deepseek入門提示詞思路-「發散式提問」

一個普通人，宗旨是讓普通人也能用好AI。

在AI工具的輪番轟炸下，最考驗人的其實還是proment怎么寫

寫提示詞不是純碰運氣隨性發揮，里面也是有方法論在的。

接下來一周我會分享6種最最基礎，也最最實用的提示詞方法，供大家討論學習.

給個關注加星標，不錯過

從思維瓶頸說起

幾周前，我陷入了一個產品創意的瓶頸。

嘗試了各種方法卻始終無法突破，直到我偶然改變了與AI的對話方式

不再尋求單一答案，而是設計了一系列從不同角度探索問題的提問。

結果令人驚訝：原本僵化的思維被打開了，一個個創意如泉水般涌現。這讓我想到了認知科學中的一個現象：

人類思維天然存在'確認偏誤'——我們傾向于尋找支持已有想法的信息，而忽略與之相悖的可能性。

合適的提問方法，可以讓AI大模型幫助我們解開這層束縛

這正是今天要分享的'發散式提問'的核心價值——它能打破思維的自我限制，創造認知的開放空間。

（指令實例在文章最后，文章以思路為主）

思維漏斗：發散式提問的認知模型

我喜歡將發散式提問想象為一個'思維漏斗'——與普通漏斗相反，它是一個從窄到寬的結構：

普通思維像是從寬口進，從窄口出——大量信息被過濾為單一結論。而發散思維則是反向操作——從一個焦點問題出發，擴展出多維度的可能性。

這種思維模式在認知科學中被稱為'發散性思維'(Divergent Thinking)，它是創造力的核心組成部分。

研究表明，高創造力的個體往往具備更強的發散思維能力——他們能從單一刺激中產生更多、更多樣化的反應。

BCR模型：構建高效發散提問的思維框架

發散提問的藝術不在于無限制地擴展，而在于有結構地發散。

BCR模型

• B (Background): 背景信息 - 提供思考的基礎
• C (Content): 所需內容 - 明確輸出的形式
• R (Requirement): 具體要求 - 設定篩選的標準

這個模型給發散思維設置了一個'有彈性的邊界'——既允許思維自由延展，又不至于完全偏離目標。

(本文思路來源于星期一研究室)

實例呈現

場景一：搜索關鍵詞擴展

當我需要查找關于'認知負載'的研究材料時，簡單搜索往往只能得到有限結果。我嘗試了發散式提問：

我的提問：

我正在進行一項關于學習效率的研究(B-背景)，需要10個與'認知負載'相關的專業術語和關鍵概念(C-內容)，以便能在學術數據庫中獲取更全面的研究材料(R-要求)。

AI回應:

這些術語構成了一個認知網絡，每個術語都開啟了一個新的探索路徑，極大擴展了我的視角。

場景二：創意產品概念生成

在產品創新工作坊中，我使用了這樣的發散式提問：

我的提問:

我們正在為數字原生代年輕人開發一款關注心理健康的產品(B-背景)，請提供8個產品概念方向(C-內容)，要求：具有日常融入性，避免傳統心理咨詢的嚴肅感，能夠自然融入目標用戶的數字生活習慣(R-要求)。

這種結構化的發散提問引導deepseek生成了多種產品概念，包括情緒日記App、微習慣養成工具、游戲化冥想平臺等等，每個概念都開啟了一個可能的產品方向。

為什么發散提問如此有效？

從認知科學視角看，發散提問之所以強大，是因為它激活了大腦的多個認知網絡：

1. 點亮聯想網絡 - 發散提問促使大腦在不同概念間建立聯系，激活遠域聯想

2. 弱化思維過濾 - 常規思考中，大腦會過濾'不相關'信息；發散思維暫時抑制這種過濾

3. 創造認知間隙 - 發散提問在已知與未知之間創造了'認知間隙'，這種間隙本身會驅動探索

對AI來說，發散提問同樣有效，因為它創造了更廣闊的'參數探索空間'，讓模型能超越最可能的單一路徑，探索更多樣化的輸出可能性。

思維工具：構建你的發散提問模板

我發現，為不同場景構建發散提問模板非常有效。以下是一個通用框架：

這個框架可以根據不同場景靈活調整。關鍵是保持BCR三要素完整，確保發散有方向、有邊界。

這讓我想到認知科學家Edward de Bono提出的'水平思維'理念——尋找多種可能的解決方案，而非單一最優解。發散提問正是培養這種思維的絕佳工具。

當我們習慣了設計發散式提問，我們實際上是在訓練自己的大腦建立更豐富的認知連接網絡，這種能力會逐漸內化為一種思維習慣，在面對復雜問題時自動激活多角度思考。

回到最初的問題——發散式提問不是漫無目的的發散，而是有結構、有方向的思維拓展。它讓我們能夠在認知的海洋中撒下一張更寬廣的網，捕捉更多思想的魚群。

嘗試在下次遇到創意瓶頸或復雜問題時，應用BCR模型設計你的發散提問，你可能會驚喜地發現，思維的天空比想象中要廣闊得多。

以上！實踐出真知，大家多去嘗試。