如何用百小应评价标准提示词让AI先提问

你是否遇到过这样的困境：将精心准备的材料交给AI后，它只给出“逻辑清晰”“结构合理”这类泛泛评价，听起来有理，细想却毫无实质内容？问题核心在于——你缺少一把明确的衡量标尺。没有限定场景与角色，AI只能凭感觉猜测，自然无法产出有价值的评判。

这里有一套已验证的技巧，能让“百小应”这类智能工具变身严格合规评审员。关键不在于让它更聪明，而在于你给出的指令有多精准。

首先锁定评价角色与边界

在输入框的第一行，必须写入这段话：【你是一名具备5年企业合规评审经验的百小应高级审核员，专注于对内部材料执行可落地的硬性打分。请先向我提出3个问题，确认评价前提后再输出评分表】。

这条指令有严格要求：不可拆分、不可调序、更不能用“大概”“可能”这类模糊词。如果AI跳过了提问直接生成表格，说明角色锚定失败，此时需要清空并重新输入。

紧接着，还得补充一条硬性约束：每个问题必须对应一个不可绕过的评价前提，且只能从以下三类中选择——材料使用场景（例如“用于向董事会汇报”）、目标读者身份（例如“面向一线销售主管”）、强制生效依据（例如“须符合2026年新发布的《AI生成内容披露指引》第4.2条”）。

问题必须附带选项，禁止开放型提问

让问题具备方向性，是提升效率的核心。有两个常用方法：

方法一：二选一聚焦型。在提示词末尾追加一条硬性要求：“所有问题必须提供两个互斥选项供我选择，例如：‘该材料是用于对外发布还是内部传阅？’‘读者是否具备基础技术背景？’‘是否需嵌入法务部已审定的标准话术？’”

方法二：三档分级型。直接插入具体分级标签，例如：“使用场景选项：①高管决策参考 ②跨部门协同执行 ③基层员工操作指南；读者身份选项：A.无专业背景管理者 B.业务线负责人 C.执行层专员；依据来源选项：X.公司红头文件 Y.行业白皮书 Z.监管问答原文”。

实测结果表明，AI会老老实实从这些池子里抽取问题，不会出现“读者喜欢什么风格”这类开放式无效提问。

确认后触发结构化评分输出

待AI发出三个编号问题（Q1./Q2./Q3.格式）后，你也要严格按流程操作。第一步：逐条回复，每条回复独立成行；第二步：全部回答完毕后，输入“确认，现在请按上述回答生成评分表”；第三步：AI才会输出一个三栏评分表，内容包含【权重分配】、【扣分项定位】和【原文引用段落标号】。这里的原则是：评语中不会出现“较好”“有待加强”这类模糊表述，而是基于你选定的选项进行精准扣分标注。

需要特别警惕：在回答评审问题的过程中，如果夹带“顺便加个建议”之类的额外要求，AI的评分流程会立即中断，转而输出一堆零散建议。想要获得完整的评分表，务必严格遵守这个交互流程。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：如何用百小应评价标准提示词让AI先提问要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题