场景 / 坑
小白最常见的盲区：默认”AI 知道我在说什么”，于是不给任何背景就直接问——结果它只能泛泛而答。
真相是：AI 只看得见你这一次贴给它的东西。你脑子里的前情、手边的材料、那份它从没见过的文件——你不贴进去，它就不知道，只能猜。难点往往不是”愿不愿意喂”，而是**“我怎么知道该喂哪些”**。
当时怎么做
错法：问”帮我回复这封邮件”却不贴邮件；问”这数据说明什么”却不给数据。
怎么判断该喂什么，我有三条途径：
- 平时落地文档，下次直接喂。 如果是项目相关、会反复更新的事，平时就注重把它写成文档；下次要 AI 干这事，直接把文档喂过去。如果有之前做好的范例，一起喂就更好了——它照着范例做，对得最准。
- 直接问 AI 需要什么。 把要做的事告诉它，问：“我要做这些，哪些信息是必要的、哪些有了会更好？“让它替你列出该补的上下文清单。
- 在脑子里复现一遍工作流。 把这件事自己从头到尾走一遍，对照工作流逐个评估：每一步需要的材料，我是不是都提到了？ 漏的补上。
心法
AI 只看得见你给它的——别让它猜你脑子里的东西。怎么知道该喂什么：平时落地文档（带范例最好）下次直接喂、直接问 AI 哪些信息必要、在脑子里复现工作流逐步对照查漏。
可自检练习
任务： 挑一个真实问题，用上面第 2 条先问 AI：“我要做 XX，哪些信息是必要的、哪些有了更好？” 按它给的清单把材料贴进去，再正式提问。 （对照实验：可以先什么背景都不给裸问一次，再喂上下文问一次，看差多少。）
做对了长这样：
- 你养成”问之前先想/先问：这件事该喂哪些材料”的反射。
- 遇到反复做的事，你开始平时就攒文档和范例，而不是每次从零跟 AI 解释。
- 你能说出喂上下文后回答具体了多少——而不是继续抱怨”AI 答得太泛”。