---
title: "第一次和 Claude 对话：新手最容易犯的 6 个错误"
description: "把新手最常踩的六个坑归成五类：需求太虚、任务太挤、背景太少、第一版就放弃、不交代身份。每类给出可直接照抄的改法。"
updated: 2026-11-13
canonical: https://docai.cc/learn/first-chat-common-mistakes/
markdown_mirror: https://docai.cc/learn/first-chat-common-mistakes.md
---
## 只写动词，不写对象

坏的写法：「帮我写个方案。」

模型不知道给谁看、多长、什么风格、要解决什么，只能端出一份放之四海皆准的骨架。你读完觉得「还行但没用」，问题出在输入。

好的写法：「帮我给市场部写一份活动复盘，读者是部门负责人，八百字左右，分现状、问题、下一步三块，语气平实，不要喊口号。」

差别只有一句话，但后者能直接改着用。补信息的顺序也有讲究：先补读者，再补用途，最后补格式和长度。提示词的基本构成，可以看[提示词](/concepts/prompt/)。

在换模型之前，先做一次发前自查：读者是谁、要它交付什么、结果长什么样。三项里缺两项以上，先补齐再发，通常比换一个模型更快见效。

## 一次抛出多个任务

「帮我分析商业计划，顺便写执行方案，再列风险，最后想融资思路。」四个任务挤在一条消息里，每个都只能得到浅尝辄止的答案。

改成一次一个：先让它挑出商业计划里最致命的三个问题；你确认方向后，再让它针对第一个问题写方案。多轮对话不是麻烦，是质量来源。

一个简单的判断：一条消息里出现两个以上「顺便」「再」「还有」，就该拆。

## 不给上下文，等于让它猜

两种最常见的缺背景：

**贴报错不贴环境。**「这段代码为什么出错」这句话里，没有语言、没有版本、没有报错信息。换成：「环境是 Python 3；下面几行把整数和字符串直接相加，抛出一个类型错误。请说明原因，并给出最小改法。」再附上代码：

```python
count = 5
label = "3"
print(count + label)
```

**把模型当实时搜索。**「今天股价多少」这类问题，模型只能用训练时的旧数据回答，或者编一个像样的数字。需要实时信息就换带检索的产品；模型擅长的是解释、分析、推理、写作。编造答案的风险见[幻觉](/concepts/hallucination/)。

同理，让它评价一份简历，就把岗位要求一起贴上；让它改一段文案，就把投放渠道说清楚。

## 第一版不满意就重开

第一版很少是最好的，但它通常能暴露方向对不对。有效的反馈要指出具体位置和具体改法：

「第二段太书面了，改成对同事说话的口吻；第三点展开到两百字，补一个例子。」

而不是「不对，重来」。后者会让模型重新猜一遍，猜中的概率并不会更高。如果方向整体错了，直接说「换个方向，假设读者完全没有背景」，比重新描述一遍更省事。对话越长，早期信息越容易被稀释，所以修改要趁早，见[上下文窗口](/concepts/context-window/)。

## 把身份和用途说清楚

同一个问题，交代背景和不交代，答案深度完全不同。比如「解释用户增长漏斗」，如果你是刚转岗的运营，加一句「我有五年销售经验，没做过互联网产品」，它就会从你熟悉的概念搭桥。

身份不是简历，只说和任务有关的部分：经验、角色、这次要做到什么程度。背景写得越具体，回答越像给你量身做的，而不是从模板里抄的。

可以直接套这个开头：

【我是谁】刚转岗做运营，五年销售背景
【要做什么】理解用户增长漏斗
【给谁看】给自己补课，不用汇报
【限制】用一个销售能听懂的类比，不超过三百字

## 回答不对时，先对照这张表

| 看到的症状 | 更可能的原因 | 下一步 |
| --- | --- | --- |
| 内容正确但全是套话 | 没写读者和用途 | 补一句「给谁看、拿来做什么」 |
| 答得很短，追问才展开 | 任务被压缩成一句话 | 把要覆盖的要点逐条列出 |
| 数字和事实对不上 | 把生成当成了检索 | 贴资料，或换用能联网的工具 |
| 越改越偏 | 每轮都在换方向 | 回到上一版，只改一个具体位置 |

表格不是万能诊断，但它能帮你分清「模型能力不够」和「输入没给够」。多数时候是后者。想练习逐轮修改，可以看[迭代改进答案](/learn/iterative-answer-refinement/)。

六个错误里，有一半只要多写一句背景就能避免。把这五类问题当成发消息前的检查表，能省掉大量来回。下一节把这类开头整理成可复用的模板：[新手提问模板](/learn/beginner-prompt-templates/)。