同一个知识点，有人问一句就豁然开朗，有人问十轮还是云里雾里，差别往往不在 AI，而在提问的结构。学习场景的提示词有一套固定的四步走法：先定标，再要结构，要例子，最后靠追问收尾。本文拆解这四步，附问法对比与两个进阶技巧，改几个词就能用。
为什么”给我讲讲X”得不到好答案
同样想搞懂一个知识点，有人问一句”给我讲讲通货膨胀”，得到的回答照本宣科，看完还是不懂；有人用四五个来回就把同一个概念吃到能讲给别人听。差别不在模型，而在提问方式。”给我讲讲”是把自己的位置摆成被动的接收者，模型不知道你的基础、不知道你卡在哪、也不知道你要学到什么程度，只能输出一份面面俱到但谁看了都无感的百科式回答。学习场景的提示词，核心是让 AI 变成一个会因材施教的老师，而不是一台朗读机。
四步提问结构：定标、要结构、要例子、追问
- 第一步定标：先交代你是谁、学到哪一步、要达到什么程度。例如”我是编程零基础的产品经理，想理解数据库索引是为了和开发沟通方案，不需要会写 SQL”。同一段知识，给不同人讲的切口完全不同，定标越准，第一轮回答就越对路。
- 第二步要结构：明确要求”先给我这张知识地图，不超过五个要点，每个要点一句话”。先骨架后血肉，能有效防止模型一上来就往细节里钻。
- 第三步要例子：这是最关键的一步。要求”每个概念配一个我熟悉领域的生活化例子”，例子对上号，抽象概念才算真的落地。
- 第四步追问：不要一轮结束。用”这个解释里我最没看懂的是第二点，换一个角度再讲””如果我只能记住一件事，应该是哪件”这类追问逼模型换路子重讲。
示例：同一个知识点，两种问法
低效问法：“给我讲讲数据库索引。”——你会得到定义、分类、原理三段式，术语密度很高，读完记不住。
四步问法：“我是零基础产品经理（定标），请用不超过五个要点概括数据库索引是什么、解决什么问题（要结构），每个要点用一个图书馆或手机相册的类比来解释（要例子）。”得到第一轮回答后追问：”索引会不会有代价？用刚才的类比说明。”两三个来回之后，你不仅能复述，还能回答”为什么不能每个字段都建索引”这种面试级问题。
对比两组回答的信息量，差距主要来自结构约束和例子锚定，而不是模型”发挥”得更好。完整的结构化公式可以参考这篇通用提示词结构公式，学习场景只是把五个维度换成了四个提问动作。
两个进阶技巧：让它考你，再让它挑错
在四步之外，还有两个技巧能把吸收率再抬一档。它们的共同点是让你从”看懂了”走向”能输出”，而后者才是真正的掌握。
反向提问是最被低估的用法：”基于刚才的内容，出五道由易到难的问题考我，我答完你再逐题批改。”输出变输入，一遍测试胜过三遍重读，模型还能根据你的错题继续定向补讲。
费曼检验：把你的理解用自己的话讲给 AI 听，然后说”请指出我这段理解里的错误和遗漏”。让模型当批改老师，它对概念的错误直觉会毫不留情地被戳穿——这正是自学的短板。
追问和改写的更多手法，可以结合ChatGPT 提示词的四步改写技巧一起用；遇到知识点之间的争议或更新内容，再用AI 搜索工具做一次交叉核实，避免学到过时的结论。
三个常见错误
- 一轮式学习：问一次就存答案。知识是在追问和纠错中长出来的，至少安排两到三个来回。
- 不交代基础：不说明自己的水平，模型只能按”平均值”讲，结果要么太浅要么太深。
- 只存不复述：收藏了一堆回答，从没用自己的话讲过一遍。学没学会的唯一标准是能不能讲出来，讲不出来就回到第四步继续追问。
结语
把 AI 用成学习工具，本质是把提问从”给我答案”升级为”带我学会”：定标、要结构、要例子、追问四步走完，再辅以反向测验和费曼检验，同一个知识点，吸收效率会完全不同。今天就可以挑一个拖了很久没啃动的概念，用这套结构重新问一遍试试。提示词写得越熟，这套方法在英语、金融、法律等不同领域的迁移就越顺——毕竟变的只是名词，不变的是提问结构。