百科类问题怎么问——让 OneAI 答得更准更有用
一个反例和一个正例
反例（太笼统）：
大模型
AI 只能猜你想问什么——大模型是什么？有哪些？怎么用？它大概率答一段泛泛的定义，还得你再追问。
正例（说清楚了）：
用通俗语言解释一下大语言模型（LLM），适合完全没接触过 AI 的读者，300 字以内
一次给清楚：谁看、说什么、风格、篇幅。AI 出来的东西直接能用。
百科问答的四要素框架
| 要素 | 说明 | 示例 |
|---|---|---|
| 主体 | 问的是什么 | 向量数据库 / 帕累托原则 / 半马训练 |
| 面向谁 | 给什么人看 | 完全不懂的人 / 工程师 / 高中生 |
| 输出形式 | 怎么呈现 | 定义 / 列表 / 步骤 / 表格 / 一句话总结 |
| 约束条件 | 篇幅、风格等 | 300 字以内 / 通俗 / 不要用专业术语 |
四个要素不一定要写得非常工整，但脑子里至少要有。给得越多越明确，AI 越不会猜。
复杂问题的拆解
遇到大问题时，不要指望 AI 一次给个全景。分步问效果更好：
- 「用一句话说明 X 是什么」
- 「X 的核心工作原理是什么」
- 「X 有哪些常见的应用场景」
- 「X 和 Y 有什么区别」
每一步都可以在同一个会话里追问，利用上下文保持连贯。
事实核实
AI 模型生成的内容不保证事实准确。关键数据（面积、日期、数字、人名、年份等）需要自己再查一次。可以直接在聊天里问 AI 要来源，或者把它说的关键信息复制进搜索引擎核实一遍。