大多数人打开AI对话框，敲进去一个问题，拿到一个答案，然后关掉。这个流程没错，但只发挥了AI能力的冰山一角。最近看到一份来自Anthropic工程师的分享，核心观点很直接：AI不只是快，它还有高度、深度和广度，关键看你是否愿意花几分钟调试自己的提问方式。结合我在办公自动化和效率工具领域的观察，这套思路值得认真拆解。
【高度：先想清楚你真正要什么】
很多人用AI的典型方式是随口一问，比如“帮我分析一下这个账号”。这种提问只能换来一份泛泛而谈的报告，因为AI根本不知道你拿这份分析去做什么。Anthropic工程师的建议是往上提一层：先问自己，我做这件事的终极目标是什么？
如果你的目标是提升视频制作能力，那更好的提问是：“请分析这个博主，找出我目前最值得学习、也有条件做到的三个动作，并帮我设计练习计划。”再往上，你真正想要的可能是“持续做出观众愿意看、又能看懂的视频”，那提问就要变成：“先看我的一条视频，判断当前最影响观看体验的问题，再从这位博主的作品里找对应做法，指导我修改，并设计验证方式。”
这个逻辑在办公自动化场景里同样成立。比如你让AI帮忙写周报，如果只说“帮我写一份周报”，得到的往往是模板化的流水账。但如果你说“我要向领导汇报本周项目进展，重点是让他看到风险点和下周计划，请根据以下要点组织一份不超过300字的周报”，输出质量会完全不同。提问的高度，决定了输出能抵达的天花板。爱因斯坦有句话说得透彻：重大问题无法在制造问题的思维层次上得到解决。用AI也是如此。
【深度：角色扮演只是换了套词汇】
“你是一个拥有十年经验的电商专家”“你是一名顶级产品经理”——这类角色扮演提示词流传很广，但Anthropic工程师指出，这种方式主要改变的是AI的词汇表达，并不会从根本上改变它解决问题的逻辑。
真正有效的做法是往深处挖。与其说“你是十年经验的内容操盘手，帮我分析这个视频”，不如问：“分析竞品视频时，这个领域的顶尖专业人士会用到哪些工具和方法？他们的判断标准是什么？”前者给AI贴了个标签，后者让AI调动起该领域真正的专业框架。
在办公自动化实践中，这个区别非常明显。让AI处理一份Excel数据，如果只说“帮我分析这些销售数据”，它可能给你几个总数和平均值。但如果你问“一个资深销售运营在分析这类数据时，通常会关注哪些指标？用什么维度拆解？如何判断异常？”AI就会沿着专业路径去思考，输出的洞察深度完全不在一个量级。深度提问的本质，是逼AI调用结构化的专业知识，而不是停留在表面生成。
【广度：把单点任务串成工作流】
参考文章里提到“拓展广度”这个维度，虽然细节没有完全展开，但结合办公自动化的实际场景，我理解它的核心是：不要满足于让AI完成一个孤立的任务，而是让它帮你把多个环节串联起来，形成可复用的流程。
比如写会议纪要，浅层用法是“帮我整理这段录音”。广度用法则是：“请整理这段会议录音，提取决策事项和待办任务，按负责人分类，生成一份可以直接发到群里的纪要，同时列出需要我后续跟进的风险点。”一次提问，覆盖了整理、分类、分发、跟进四个环节。再进一步，你可以把这类提问固化成模板，下次开会直接套用，AI就成了你工作流里的一个固定节点，而不是每次都要重新调教的聊天对象。
【总结】
这套方法论的本质并不复杂：把AI从“问答机器”变成“专业协作伙伴”。高度解决的是目标对齐问题，深度解决的是专业框架问题，广度解决的是流程串联问题。三个维度不需要每次都全部用上，但只要养成在提问前多想一步的习惯，输出质量就会有肉眼可见的提升。
工具的上限往往取决于使用者的想象力。AI已经足够强大，真正需要升级的，是我们向它提问的方式。下次打开对话框之前，不妨先停三秒：我想达到的高度是什么？这个领域的专业人士会怎么问？这个任务能不能串进更大的流程里？想清楚这三点，你会发现AI远比你以为的更能干。