对话技巧

掌握与 Wesclaw AI 助手高效对话的技巧，让每一次交互都更加精准、高效。

有效提问

好的提问是获得优质回答的基础。以下原则帮助你更好地与 AI 助手沟通。

明确目标

在提问前，先想清楚你需要什么样的输出。

❌ 模糊提问：帮我写个东西
✅ 明确提问：帮我写一封给客户的道歉邮件，原因是发货延迟了 3 天，语气要诚恳但专业

提供必要背景

AI 助手不了解你的具体情况，关键背景信息需要在提问中给出。

❌ 缺少背景：这个方案可行吗？
✅ 提供背景：我们团队有 5 人，预算 10 万，周期 2 个月，目标是搭建一个内部知识库系统。这个方案可行吗？

指定输出格式

如果你对输出格式有要求，直接说明。

• 表格形式：「请用表格对比 A、B、C 三个方案的优缺点」
• 分步骤：「请列出操作步骤，每步要有具体说明」
• 简短回答：「用一句话回答」
• 代码格式：「请给出 Python 代码示例」

设定角色

通过角色设定，让 AI 从特定视角回答。

请以资深产品经理的角度，评估这个需求的优先级
请以法律顾问的身份，审查这份合同的关键条款
请以面试官的角度，对我的自我介绍提出改进建议

上下文管理

Wesclaw 支持多轮对话，合理管理上下文能显著提升对话质量。

会话隔离

不同主题使用不同的会话，避免上下文混淆。

引用前文

在长对话中，如果需要引用之前的内容，明确指出。

✅ 回到我们刚才讨论的第二个方案，能否在成本控制方面再优化一下？
✅ 基于你上面给出的代码框架，帮我补充错误处理逻辑

及时纠正

当 AI 理解有偏差时，及时纠正方向。

不是这个意思。我说的"优化"是指减少代码行数，不是提升性能。请重新来。

主动总结

长对话后，可以让 AI 做一次总结，确认双方理解一致。

请总结一下我们刚才讨论的要点，列出已确认的结论和待定的问题。

多轮对话

多轮对话是 Wesclaw 的核心能力之一。以下技巧帮助你更好地利用多轮对话。

渐进式细化

从粗到细，逐步深入。

第一轮：帮我写一份项目计划的大纲
第二轮：把第三部分"技术方案"展开详细写
第三轮：技术方案中的数据库设计部分需要更具体的表结构
第四轮：请帮我写建表的 SQL 语句

迭代修改

让 AI 基于上一版结果进行调整。

第一轮：写一段产品介绍
第二轮：语气再正式一些
第三轮：加入一些数据支撑
第四轮：长度控制在 200 字以内

分支探索

在关键决策点，可以让 AI 分别展开不同方向。

方案 A 和方案 B 各有什么优劣？
→ 先详细说说方案 A 的实现细节
→ （新会话）再看看方案 B 的实现细节

结构化长任务

对于复杂任务，先制定计划再逐步执行。

第一轮：我需要写一份竞品分析报告，帮我列出报告结构
第二轮：确认结构没问题，开始写第一章"市场概览"
第三轮：继续写第二章"竞品对比"
...

指令优化

通过优化指令表达方式，获得更好的输出质量。

使用限定词

限定输出范围和深度。

正面表述优先

告诉 AI"要做什么"比"不要做什么"更有效。

❌ 不要写太长
✅ 请控制在 300 字以内

❌ 别用专业术语
✅ 请用通俗易懂的语言，面向非技术人员

提供示例

给出期望输出的示例，帮助 AI 理解你的需求。

请按以下格式写 5 条产品卖点：

格式示例：
🔥 **卖点标题**：一句话说明，不超过 20 字

示例：
🔥 **极速启动**：冷启动仅需 0.8 秒，告别等待

分步指令

复杂任务拆分为步骤，效果优于一句话描述。

请帮我分析这份销售数据：
1. 先看整体趋势（同比、环比）
2. 找出 Top 5 热销产品
3. 分析各区域的表现差异
4. 给出下季度的优化建议

常见误区

避免以下常见的对话误区，提升交互效率。

误区一：一次塞入过多信息

问题：一条消息包含多个不相关的问题。

❌ 帮我翻译这段英文，然后写一份会议纪要，再看看明天天气怎么样
✅ 分成三次提问，每次专注一个任务

误区二：期望 AI 记住所有历史

问题：AI 的上下文窗口有限。超长对话可能导致早期内容被压缩。

解决：对于关键信息，在需要时重新提及，不要假设 AI 记得每一个细节。

误区三：不检查 AI 输出

问题：直接使用 AI 输出的数据、代码或事实性内容。

建议：

• 代码需要实际运行验证
• 数据和事实需要交叉验证
• 专业建议需要咨询领域专家

误区四：反复用相同方式提问

问题：同一个问题，用几乎相同的方式反复问，期望得到不同结果。

解决：换一种提问方式、补充更多背景、或明确指出上次回答的不足之处。

误区五：忽略记忆功能

问题：每次对话都重新说明个人偏好和常用设置。

解决：利用 Wesclaw 的记忆系统，将个人偏好、常用设置保存为长期记忆，AI 会在后续对话中自动参考。

高级技巧

利用 Agent 专长

Wesclaw 支持多个 Agent，针对不同任务选择合适的 Agent。

写作任务 → 选择写作助手 Agent
代码问题 → 选择编程助手 Agent
日常对话 → 选择通用助手 Agent

结合技能系统

加载相关技能，让 AI 获得特定领域的专业能力。

/skills load code-review    ← 加载代码审查技能后再讨论代码质量
/skills load data-analysis   ← 加载数据分析技能后再处理数据

使用记忆增强

将重要的个人偏好和工作习惯保存到记忆中。

记住：我写代码时偏好 Go 语言，代码风格遵循 Google Go Style Guide
记住：我们团队使用 Jira 管理项目，Sprint 周期是两周

小结