用具体反馈改进 AI 的回答

　　上一节，我们学会了检查 AI 输出的格式、内容和实际用途。发现问题以后，接下来就要告诉 AI 怎样修改。

　　但如果只说“重写，再实用一点”，它可能只是换了一种表达，原来的问题依然存在，甚至把已经合适的部分也改掉了。

　　要让下一版更接近需要，我们得说清楚：哪里不符合要求、希望怎样修改，以及哪些内容需要保留。

反馈要说明具体问题和修改要求

　　当我们觉得一份回答“不够好”时，可以先想想，究竟是什么影响了它的使用。

　　例如，一份整理计划虽然列出了详细步骤，但动作拆得太碎，执行起来需要反复查看。我们可以反馈：“步骤有些零散，请把能够连续完成的动作适当合并，让计划更容易照着执行。”

　　这条反馈指出了问题，也说明了希望改进的方向。至于哪些步骤应该合并、怎样重新安排，则交给 AI 判断。

　　好的反馈不是替 AI 完成修改，而是帮助它理解哪里需要改进。 我们只需说清影响结果的问题、希望达到的效果，以及必要的限制。

对照任务要求，找到真正的偏差

　　我们继续使用前几节的书桌整理计划。

　　原来的要求是：三十分钟以内，只整理桌面，不购买用品，不丢弃纸张；整理后能放下电脑和笔记本，明天要用的资料仍然方便拿取。

　　我们还提供了桌面照片、蓝色长尾夹夹好的资料、散纸和现有纸盒等信息，并将计划整理成“步骤与动作、预计用时、完成标准”三列表格。

　　假设其中出现了这样一步：

把今天不用的散纸丢掉，让桌面更清爽。

　　这一步看起来很具体，也确实能让桌面变得整洁，却违背了“不丢弃纸张”的要求。

　　发现这种问题时，可以从四个方面梳理：

　　这四个问题帮助我们理清思路：先找到偏差，再判断它为什么影响任务，接着明确希望改善的方向。

在原对话中提出修改要求

　　现在，打开之前使用的 DeepSeek 网页版，回到书桌整理计划所在的对话。

　　我们以刚才的错误步骤为例，给出一条具体反馈：

检查问题是否真正解决

　　收到修改后的计划，我们先看散纸的处理方式有没有改变，再检查其他安排是否仍然符合要求。

　　例如，如果只是把“丢掉散纸”改成“妥善处理纸张”，仍然不知道具体怎样做；如果改为购买新的文件架，又违反了不购买用品的要求。调整步骤后，相关的预计用时也可能需要更新。

　　我们关心的是：原来的问题是否得到解决，修改后的计划是否仍然适合使用。

　　如果还有问题，就针对新的偏差继续反馈；已经符合要求的部分，可以保留下来。

需求改变时，要重新安排任务

　　还有一种情况：原来的计划没有问题，但我们的需要发生了变化。

　　假设书桌还没有开始整理，我们临时接到电话，只剩十分钟。原来的三十分钟计划已经不适合当前情况。

　　这时，可以直接告诉 AI：

　　时间缩短后，原来的步骤可能需要重新排序，有些工作也要留到以后。

　　这里可以区分两种反馈：回答有偏差，就根据原要求改进；需求发生变化，就根据新条件重新安排。

按当前要求判断修改是否完成

　　经过调整，整理计划已经符合当前条件，步骤也能照着执行，就可以开始整理。

　　实际操作中，我们可能发现纸盒放不下所有散纸，或者某一步比预计耗时更长。这些新情况又能成为下一轮反馈的依据。

　　因此，每轮修改都可以围绕一个明确的问题展开：发现偏差，提出反馈，查看调整后的结果。问题解决了，就继续推进任务。

　　通过这一节，我们学会了从回答中找到真正影响使用的问题，提出改进方向，并根据结果决定是否继续调整。需求发生变化时，也可以让 AI 重新考虑原来的安排。

　　不过，经过多轮修改，最新决定可能散在不同消息里，早先的条件也可能已经改变。如果准备换一段对话继续，怎样让 AI 准确接上当前进度？

　　下一节，我们就学习怎样整理交接说明，把当前任务、已经确认的决定和接下来要做的事情交代清楚。