如何讓 AI 給出更精準、更有價值的回答？
在與大模型（如 ChatGPT）交流時，提問的方式決定了回答的質量。本文將介紹 ERA 提問模式（Expectation - Role - Action），幫助你高效獲取 AI 生成的優質內容。
什麼是 ERA 提問模式？#
ERA 代表 Expectation（期望）- Role（角色）- Action（行動），它是一個高效提問的框架，可以讓你的問題更加精準，讓 AI 的回答更符合你的需求。
1. Expectation（期望）#
明確你的提問目標，讓 AI 知道你希望得到什麼類型的回答。
-
✅ 好的示例：
"請用通俗易懂的語言解釋什麼是機器學習，並舉例說明。"
-
❌ 不清晰的示例：
"機器學習是什麼？"
2. Role（角色）#
設定 AI 的身份，讓回答更符合你的實際需求。
-
✅ 好的示例：
"假設你是一名資深 Python 工程師，請講解 asyncio 的核心概念。"
-
❌ 不清晰的示例：
"asyncio 是什麼？"
3. Action（行動）#
指定 AI 需要執行的具體任務或輸出格式。
-
✅ 好的示例：
"請用 Markdown 格式輸出一篇關於 Vue 3 Pinia 的入門教程，包含代碼示例。"
-
❌ 不清晰的示例：
"講講 Vue 3 Pinia。"
ERA 提問模式示例#
🚀 優化前：#
"Vue 3 的 Pinia 怎麼用？"
✅ 優化後（使用 ERA 框架）：#
"請你以 Vue 3 高級開發者的身份，講解 Pinia 在狀態管理中的優勢，並提供完整的 Vue 3 代碼示例。"
- Expectation（期望）：講解 Pinia 的優勢，並提供代碼示例。
- Role（角色）：Vue 3 高級開發者。
- Action（行動）：提供完整的 Vue 3 代碼示例。
ERA 提問模式模板#
你可以使用以下模板來快速構造你的問題：
請你以【角色】的身份，針對【目標對象】講解【主題】，並提供【具體行動或格式】。
✅ 示例：
- "請你以 AI 研究員的身份，分析 GPT-4 在自然語言處理中的局限性，並用表格展示優缺點。"
- "假設你是一名產品經理，如何向客戶解釋 AI 生成式模型的商業價值？"
- "作為一名 Java 開發者，如何使用 Spring Boot 構建 REST API？請提供示例代碼。"
結論#
使用 ERA 提問模式，你可以： ✅ 提高 AI 回答的準確性。 ✅ 讓 AI 站在符合你需求的角度回答。 ✅ 讓回答更具有可操作性，減少模糊性。
下次向 AI 提問時，不妨試試 ERA 模式，你會發現 AI 的回答變得更加精準和實用！🚀