prompt 的原文如下：

请先不要回答我的问题。在给出答案之前，请先完成以下分析：

1、指出我在这个问题中没有明确说出、但已经默认成立的假设；

2、告诉我还缺少哪些关键信息，以及这些信息可能如何改变你的答案；

3、指出人们在处理这类问题时最常犯的一个错误。

然后，请只向我提出一个最关键的问题。这个问题应该能够帮助你理解我的真实目标和具体情况，让最终答案真正对我有用，而不是一份谁都能套用的通用建议。

等我回答以后，你再给出最终输出。

我的问题是：[粘贴你的问题]

它到底在做什么

普通提问的流程是单向的：我把问题丢过去，模型顺着字面意思给一段回答。问题在于，字面意思往往不是真实意图。我少说了背景，模型就只能按最常见的情况补全，补出来的东西看着完整，落到我的场景里却用不上。

这段 Prompt 把流程拆成了两段：先诊断，再作答。它要求模型在动笔之前完成三件事——把我没说出口却已经默认的前提摊开、把缺失的关键信息列清楚并说明它们会怎样影响结论、指出这一类问题上最容易踩的坑。做完这三步，它只允许问一个问题，然后停下来等我回答。

三个分析项各自的价值

默认假设是最容易被忽略的一项。我们提问时习惯省略自己认为「不用说的部分」，可正是这部分决定了答案的方向。让模型先把它明白地写出来，等于把隐含前提摆到台面上，我可以直接判断：这条前提成立吗？如果不成立，后面的答案就都不用看了。

缺失信息这一项解决的是「答非所问」的根源。模型会告诉我它缺什么，以及这些信息会如何改变它的答案。这比直接给一个通用回答有用得多——我能看到答案的分岔点在哪里，也就知道该补充什么。

常见错误提供的是外部视角。人在自己的问题上容易钻牛角尖，让模型先点出这一类问题的典型误区，相当于在开始之前先排掉一个雷。

为什么只问一个问题

这是整段 Prompt 里最关键的限制。如果允许模型连续追问，它很容易一次抛出七八个问题，把整理思路的活儿又推回给我。限定成一个问题，模型就必须判断：在所有缺失的信息里，哪一条对最终答案的影响最大。它被迫做取舍，我也只需要回答一条。

这个问题的定位也很明确——不是为了补充细节，而是为了弄清我的真实目标和具体情况，让最后的输出是给我用的，不是一份放之四海皆准的通用建议。

我在 Codex 上的实际用法

把这段 Prompt 存成固定模板，每次提问时把具体问题替换到最后一行的占位符里。几次下来，感受比较明显的有两点：

一是回答的针对性变强了。模型先问、我再答，最终输出会贴着我的实际场景走，而不是停留在「一般来说可以这样做」的层面。

二是省掉了来回返工。以前经常是拿到回答后才发现方向不对，再重新描述一遍需求；现在方向在第一步就校准了。

需要说明的是，这套流程会多花一轮对话。问题简单、目标明确的时候，直接问效率更高；它更适合那种自己也没想清楚、或者涉及具体场景和约束的问题。

一点提醒

这段 Prompt 不会让模型变聪明，它改变的只是信息的流动顺序：先确认理解，再给结论。真正起作用的部分，是它逼着提问的人把问题想清楚——包括那些自己都没意识到的默认前提。