请加一句话，你的AI会更加好用！

前两天看到一张图，讲的是 Andrej Karpathy 对 AI 交互未来的一段思考。

我看到后的反应很直接：这事对普通人太有用了。

因为它说中的，正是很多人用 AI 时的真实痛点。

你明明问了一个很具体的问题，AI 也认真回答了，结果一屏又一屏的长文字砸过来。你扫了两眼，感觉它好像说得都对，但就是不想看。

结果很熟悉：收藏了，没用；复制了，没改；让 AI 帮你提高效率，结果你又花时间去消化 AI 的输出。

卡帕西分享

卡帕西分享

我来总结一下卡帕西大神的意思，就是一句话：：

如果你觉得 AI 给你的长篇大论看着眼花，可以在提问时加一句：“请用 HTML 格式回复”。

这句话看起来有点技术味，但它背后的意思很朴素：

不要只让 AI 给你答案，要让 AI 用更适合你阅读和判断的方式交付答案。

这才是很多普通人提升 AI 使用效果的关键。

一、很多人会用 AI，但一直在忍受难读的答案

我们平时太习惯这样问 AI：

“帮我总结一下。”

“帮我写一份方案。”

“帮我分析一下这个问题。”

这些问法没有错，但太粗了。

AI 接到这种指令，默认就会给你一大段文字。它会尽量完整，尽量全面，尽量把能想到的都写出来。

问题在于，人吸收信息的方式没有这么粗暴。

你看一份工作汇报，不会希望它从头到尾全是大段话。你看一个方案，也不会希望所有风险、成本、动作都挤在一个段落里。你做选择时，更希望看到对比表；你学一个概念时，更希望先有一句话解释，再有例子，再有行动建议。

所以，AI 输出不好用，很多时候问题不在内容，而在形状。

原素材里有一句判断很关键：

AI 可以翻译内容，但把内容翻译成你大脑能接受的格式，得你主动要求。

这句话我很认同。

以前我们总觉得，会用 AI 的关键是会不会写复杂提示词。现在我越来越觉得，对普通人来说，更重要的是学会提出交付要求。

你要告诉 AI：这份答案给谁看、用来做什么、用什么结构呈现、末尾怎么检查。

这就像你找一个同事帮忙。如果你只说“帮我整理一下”，他可能给你一份密密麻麻的文档。但如果你说“帮我整理成一张表，列出问题、原因、影响和下一步动作”，结果立刻就不一样。

AI 也是同样的逻辑。

二、那句“请用 HTML 格式回复”，到底改变了什么？

原素材里给了一个很具体的操作：

你把代码存成 .html 文件在浏览器打开，视觉体验会比直接看对话框好得多。

这件事不难。

你下次问 AI 一个复杂问题时，可以直接在结尾加一句：

请用 HTML 格式回复，做成一个可以直接保存为 .html 并用浏览器打开的页面。页面需要有标题、分区、重点高亮和卡片布局。

AI 通常会返回一段 HTML 代码。

你把它复制出来，新建一个文件，命名为 answer.html，然后用浏览器打开。你看到的会是一页有标题、有模块、有重点标记的内容，而不再是一段长文。

这一步的价值，不在于“网页更好看”。

真正的价值在于：它把阅读压力降下来了。

比如你让 AI 帮你整理一个行业概念，普通回答可能是五六段文字。你加上 HTML 要求后，它可以变成：

• 顶部一句话结论
• 中间几张知识卡片
• 左右对比模块
• 关键概念高亮
• 末尾给你三个行动建议

同样的信息，换一种形状，理解成本会明显下降。不同的提示词得出的结果差距如此大，如下图所示：

这也是为什么我觉得这个技巧适合普通人。它不要求你懂代码，也不要求你懂模型原理。你只需要记住一件事：

以后别只问 AI “答案是什么”，还要问它“请用什么形状交给我”。

三、AI 输出正在从文字，走向页面、图表和互动内容

原素材里把 AI 输出的进化分成了几个阶段：

过去：纯文本（看着累，没重点）。 现在：Markdown（有粗体、标题、表格，好受点儿了）。 未来：HTML / 交互式内容（像网页一样美观，甚至能点、能动）。

这个判断很有意思。

我们现在大多数人使用 AI，其实还停留在“聊天框时代”。你问一句，它回一段。你再问一句，它再回一段。

这当然有用，但复杂问题需要更合适的承载形态。

如果你只是问“今天北京天气如何”，文字回答够了。

但如果你问的是：

• 我该不该换工作？
• 这两个产品方案哪个更适合？
• 这篇文章该怎么改？
• 这个项目当前风险在哪里？
• 这份会议记录怎么变成行动计划？

这些问题只靠一段文字，很容易越看越乱。

更好的输出形态应该是：

• 做选择，用对比表
• 看风险，用风险清单
• 学概念，用知识卡片
• 做项目，用流程图
• 写文章，用大纲加样稿
• 做汇报，用结论、进展、问题、计划

这就是我说的“设计答案的形状”。

它看起来只是一个小技巧，背后其实是工作方式的变化：你从向 AI 要一段文字，开始转向让 AI 帮你搭一个临时的信息工作台。

四、普通人今天就能用的 5 个提问方式

如果你不想一上来就用 HTML，也没关系。

先把下面这 5 句话用起来，AI 的输出质量就会提升一截。

第 1 句：

请先给结论，再解释原因。

适合所有分析类问题。很多 AI 回答不好读，就是因为铺垫太长，结论藏得太深。

第 2 句：

请用表格呈现，列出：问题、原因、影响、建议动作。

适合工作汇报、方案评审、问题复盘。你会发现，表格一出来，很多模糊的地方会立刻暴露。

第 3 句：

请用卡片结构呈现，每张卡片包含：标题、一句话结论、3 个要点、一个例子。

适合学习新概念、整理文章、做知识笔记。卡片结构很适合收藏，也适合之后二次改写。

第 4 句：

请用流程步骤呈现，每一步说明输入、动作和输出。

适合做 SOP、工作流、项目计划。很多事情写成大段话会显得复杂，一拆成步骤就清楚很多。

第 5 句：

请用 HTML 格式回复，做成一个可以在浏览器打开的阅读页面。

适合复杂一点的材料，比如行业分析、知识地图、方案对比、学习笔记、个人计划。

你不用每次都用很长的提示词。真正重要的是养成一个习惯：

每次问 AI 之前，先想一下：我希望它给我一段话、一张表、一组卡片、一个流程，还是一个页面？

这个习惯一旦建立，AI 的可用性会高很多。

五、这件事为什么值得普通人重视？

因为 AI 的能力越来越强之后，新的差距不只在“谁知道哪个工具”，更在“谁更会组织信息”。

同样是问 AI，一个人拿到的是一段长文，另一个人拿到的是一张可执行清单。

同样是整理会议，一个人得到的是泛泛总结，另一个人得到的是负责人、截止时间、交付物。

同样是学习一个概念，一个人看完觉得“好像懂了”，另一个人拿到的是定义、类比、误区、案例和行动建议。

差距就是这样拉开的。

我现在越来越不愿意把 AI 当成“问答工具”。它更像一个可以临时搭建的工作台。

你要写文章，它可以给你大纲、标题、开头、改稿建议。

你要做汇报，它可以帮你拆成结论、进展、风险、计划。

你要学习，它可以帮你把概念变成卡片、表格、流程图。

你要做决策，它可以帮你把选项、成本、风险、约束放到同一张桌面上。

这就是 Human3.0 里很重要的一点：AI 负责帮你把信息摆到更容易判断的位置，判断权仍然在你手里。

但前提是，你要学会让 AI 把信息摆清楚。

六、下一次提问，直接这样试

如果你只想带走一个模板，可以复制下面这段：

我要完成【任务】，
使用场景是【场景】，
读者 / 对象是【对象】，
请你用【表格 / 卡片 / 步骤 / HTML 页面】呈现，
重点帮我讲清楚【重点】，
末尾按“是否清楚、是否具体、是否可执行”自检一遍。

举个普通上班族能直接用的例子：

我要整理一份部门周报，
使用场景是发给直属领导看，
读者是不了解细节但关心进展和风险的人，
请你用“项目进展 / 已完成 / 风险问题 / 下周计划”的结构呈现，
重点帮我讲清楚进展、阻塞和需要支持的地方，
末尾检查是否有空话、重复和不够具体的表达。

再举一个学习场景：

请解释“AI Agent”这个概念。
读者是没有技术背景的普通人。
请用卡片结构呈现：
1. 一句话解释；
2. 一个生活类比；
3. 它和普通聊天机器人的区别；
4. 适合普通人的使用场景；
5. 我今天可以怎么开始尝试。

你会发现，只要多交代这几件事，AI 的回答会从“能看”变成“能用”。

最后

这篇文章想说的重点很简单：

不要只把 AI 当成回答机器，要把它当成信息整理和表达工具。

你给它的要求越清楚，它交付给你的东西就越接近你的真实需求。

下次提问时，别急着点发送。

多加一句：

请用更适合阅读和判断的结构呈现。

如果问题复杂一点，就再加一句：

请用 HTML 格式回复。

你会很直观地感受到，同样一个 AI，给你的东西开始变得不一样了。