前两天发了个深度思考的Prompt，没想到大家反馈还挺好，然后也有人说，能不能把过去我写过以及一些最有用的Prompt整理个合集，再给大家分享一下。
然后我就翻了一下，才发现过去几年，确实已经零零散散写过挺多了。
只不过它们散落在很多篇不同的文章里。
有一些也确实有点老了，不太适用于现在的模型能力了。
所以呢，我干脆就把这些东西全都重新整理了一遍。
删了一些，又优化了一些，又补充了一些，最后，整理出了对我自己来说，是对我真正有用、真实帮助过我的12个Prompt。
它们主要分成5个场景：
问清问题、学习、解决问题、决策、还有，认识自己。
全部可以单独复制使用，也都不需要安装任何Skill，适配如今你能用到的所有的AI。
然后所有的我也做成了模板，大家用的时候，把【】里的内容，都换成你自己的信息。
同时，如果你本身就有一些原始材料比如文档啥的，就尽量也扔上去，这年头，不怕上下文多。
整体大概就是这样了，那话不多说，我们开始。
一. 问清问题
问问题可能是这个世界上，跟AI交互最基础的一环。
这一趴，专门帮你理清楚你的问题，只有知道自己真正想问的是什么，才有后面的一切。
底层本质上，我非常推荐大家去读一下非常经典的一本书，在美团内部也被列为四大名著之一，就是尼尔·布朗的《学会提问》。
当然，也有一些Skill，比如著名的grill me之类的，不过本质上其实都是互通的，就是怎么让你更加精确的进行提问。
不过我不怎么喜欢在聊天的时候用Skill，有一些Prompt也会一直拷打我无限追问导致我很烦，所以有一个苏格拉底提问法是我最常用的。
1. 苏格拉底式提问
人类有的时候，确实会比较混乱，经常嘴上问的和心里真正想表达的，其实不是一个意思。
那么，苏格拉底式提问，就是通过追问，帮你把问题想的更清楚，同时补上AI更加需要的上下文。
我的困惑是：【尽量具体地描述发生了什么、你怎么理解，以及你卡在哪里】。
先不要给建议。请对我进行一次苏格拉底式问诊，通过最多6个问题，帮我找到真正值得回答的问题。
请遵守这些规则：
1. 每次只问一个问题，根据我的回答决定下一问，不要提前给我一整套问卷；
2. 优先区分我说的是可验证的事实、对事实的解释、价值判断，还是我希望实现的目标；
3. 检查关键词是否含糊、我默认了哪些前提、证据来自哪里、有没有相反解释，以及结论成立或不成立分别意味着什么；
4. 每次提问前，用一句话说明上一条回答让你更新了什么判断；
5. 只问可能改变结论的问题。信息足够时立刻停止，不必凑满6个。
问诊结束后，请整理出：
1. 我最开始问的问题；
2. 我真正想解决的问题；
3. 已经确认的事实；
4. 仍未验证的假设；
5. 最可能改变结论的关键变量；
6. 一个准确、具体、可以继续行动的新问题。
等我确认这个新问题以后，再给出你的判断、理由和下一步行动。
这个Prompt，可以帮你解决，“我究竟想问的本质问题是什么。”
问题问清楚了，整个流程，才能继续。
二. 学习
在我的理解里，面对一个陌生的东西，我们经常会有几种需求。
所以我自己也整理了一下我过去的体系，然后总结了一下，总结出了4种。
“这个概念我完全听不懂”，可以用双层解释法。
“这个成品做得真牛逼，我想模仿学习它”，可以用反向拆解。
“我想深度、系统的研究某个东西”，可以用横纵分析法。
“这份资料里的说法到底是真的吗？”，可以用事实核查。
1. 双层解释法
这是我自己用了很久的一个方法。
很多人喜欢跟AI说：“请把我当成小学生解释”，或者就是我常用的：“我是一个学习能力很强的智障”
确实容易听懂，但也很容易停留在“好像懂了”的阶段。类比记住了，真正的机制还是一团雾。
所以我更喜欢让它分别从小白和专家的角度分别解释一遍，这样可以帮助我更好的学习。
我想学习的是：【填写概念或问题】。
请分两层解释：
第一层，小白版。
用生活化的语言和一个具体例子，让完全没有基础的人也能听懂。
第二层，专业版。
使用准确术语，讲清核心机制、适用边界和常见误解。
最后请整理出：
1. 列出小白说法与专业术语的对应关系；
2. 我最容易理解错的地方；
3. 3个用于检查我是否真正理解的问题。
很好用，我自己在Vibe Coding的时候经常遇到一些我看不懂的数据库啊、网络安全啊啥的名词，我就是一边双层解释一边学习的。
2. 反向拆解
有时候，你看到一个很好的作品或者网站啥的，你想学习它到底好在哪，你就可以用这个反向拆解。
我想拆解的优秀范例是：【粘贴产品页面、网页、方案、流程说明、数据看板或其他成品】。
我想学会的是：【填写你希望从中学会什么】。
请先用一句话说明它解决了什么问题，再反向拆解它为什么有效。
重点分析：
1. 它服务谁，目标是什么；
2. 它采用了什么结构或流程；
3. 哪些关键选择拉开了质量差距；
4. 它的完成标准是什么；
5. 哪些规律可以迁移，哪些细节只适合这个案例。
最后请给我：
1. 提炼3到5条可复用规律；
2. 一份可以照着执行的操作清单；
3. 一个最值得先尝试的小练习。
能快速的帮你调研和拆解原作品，然后获得一些收获。
3. 横纵分析法
我自己之前还在做公募基金的时候，常用的一个非常经典的分析市场里公司和新概念的框架，之前也写过文章，详情可看：分享一个我用了2年的深度研究Prompt，半小时帮你搞懂任何陌生领域。
它的核心只有两条轴。
纵轴看一个东西怎么走到今天的，横轴看它今天跟一众竞品比到底有啥区别。两条轴交叉起来，才能看见历史上的选择，以及是怎么演化到今天这样的。
之前那一版Prompt很长，这次我把它优化了一下，然后一定要配合各个AI产品的深度研究功能来用。
效果才是满血版。
研究对象是：【填写产品、公司、人物、技术、行业或事件】。
请使用横纵分析法，对它完成一份可追溯的深度研究。研究截止时间为执行当天。
纵向分析：
1. 它在什么背景和需求下诞生，关键推动者是谁；
2. 它经历了哪些重要转折、成功和失败；
3. 哪些早期选择变成了今天的能力、路径依赖或包袱。
横向分析：
1. 选择最值得比较的对象，并说明为什么选它们；
2. 用统一维度比较各自的强项、短板和独特性；
3. 解释用户、客户或市场为什么选择它，又为什么放弃它。
把两条轴合起来，继续判断：
1. 过去形成的能力、路径依赖和约束会怎样影响未来；
2. 未来最可能出现哪3条路径；
3. 每条路径出现的前提和预警信号是什么。
请遵守这些证据规则：
1. 优先使用官方资料、原始数据、论文、财报和访谈等一手来源；
2. 重要结论就近标注来源与日期；
3. 事实、推断和观点分开写；
4. 遇到冲突信息时并列呈现，找不到证据时明确写“暂未核实”。
最后按以下顺序输出：核心结论、关键时间线、横向对比表、详细分析、未来判断、仍待确认的问题。报告需要在10000～30000字之间，语言尽量通俗，不要堆砌资料。
如果你只想用半小时，对一个陌生的东西建立一个基本的框架，这个横纵分析法完全够用了。
4. 事实核查
大家也都知道，AI经常出幻觉，虽然现在少了很多，但是还是有。
而且人类的幻觉，现在往往比AI还要大。
有句话说的好，AI帮助很多人走上了愚昧之巅。
所以很多时候，无论是人类还是AI的内容，按照笛卡尔的哲学底色，我们是要尽可能怀疑一切的。
于是就有了这个事实核查的Prompt。
我要核查的说法是：【粘贴观点、结论、数据或方案】。
请先把它拆成：
1. 可以被外部验证的事实；
2. 从事实推出的结论；
3. 其中包含的价值判断。
对于事实部分，请联网核查来源、样本、时间和完整上下文，并标记为：
1. 已证实；
2. 基本成立，但需要收窄；
3. 存在争议；
4. 证据不足；
5. 明显错误。
在假设相关事实成立的情况下，继续检查：
1. 这些事实能否推出当前结论；
2. 是否藏着未经验证的假设；
3. 是否混淆相关性和因果关系；
4. 是否遗漏了其他解释或关键信息；
5. 结论在什么条件下成立或失效。
最后请输出：
1. 哪些事实可信，哪些需要修正；
2. 推理链中最关键的漏洞；
3. 补强后的最合理版本；
4. 我目前可以相信到什么程度。
不仅可以审查事实，还可以审查别人的观点、或者方案之类的，很好用。
三. 解决问题
如何问问题、如何学习，我们都清楚了。
那现在，要解决问题了。
我自己列了三块：
专家会诊、第一性原理、跨领域借解
1. 专家会诊
以前很流行在Prompt开头写一句：“你是一位拥有20年经验的世界级专家。”
但是很多问题，其实是属于多个专家互相配合的。
所以，有一些问题，我更喜欢让AI自己组一个真正互补的小型专家团，再让他们互相挑战。
我的问题是：【填写问题、已知事实、目标和现实约束】。
先不要直接给方案。请为这个问题选择3种真正互补的专业视角，并说明每种视角为什么必要。
让每种视角分别回答：
1. 它怎样重新定义这个问题；
2. 它最推荐的解决路径；
3. 其他视角最容易忽略的风险；
4. 什么新证据会让它改变判断。
然后让三种视角互相质疑，找出：
1. 共同认可的事实；
2. 真正的分歧；
3. 分歧背后的不同假设。
最后请综合输出：
1. 综合后最推荐的方案；
2. 适用条件；
3. 最大风险；
4. 退出条件；
5. 第一步行动。
不要选择三个高度相似的身份，也不要模仿或编造真实人物的观点。信息不足时，先只问我一个最关键的问题。
这里最关键的一步，是让他们互相质疑。
真正的信息，往往都是在分歧里面。
2. 第一性原理
万能Prompt，Vibe Coding的时候我也经常用。
它最适合处理路径依赖，帮你回归到这个问题的本质。
有时候你的方案上，各种打补丁，不如用第一性原理，直接找到最本质，然后推倒重来。
我想解决的问题是：【填写你的问题】。
请用第一性原理把它拆回最底层，区分：
1. 已经确认、无法绕开的基本事实；
2. 习惯性接受、却没有验证过的假设；
3. 真正想实现的目标；
4. 现实中的资源与约束。
暂时放下行业惯例和现成方案，只从基本事实、目标和约束出发，重新推导可行路径。
最后请输出：
1. 原方案中只在修补表面的部分；
2. 从基本事实重新推导出的新路径；
3. 这条路径成立的前提；
4. 验证它的第一步。
尤其是改组织流程、做产品架构和修复杂系统之类的时候，这玩意真的很好用。
3. 跨领域借解
第一性原理是回到本质，跨领域借解是可以帮你看到其他领域里相通的解法，视角会更加扩散一些。
我在做AI大模型排行榜的时候，也聊过这个用法。
我的困惑是：【说明背景、当前做法、现实约束和具体卡点】。
请先剥掉行业术语，把它抽象成一个人类在其他领域也可能遇到的问题，并找出：
1. 问题的底层结构；
2. 真正的核心矛盾；
3. 普通解法失效的原因。
然后从历史案例，以及至少3个彼此距离较远的领域中，寻找底层结构相似的问题。
每个案例都要说明：
1. 那个领域遇到了什么问题；
2. 使用了什么解决机制；
3. 与我的问题相似在哪里；
4. 哪些部分可以迁移；
5. 什么条件下会失效。
最后请选出最值得借用的3种机制，把它们翻译成适合我当前处境的解决方案，再推荐一个最值得先试的低成本、可逆实验。
如果你的问题，在回到你这个行业的第一性原理之后，感觉都不是很好解决，那不如看看其他行业，说不定另一个行业里，你的这个问题，都已经被解决十几年了，也更可能能帮你找到那个灵光一闪。
四. 决策
以上的所有，都是在帮你找到思路，找到解法，帮你找到更多的可能路径和信息量。
但是有时候，你还是会发现，两个答案都有道理，我到底应该选哪一个？
这时候，就需要你真的决策了。
在决策上，我有两个很棒的Prompt。
1. 双向钢人论证
这个Prompt我前两天刚刚专门写过：一个极度实用的深度思考Prompt，帮你挖出最本质的答案。
当时一堆人说，你这玩意跟grill me有啥区别，不就是个grill me吗。
我想说，底层逻辑是不一样的，一个是帮你更好的