返回文章列表

近两月你最该关注的AI使用技巧

·5 次阅读·原创

AI 技巧 · 面向数据产品经理

上一篇整理了 GitHub 热门项目,这一篇整理同一批素材里的另一半:技巧。

素材来源完全相同——本站「每日AI资讯」2026 年 8 月 17 日到 10 月 23 日的文件,其中 60 篇里有技巧板块,去掉反复出现的重复项,剩下 40 多条。

这些技巧里,有相当一部分是写给工程师的:配插件安全自检、迁移 AGENTS.md、接搜索接口、给 API 密钥做体检。它们有用,但一个不写代码的产品经理看完,能动手的不多。

筛选口径还是那一句话:一个非工程研发背景出身的数据产品经理,能不能当天就用上。

打分三个维度,各 1 到 10 分:

  • 上手难度:分越高越容易上手。10 分表示现在打开对话框就能用,不需要装任何东西
  • 实用价值:对数据产品经理日常工作的帮助——写需求、做分析、读材料、汇报呈现、控成本
  • 长期价值:半年后这个习惯还成不成立,能不能变成你自己的方法论

总分 30 分。20 条按总分排序如下。

排名技巧一句话定位上手实用长期总分
1结构化提示词五要素把要求按固定结构写清楚109827
2四维度法把 AI 当执行者,而不是打字机109827
3先给范例再提要求一图胜千言,一个示例胜十句描述109827
4分块 + 递进总结上百页材料也能让 AI 读到底109827
5让 AI 先挑刺再改自己审自己,比一次写完美容易109827
6长任务写日志断点续跑,不再从头再来99826
7提示词做减法删掉 80%,效果反而更好108725
8让 AI 开口说思路先过程后结论,方便你查漏洞108725
9把要求写成伪代码用条件分支替 AI 规划路径98825
10一句话生成 PPT 与文档汇报材料从对话里直接出来99725
11常驻助手的三句咒语先把边界立好,再让它驻留98825
12让 AI 投三次票客观题用投票摊平发挥失常107724
13给 AI 配一个外置大脑跨对话记忆落进文件里88824
14给 Agent 建文档大脑三个文件管住方向与进度88824
15笔记自我改进让模型用笔记攒经验78823
16三步过一遍合同法律模型做初筛,人做终审87722
17吃满提示缓存重复输入成本最高省近八成77721
18高频低价值任务切轻量模型好钢用在刀刃上87621
19从动画案例库偷提示词抄社区验证过的结构87621
20边讲边画的讲解视频讲清一个概念的最短路径77721

下面按用途分成四类。建议先挑第一类里的一条,今天就用。


一、把话说清楚

这一类不用装任何东西,改的是你打字的方式。它是后面所有技巧的地基。

1. 结构化提示词五要素(8.17)

定位:让 AI 一次就产出你要的东西 | 标签:提示词模板 / 通用

按顺序组织五个要素:背景(我是什么场景、给谁用)、角色(你是一位……)、任务(动词开头的明确指令)、约束(不要引入新依赖、控制在 200 字内)、输出格式(用表格输出、每段配一个例子)。

一个可直接复制的模板:

【背景】我要给业务方写一份 800 字的指标口径说明。
【角色】你是一位擅长把数据问题讲明白的分析师。
【任务】解释「活跃用户」这个指标的计算口径。
【约束】不用行话;每个专业词汇附一句解释;控制在 800 字左右。
【格式】分三段,第一段用生活化类比开场。

原文的要点很直接:约束和格式写清楚,比多写几段任务描述更有效——AI 输出的形状完全由这两项决定。

上手建议:数据产品经理被 AI 糊弄,八成是因为只给了任务却没给约束和格式。明天开始,把你最常用的三个提问改写成这个五段式,尤其是「输出格式」——写明要表格还是分点,要 300 字还是 3000 字。这一个改动就能省掉三轮返工。

2. 四维度法:把 AI 用得更有野心(10.20)

定位:从「让 AI 帮你做」切换到「让 AI 替你完成一件事」 | 标签:提示词思维 / 任务下达

Claude Code 负责人 Felix Rieseberg 认为多数人用 AI 太保守,给出了四个立刻能用的维度:把目标抬高到「不合理」(别问帮我写个脚本,改问给我一套能自动巡检并修复这类问题的完整方案);用动词替代名词(把「写一份分析报告」改成「先去查这三处原始数据,交叉验证后指出矛盾,再给出结论」);让它自取资料并自验,你只做终审。

上手建议:这个技巧改的不是措辞,是你对 AI 的定位。数据产品经理最典型的保守用法是「帮我把这段 SQL 改一下」,改成「这里有五个口径存疑的指标,先去翻数据仓库的字段注释和历史文档,指出三个最可能出错的地方,再给出修正方案」,产出量级完全不同。动词逼它真的动手。

3. 先给范例,再提要求(8.18)

定位:风格比内容难描述时,直接给它一个示例 | 标签:Few-shot / 风格控制

想让 AI 输出「就是我想要的那种感觉」,别再啰嗦描述,直接给一个示例。三个要点:示例要形神兼备,格式、口吻、详略都体现在里面;明确边界,告诉它「模仿格式与口吻,但内容按我的实际来」;给 2 到 3 个不同场景的示例,它更能提炼出你的偏好模式。

适用场景:写周报邮件、生成表格、整理会议纪要、让 AI 按公司文档风格输出。

上手建议:这招对数据产品经理的价值在于统一口径。把你团队公认写得最好的那份分析报告,或者你们周报的固定格式,存成一段示例文本,每次让 AI 写东西就先贴这一段。三个月后,AI 产出的东西在团队里看不出是 AI 写的,这才是真用顺了。

4. 提示词做减法(8.27)

定位:删掉 80% 的指令,效果反而更好 | 标签:提示词优化 / 通用

Anthropic 内部用 Claude Code 时曾把系统提示词删掉超过 80%,评测成绩没有任何下降。三步:删情绪词(「一定要认真」「你是顶级专家」这类话不提供信息,只会让模型更保守啰嗦);合并指令(把拆开的步骤合并成一句「完成 X,要求符合 Y 标准,输出格式为 Z」,让它自己规划路径);给示例而非规则。

配套的还有语气:「请检查这段代码里的错误」比「这代码全是 bug 快修」得到的回答更坦诚。

上手建议:花十分钟把你最常用的那段提示词做一次减法,删掉所有「请认真」「务必准确」「你是专家」——它们不提供任何新信息,却会让模型变得更保守、更啰嗦。数据产品经理最该删的是「请给出专业建议」这类话,换成「给出三条结论,每条附一个数据来源」,信息密度立刻上一个台阶。

5. 让 AI 投三次票(8.24)

定位:客观题用多数投票摊平发挥失常 | 标签:自我一致性 / 准确率

碰到有客观答案但你不放心的问题(翻译选词、判断题、取名字、改标题),别只问一次。让 AI 独立回答 3 次,取多数或重合的答案。要点:提示词里写明「分别独立回答,不要互相参考」,避免它顺着前一个答案偷懒;3 次为宜,拿不定主意时让它标注每个答案的置信度;适合客观题,创意写作不必用,会抹掉灵光。

上手建议:数据产品经理天天要做选择题:这个指标该定义为 A 还是 B、这个异常该归因为渠道还是产品、这个字段该不该入仓。这类问题让 AI 连答三遍并附上理由,重合度高的答案可信度明显更高。别在创意任务上用——投票会把它投成最平庸的那一版。


二、啃长材料和长任务

数据产品经理的活儿里,最耗时的往往不是分析本身,是把材料读完、把长任务跟完。这一类讲的是怎么让 AI 在长时间里不掉链子。

6. 分块 + 递进总结(8.19)

定位:上百页研报也能让 AI 读到底 | 标签:长文档 / 阅读方法

处理上百页 PDF、长篇研报、会议纪要时,直接整篇丢给 AI 常会超出上下文或丢失开头细节。正确姿势是分三步:先分块阅读(请阅读前 20 页,按小节输出要点,每个要点不超过 30 字);再逐块推进(继续读第 21 到 40 页,与上一批要点合并去重);最后递进总结(合并全部要点,输出核心结论 3 条以内、关键数据并列出处章节、行动建议、与原始问题直接相关的段落引用)。

要点:每块控制在模型上下文能轻松容纳的规模;边读边汇总,比一次读完全文再总结更稳;最后一步强制它回到你的原始诉求。

上手建议:这条解决的是 AI 读长文档最常见的翻车——开头读得细、结尾敷衍。把一份 80 页的竞品财报按 20 页一块喂进去,每块先出要点再合并,最后强制它「列出与我最初问题直接相关的段落并标注章节」。按这个方法,你能拿到一份带出处的摘要,而不是一段漂亮的空话。

7. 长任务写日志,断点续跑(9.26)

定位:把软件工程的进度管理搬到 AI 协作上 | 标签:长任务 / 可追溯

三步:任务开头加一条指令「每完成一个子阶段,把已完成内容、关键决策、下一步计划追加写入 status.md」;设置阶段检查点「每完成 N 个条目,在 status.md 里记录当前进度编号」,万一中断,重开会话时把 status.md 喂回去从断点继续;验收时先读日志再抽查,先读 status.md 里的决策记录,再随机抽 3 到 5 个成品核对,比通读全部输出快 10 倍,还能发现它中途自作主张的偏航。

上手建议:数据产品经理总有那种要跑两三天的活:把一年的用户反馈逐条打标、把几十份经营月报汇总成一份。让它每完成一段就往 status.md 里写进度,中间断掉也不怕,把文件喂回去接着跑。验收时先看日志再抽查五个样本,比逐条看快十倍,还能抓到它中途换了口径。

8. 让 AI 开口说思路(8.22)

定位:先过程后结论,方便你核对推理有没有漏洞 | 标签:思维链 / 推理

思维链(CoT)是这几年来最实用的提示技巧之一。可套用的模板:请一步一步思考,并把推理过程写出来,最后再给出结论——第一步列出需求里的关键信息,第二步分析可能的方案并比较优缺点,第三步选出最优方案并说明理由,最后给出结论和可执行的下一步。

四个要点:明确要求「分步思考」,远比「请认真思考」有效;给思考结构,比让它自由发挥更稳;结论放最后;长文档场景可加一句「思考过程不超过 100 字」避免刷屏。简单问题就别开,既杀鸡用牛刀,还费 token。

上手建议:做数据分析最怕的不是 AI 答错,是它答对了但过程经不起追问——业务方一句「你怎么得出的」,你就答不上来。让它把推理过程写出来,你能一眼看到它假设了什么、跳过了什么。结论放最后这一步尤其重要:你可以先遮住结论只看过程,判断它想得对不对。

9. 把要求写成伪代码(8.23)

定位:用条件分支替 AI 规划好路径 | 标签:提示词模板 / 流程控制

不要只说「帮我写封催款邮件」,把流程拆成条件分支:

任务:你是邮件助手。
变量:客户未提供发票
流程:
1. 先检查:若缺少发票,则执行步骤 2;否则直接致谢
2. 若缺少发票:
   - 先礼貌致歉
   - 说明发票缺失会影响结算
   - 给出两个补救选项(补发 / 延迟结算)
3. 输出一封 120 字以内的邮件草稿

AI 对「步骤加条件分支」的执行准确率通常远高于一段含混的描述,它不会漏掉「道歉」这类容易忽略的细节,也方便你随时增删分支。它和思维链的区别是:CoT 是让 AI 想清楚步骤,伪代码是你直接替它规划好分支。

上手建议:数据产品经理有大量带判断的重复活:指标异常时先判断是数据问题还是业务问题、用户分群时先判断是否满足三个条件。把这套判断逻辑写成 IF 分支交给 AI,它会严格按分支走,不会跳过任何一个前置检查。建议先拿你们最常做的「异常归因流程」试写一次。

10. 给 AI 配一个外置大脑(8.21)

定位:把中间成果写进文件,跨对话续接 | 标签:跨对话记忆 / 文件记忆

做法:让 AI 在工作目录里建三个文件——plan.md 放大纲与结构,notes.md 放素材与想法,draft.md 放成稿,每轮对话结束后把关键结论写回对应文件。后续任何一天新开对话,先让它读取 plan.md 和 draft.md,复述上次写到哪里,再从结尾继续。

要点:固定工作区文件,让中间产物落在磁盘而不是只存在对话里;明确写入时机;新开对话先让它读文件加复述进度,确认记忆恢复后再干活;工作区建在 git 仓库里还能顺手做版本回溯。

上手建议:这条最适合那种要跨好几周才能做完的活——年度数据体系建设方案、一本内部数据手册。三个文件分工清楚,AI 每次开工先读、收工必写,你换会话、换模型都不丢进度。进阶用法:把工作区放进 git,每一次改动都有记录,回退到上周的版本只要一条命令。


三、让 AI 自己把关,你只做终审

这一类讲的是怎么把质量控制和边界控制交给流程,而不是靠你逐字检查。

11. 让 AI 先挑刺,再改(8.20)

定位:自己审自己,比一次写完美容易 | 标签:自我批判 / 质量控制

两步:第一轮,让 AI 以「最挑剔的评审专家」身份,从准确性、逻辑漏洞、遗漏风险三个角度审查方案,列出最关键的 5 个问题,每条附一句改进建议;第二轮,让它根据建议逐条修改,输出完整修订版,每处改动标注原因,不许跳过任何一条。

要点:给 AI 设定挑剔角色并规定审查角度,不问「你觉得怎么样」(它会说很好);两轮分开跑,先挑刺再修改;第二轮用「不许跳过任何一条建议」堵住它敷衍的路;可以迭代 2 到 3 轮,问题会越来越尖锐。

上手建议:数据产品经理交出去的东西会被业务方拿去做决策,最怕的是逻辑有洞却没人指出。发布前让 AI 扮演最挑剔的评审,专门挑「数据来源是什么、这个结论有没有反例、还有没有遗漏的维度」,并且强制它逐条改。它挑出来的问题未必都对,但那几条你没想到的,往往就是评审会上被问住的那些。

12. 给 Agent 建一个文档大脑(10.05)

定位:三个文件,把 Agent 从失忆天才变成靠谱同事 | 标签:上下文管理 / 文档驱动

三步:在项目根目录创建 specs 目录,写三个文件——decisions.md 放已拍板的技术决策与原因,constraints.md 放不许碰的东西和必须遵守的规范,progress.md 放当前进度与下一步;在 AGENTS.md 或系统提示里加一句「任务开始时先读 specs 全部文件,结束时把新增决策与进度更新进对应文件」;人只维护一份真相,你自己改需求时只改 specs 里的文件,Agent 自动对齐,比每次对话重复交代背景省 80% 的 token。

上手建议:这个做法对数据产品经理的适配度极高,只要把三个文件换成你们的业务版本:metrics.md 放指标口径定义,constraints.md 放数据边界与合规红线,progress.md 放当前进展。以后每次让 AI 写 SQL、做分析,先让它读这三个文件,口径不一致的问题会少一大半。

13. 复刻练棋实验,让模型用笔记自我改进(10.06)

定位:零训练成本的自我改进 | 标签:自我改进 / 经验沉淀

三步:选一个可打分的重复任务,如周报模板、客诉回复,有明确好坏标准的任务最合适;给模型开一个 notes.md,指令写「每次完成任务后,把做对的决定、犯过的错误、下次的改进策略追加进 notes.md,每次开工前先通读全部笔记」;跑 5 轮看曲线,对比第 1 轮与第 5 轮的质量。

原文也提醒:长笔记可能拖累某些模型,若发现越练越菜就精简笔记,只留结论。

上手建议:这是当下最便宜的「自我改进」——不用训练、不用调参,一个晚上就能见分晓。数据产品经理可以拿「月报结论撰写」当实验对象:每次写完让它记下「这次业务方追问了什么、哪句话被改了」,下次开工先读笔记。跑五轮你会发现,它开始知道你们老板最在意哪几个数。

14. 三步过一遍你的合同(10.19)

定位:法律模型做初筛,人做终审 | 标签:合同审阅 / 垂直模型

智谱开源法律模型 GLM-Legal 成本只有通用旗舰的 1/70。三步:取模型(API 直连或本地部署均可);喂合同,用固定句式提三类问题——「列出对我方最不利的五个条款并注明原文位置」「标记与行业标准范本不一致的条款」「指出缺失的保护性条款」;要证据,要求每个结论都附条款原文引用,人工只复核被标记的部分。

上手建议:数据产品经理常要审数据采购合同、SaaS 服务协议、数据合作协议,里面最容易吃亏的恰恰是数据权属、使用范围、留存期限这些条款。用固定句式跑一遍初筛,一小时能过完过去一天的量。关键在最后一步:要求每个结论都附原文条款,凡是附不出来的,基本都是它编的。

15. 常驻 AI 助手的三句咒语(9.29)

定位:先把边界立好,再让它驻留 | 标签:Agent 边界 / 安全习惯

在启用任何一款常驻 AI 助手前,先把这三句写进设置或首条消息:「重要操作前必须问我」——划定确认红线(发邮件、下单、付款、删文件),避免自主执行变成自作主张;「每天 22 点后不要主动打扰我」——没有这条规矩,它会在你睡前热情地汇报三条日程;「不确定就标注不确定」——要求它对没把握的信息显式标注置信度,本周港科大的研究显示 89% 的 Agent 轨迹有幻觉,答案对不等于过程对。

上手建议:三句话花不了一分钟,决定的是你和 AI 同事未来一年的相处质量。「不确定就标注不确定」这条对做数据的人尤其重要——AI 给出的数字看起来都很自信,而数据产品经理的职责恰恰是知道每个数字的可信区间。先把这条写进去,它就不敢把估算说成事实。


四、把成本算清楚,把产出做出来

最后一类有两件事:同样的效果,少花点钱;同样的时间,多出点东西。

16. 一句话生成 PPT 与文档(9.18)

定位:汇报材料从对话里直接出来 | 标签:汇报呈现 / 效率

Claude 的 Docs/Slides 把做 PPT 压缩成一次对话:直接说「把这份周报要点做成 6 页幻灯片,每页一个主题加数据图表,风格简洁商务」,它生成可协作编辑的 Slides,满意后导出为 PowerPoint 或 PDF。两个进阶用法:先用 Docs 写好结构化大纲,再用一句话转成 Slides,比直接生成质量更稳;对已有文档,用「总结成 5 页汇报 PPT」直接转化。

国内用户若无订阅,可先用 ChatGPT for Word 在侧边栏完成「文档到大纲」的步骤,再交给 Kimi 或 WPS AI 生成幻灯片,同样是一条链路。

上手建议:数据产品经理最耗时的交付物就是汇报材料——数据早就分析完了,还要花两小时排版。这条链路的正确用法不是让它从零生成,而是先让它把你的分析结论整理成结构化大纲(你确认一遍口径),再一句话转成 PPT。省的是排版时间,不是思考时间,顺序别搞反。

17. 吃满提示缓存(9.24、10.22)

定位:重复输入成本最高省近八成 | 标签:成本控制 / API 优化

OpenAI 的提示缓存命中成本仅为普通输入的十分之一,12 小时选项也已上线,但很多人用不上,因为缓存要求「共享前缀精确匹配」。三个动作:固化前缀,把系统提示、领域知识、格式规范、参考文档全部放进 prompt 开头,变化的内容放在最后;模板化调用,同一业务的所有请求共用一套前缀模板,连标点都不要改;30 分钟内打完一轮,把批量任务集中在时间窗内跑完。

按官方口径,连续 10 次调用中后 9 次命中,重复输入成本可省约 78.5%。也有提醒:缓存写入价是常规输入的 2.5 倍,一次性短任务别开。

上手建议:这条看着技术,其实是个排列习惯。数据产品经理如果有每天固定跑的活——比如每天对 200 条用户反馈做分类——把系统提示、分类标准、输出格式固定成同一段前缀,只把当天的新数据放在最后。顺序一变缓存就失效,所以「不变的永远在最前面」这条铁律值得贴在显示器上。

18. 高频低价值任务切轻量模型(8.26、8.25)

定位:好钢用在刀刃上 | 标签:成本控制 / 模型选型

模型降价是常态:GPT-5.6 系列里轻量档输入 0.2 美元、输出 1.2 美元,比旗舰档便宜一个数量级;DeepSeek 周末统一低谷价这类错峰定价也正在成为标配。技巧是把高频低价值的流量型任务(摘要、分类、翻译)切到轻量模型,复杂推理再升级旗舰档;若在生态内,走平台直连往往比直连 API 便宜近一半。

上手建议:数据产品经理手上有大量「不需要旗舰模型」的活:把 500 条用户反馈归个类、把会议录音转成要点、把英文材料翻成中文。这些都该走最便宜的那档。做法很简单,把你的任务列表按「出错代价」排个序,代价低的一律降档,一个月下来账单会好看很多。

19. 从动画案例库偷提示词(10.09)

定位:抄社区验证过的结构,而不是自己现场写 | 标签:提示词复用 / 视觉呈现

社区已经把动画最佳实践整理成了公开案例库,OpenChamber(5054 条)、Claude Video(1276 条)、JasonZhu AI(1381 条)、Lemo Opuscar(43 种风格)等,全部提供公开提示词与制作工具。三步:在库里按关键词筛选喜欢的效果,点开看完整提示词;把提示词原样粘贴过去,先跑通原版;再只替换主题、配色和文案三个变量,其余保持不动。

上手建议:这条的思路可以复用在任何「AI 出效果」的场景:做产品演示页、汇报里的动效、公众号配图。社区验证过的结构比你现场手写的稳定得多,改三个变量就能变成你自己的。它也提醒我们:提示词早就不该是个人手艺,而是可以存档、可以共享的资产。

20. 边讲边画的讲解视频(10.08)

定位:讲清一个概念的最短路径 | 标签:内容生产 / 知识讲解

开源工具 handdrawn-explainer 把白板手绘视频自动化了:输入主题,AI 负责写稿、规划画面、生成绘画脚本,输出边讲边画的手绘讲解视频,配音与动画同步。三步:取工具(开源技能包形式,本地运行);投主题(如「什么是留存率」);导出改稿——生成后先看它写的讲稿,不满意的段落直接改文字再重渲染,比重新录制快一个量级。

上手建议:数据产品经理最常遇到的沟通困境是:讲清楚了没人听,讲通俗了讲不准。手绘讲解视频是目前留存率最高的讲解形式之一,「声音到哪笔画到哪」。拿它做一期「我们公司的 GMV 是怎么算出来的」,发给业务方看一遍,胜过开三次口径对齐会。先改讲稿再重渲染,别指望一次到位。


最后:先做这三件

技巧看多了容易变成收藏,所以只留三个今天就能做完的动作。

第一件:把你最常用的那个提问,改写成结构化五要素(排名第一那条)。五分钟,见效最快。

第二件:给手上正在跑的长任务加一句「每完成一个子阶段,把进度写进 status.md」。下次中断时你会知道它值多少钱。

第三件:在常驻 AI 助手的设置里,加上「不确定就标注不确定」。做数据的人,最该给 AI 立的规矩就是不许把估算说成事实。

需要说明两点。文中所有日期都是该技巧在原资讯中出现的时间,工具版本与价格会变,方法本身不会过期;另外,另有十几条技巧没进这个榜单——插件安全自检、API 密钥体检、AGENTS.md 迁移、搜索接口接入——它们都很实在,只是动手门槛在工程侧。如果你身边有工程师同事,把那部分原文翻给他看,比你自己硬啃合适。

工具在变,方法在攒。两百天后回看今天攒下的这几个习惯,价值会比任何一个新模型都大。


评论

加载中…