哲学与认知根基

📍 位置：提问的艺术 / 哲学与认知根基 📌 核心发现：提问不仅是获取信息的工具，更是人类认知、存在和理解的根本方式——从苏格拉底的反诘到海德格尔的存在之问，从第一性原理的拆解到元认知的自我审视，提问构成了思维的底层操作系统 📥 输入：学术文献、哲学经典、教育研究 📤 流向：→ findings.md 提问的理论基础部分

一、苏格拉底提问法（Socratic Questioning）

1.1 历史源流：从雅典广场到现代课堂

苏格拉底（公元前 469-399 年）本人没有留下任何著作，他的提问方法主要通过柏拉图的对话录流传。苏格拉底式提问的核心技术叫做 反诘法（elenchus），希腊语原意为”交叉审问、检验、反驳”。

反诘法的经典步骤（据 Gregory Vlastos 的分析）：

1. 对话者提出论点（thesis）——例如：“勇敢就是灵魂的坚忍”
2. 苏格拉底判断该论点可能有误，决定进行反驳
3. 苏格拉底引导对话者同意更多前提——例如：“勇敢是一种美好的品质”、“无知的坚忍并非美好的品质”
4. 苏格拉底论证这些前提与原论点矛盾——推导出”勇敢不等于灵魂的坚忍”
5. 苏格拉底宣称原论点被证伪，其否命题为真

来源：Socratic method - Wikipedia；The Socratic Elenchus | Conversational Leadership

大多数苏格拉底式对话最终以 困惑（aporia） 收场——对话者意识到自己并不像原来以为的那样理解某个概念。这种”知道自己不知道”的状态，恰恰是苏格拉底认为智慧的起点。柏拉图的《美诺篇》（Meno）中著名的”美诺悖论”就探讨了这个问题：一个人怎么能去探寻他完全不知道的东西？

1.2 六种苏格拉底式提问类型

Richard W. Paul 将苏格拉底式提问归纳为六种类型，这一分类至今仍是批判性思维教育的基础框架：

类型一：澄清类问题（Questions for Clarification）

目的：确保理解准确，暴露模糊表述

来源：6 types of Socratic Questions - University of Michigan

类型二：探查假设的问题（Questions that Probe Assumptions）

目的：揭露隐含的前提，挑战未经检验的信念

认知意义：识别假设对于克服认知偏差至关重要。很多时候，我们的结论建立在未经检验的假设之上，而我们对此毫无察觉。

类型三：探查理由和证据的问题（Questions that Probe Reasons and Evidence）

目的：追问论证的根据，检验证据的质量

类型四：探查观点和视角的问题（Questions about Viewpoints and Perspectives）

目的：引入多元视角，突破单一思维框架

类型五：探查影响和后果的问题（Questions that Probe Implications and Consequences）

目的：推演逻辑后果，检验结论的完整性

类型六：关于问题本身的问题（Questions about the Question）

目的：元层面反思，检验问题本身的质量

来源：Socratic Questioning in Psychology - Positive Psychology；The Six Socratic Questions - Medium

1.3 苏格拉底对话的实际运用流程

将苏格拉底式提问用于实际对话时，可以遵循以下流程：

1. 定位核心信念 → 对方相信什么？
2. 澄清定义     → 他们所说的具体是什么意思？
3. 探查假设     → 这个信念建立在什么前提之上？
4. 要求证据     → 支持这个信念的证据是什么？
5. 引入替代视角 → 还有没有其他解释？
6. 推演后果     → 如果这个信念为真/为假，会怎样？
7. 反思问题     → 我们是否在问正确的问题？

1.4 在现代领域的应用

认知行为疗法（CBT）中的苏格拉底提问：

CBT 治疗师使用苏格拉底式提问帮助来访者识别扭曲的思维模式，发展更平衡的认知视角。与直接给建议相比，提问式引导能减少来访者的防御心理，促成更持久的行为改变。

来源：Socratic Questioning in Psychology - Positive Psychology

教育领域：

苏格拉底式提问鼓励学生独立发现答案，而非被动接受知识。研究表明，这种方法能促进主动参与、培养批判性思维、发展情商和自我觉察。

领导力与教练（Coaching）：

在高管教练和组织发展中，苏格拉底式提问被广泛用于引导对方自主思考，而非依赖外部建议。核心原则是：提问者不拥有答案，而是帮助对方找到自己的答案。

二、第一性原理思维（First Principles Thinking）

2.1 亚里士多德：第一性原理的哲学起源

亚里士多德在《形而上学》（Metaphysics）中将第一性原理定义为：

“the first basis from which a thing is known”（事物被认知的第一基础） —— Metaphysics 1013a14-15

在古希腊哲学中，第一性原理被称为 arche（ἀρχή），意为”起源、本原、第一原则”。这个概念最早可追溯到前苏格拉底哲学家（如泰勒斯、赫拉克利特）对万物本原的探寻，经由柏拉图发展，最终被亚里士多德系统化为形而上学的核心概念。

亚里士多德在《形而上学》第一卷中指出：

“每个人都认为所谓’智慧’（sophia）与对第一因（aitia）和原理（archai）的探求有关。”

他将 矛盾律（Law of Non-Contradiction）称为”所有原理中最确定的”——这本身就是一个第一性原理的例证：它不能被进一步推导，只能被直接认知。

来源：First principle - Wikipedia；Aristotle’s Metaphysics - Stanford Encyclopedia of Philosophy

2.2 笛卡尔：系统性怀疑作为到达第一性原理的方法

笛卡尔（René Descartes, 1596-1650）将第一性原理思维推进了一步：他发展出 方法论怀疑（Methodical Doubt），通过系统性地怀疑一切可怀疑之物，寻找不可怀疑的基础。

他的推理过程本身就是一个提问链：

Q: 我的感官可靠吗？ → 不一定，感官有时会欺骗我
Q: 我怎么知道我不是在做梦？ → 无法确定
Q: 有没有一个全能的恶魔在欺骗我？ → 可能
Q: 那么，有什么是绝对不可怀疑的？
A: 即使一个全能的恶魔在欺骗我，"我在怀疑"这件事本身是不可怀疑的

由此得出著名的第一性原理：

“Dubito ergo cogito, cogito ergo sum”（我怀疑故我思，我思故我在）

笛卡尔的贡献在于：他把 “提问”提升为到达第一性原理的方法论。不是被动接受既有知识，而是主动怀疑一切，直到找到不可再怀疑的基础。

来源：Descartes’ Epistemology - Stanford Encyclopedia of Philosophy；Cogito, ergo sum - Britannica

2.3 马斯克：第一性原理的现代商业应用

Elon Musk 是当代最知名的第一性原理思维践行者。他明确区分了两种思维方式：

“I think people’s thinking process is too bound by convention or analogy to prior experiences.” （我认为人们的思维过程过于被惯例或对过去经验的类比所束缚。）

类比思维 vs 第一性原理思维：

SpaceX 案例：

Musk 发现购买火箭成本高达 6500 万美元。他没有接受这个”行业共识”，而是用第一性原理拆解：

Q: 火箭是由什么材料组成的？
A: 航空级铝合金、钛、铜和碳纤维。

Q: 这些材料在商品市场上值多少钱？
A: 火箭材料成本大约只有典型售价的 2%。

Q: 为什么差距这么大？
A: 因为没有人从基本材料成本出发重新思考制造流程。

→ 结论：自己造火箭，将发射成本降低近 10 倍。

古腾堡案例：

约翰内斯·古腾堡（Johannes Gutenberg）将酿酒用的螺旋压机与活字、纸张、油墨结合，发明了印刷术。他没有试图改良已有的手抄方式（类比思维），而是从”如何高效地把文字转移到纸上”这一第一性原理出发，从不相关的领域借用技术。

来源：First Principles - James Clear；First Principles Thinking - Farnam Street

2.4 用提问拆解到基本事实再重建

第一性原理思维的核心操作是 “拆解-重建”（Deconstruct then Reconstruct），而提问是实现这一操作的主要手段。

具体的提问流程：

第一步：识别当前假设
  Q: 关于这件事，大家普遍怎么认为？
  Q: 我自己的信念是什么？

第二步：拆解到基本事实
  Q: 我确定为真的基本事实是什么？
  Q: 如果我把所有假设都去掉，还剩下什么？
  Q: 这个领域的"物理定律"是什么——什么是不可能违反的？

第三步：从基本事实重建
  Q: 如果从零开始，知道这些基本事实后，我会怎么做？
  Q: 有没有全新的组合方式？
  Q: 其他领域有没有可以借用的方案？

2.5 五个为什么（5 Whys）与第一性原理的关系

起源：五个为什么由丰田工业创始人丰田佐吉（Sakichi Toyoda）发明，后被丰田汽车的大野耐一（Taiichi Ohno）推广为丰田生产体系（Toyota Production System）的核心工具。大野耐一称其为”丰田科学方法的基础”。

方法：对一个问题连续追问”为什么”（通常五次），每次基于上一个回答继续追问，直到到达根本原因。

经典示例（丰田原版）：

问题：机器停止运转了。
Q1: 为什么？ → 因为保险丝烧了。
Q2: 为什么保险丝会烧？ → 因为电流过大。
Q3: 为什么电流过大？ → 因为轴承润滑不足。
Q4: 为什么润滑不足？ → 因为润滑泵没有正常工作。
Q5: 为什么润滑泵没有正常工作？ → 因为泵轴磨损了。
→ 根本原因：泵轴磨损。解决方案：更换泵轴。

与第一性原理的关系：

五个为什么本质上是第一性原理思维的 操作化工具——通过连续追问”为什么”，层层剥离表象，到达问题的根本原因（即”第一因”）。两者的共同逻辑是：不接受表层解释，持续深挖，直到触及不可再分解的基本事实。

五个为什么的局限性：

• 倾向于收敛到单一因果链，可能遗漏并行原因
• 结果高度依赖提问者的经验和偏见
• 对于复杂系统问题，单一因果链分析可能过于简化

来源：Five whys - Wikipedia；5 Whys Technique - IHI；First Principles Thinking - Farnam Street

三、批判性思维与提问

3.1 Paul-Elder 批判性思维框架中的提问维度

Richard Paul 和 Linda Elder 在 1990 年代开发的批判性思维框架，是当今最广泛使用的批判性思维教学和评估模型。该框架由三个相互关联的组件构成：

3.1.1 八大思维要素（Elements of Thought）

任何一次推理都可以被分解为八个要素，每个要素都对应一组引导性提问：

3.1.2 九大理智标准（Universal Intellectual Standards）

理智标准用于评估思维要素的质量，每个标准本身就是一个提问维度：

3.1.3 八大理智品德（Intellectual Traits）

长期践行上述提问会培养八种理智品德：

• 理智谦逊（Intellectual Humility）：承认自己知识的局限
• 理智勇气（Intellectual Courage）：敢于面对和质疑不受欢迎的观点
• 理智同理心（Intellectual Empathy）：能站在对方的立场思考
• 理智自主（Intellectual Autonomy）：独立思考，不盲从权威
• 理智正直（Intellectual Integrity）：对自己和他人使用同样的标准
• 理智坚韧（Intellectual Perseverance）：面对困难和阻力时坚持追求真理
• 理性信任（Confidence in Reason）：相信理性的力量
• 公正心（Fair-mindedness）：公正地对待所有立场

Paul-Elder 框架的核心洞察：批判性思维不是一种天赋，而是一套可以通过提问来练习和培养的技能。

来源：Paul-Elder Critical Thinking Framework - University of Louisville；How to Apply Paul-Elder Critical Thinking Framework - Designorate

3.2 认知偏差如何影响提问质量

认知偏差（Cognitive Bias）是人类思维中系统性的偏离理性判断的模式。它们严重影响我们提出问题的方式和质量。

3.2.1 确认偏差（Confirmation Bias）

定义：倾向于搜寻、解读和记忆那些 确认 已有信念的信息，同时忽视或贬低反面证据。

对提问的影响：

• 只问那些可能得到肯定回答的问题（“这个方案好在哪里？“而非”这个方案可能在哪里失败？”）
• 在了解他人时，倾向于问引导性问题来确认已有印象
• 侦探过早锁定嫌疑人后，选择性地收集确认证据，忽视无罪证据

对抗策略：

• 刻意提出反面问题：“有什么证据可以推翻我的观点？”
• 寻求挑战你观点的信息源
• 训练自己问”如果我错了呢？”

来源：Cognitive Bias - Simply Psychology

3.2.2 锚定效应（Anchoring Bias）

定义：过度依赖接收到的 第一条信息（“锚”）来做后续判断。

对提问的影响：

• 第一个问题的框架方式会”锚定”整个对话方向
• 面试中，第一印象（锚）影响后续提问的深度和方向
• 谈判中，先提出的数字成为后续讨论的参照点

经典示例：购车者看到标价 19,000 元后，觉得 18,000 元是”便宜了”，尽管市场公允价可能只有 16,000 元。

对抗策略：

• 在做判断前收集多个独立参照点
• 有意识地延缓判断
• 提问时警惕”第一个答案”的过度影响

3.2.3 可得性偏差（Availability Bias）

定义：根据信息的 易回忆程度 来判断其发生的可能性。

对提问的影响：

• 倾向于围绕最近或最戏剧性的信息提问，忽视基础统计数据
• 新闻中高频出现的事件被过度关注，低频但重要的问题被忽略

示例：鲨鱼袭击的新闻报道使人高估鲨鱼袭击的概率，进而避免游泳——尽管实际风险极低。

对抗策略：

• 问”实际的概率/数据是什么？“而非依赖直觉
• 区分情感显著性（emotional salience）与实际可能性

3.2.4 框架效应（Framing Effect）

定义：同一信息因 表述方式不同 而导致不同的判断。

对提问的影响：

• “这个手术的成功率是 90%“和”这个手术的死亡率是 10%“传达的是同一信息，但引发的反应截然不同
• 提问的框架方式直接影响回答者的思维方向

对抗策略：

• 有意识地用不同框架重新表述同一个问题
• 问”如果用另一种方式描述这个情况，我的判断会改变吗？“

3.2.5 自利偏差（Self-Serving Bias）

定义：将成功归因于内部因素（自己的能力），将失败归因于外部因素（运气不好、环境不利）。

对提问的影响：

• 成功后倾向于问”我做对了什么？“（强化归因）
• 失败后倾向于问”是什么外部因素导致的？“（回避责任）

对抗策略：

• 成功时问”有哪些外部因素帮助了我？”
• 失败时问”我可以做什么不同的事情？”

来源：Cognitive Bias - Simply Psychology；Anchoring Bias - The Decision Lab

3.3 元认知：关于思考的思考

3.3.1 什么是元认知（Metacognition）

元认知由 John Flavell 在 1979 年正式定义为”关于认知的认知”（cognition about cognition），通俗地说就是 “思考自己在怎么思考”。

元认知包含两个核心维度：

• 元认知知识（Metacognitive Knowledge）：知道自己的思维模式、优势和弱点
• 元认知调节（Metacognitive Regulation）：主动计划、监控和评估自己的思维过程

3.3.2 元认知提问：用提问检查自己的思维

元认知的核心操作就是 向自己提问。以下是三个阶段的元认知提问：

计划阶段（Planning）：

• “关于这个话题，我已经知道什么？”
• “我以前是怎么解决类似问题的？”
• “我需要什么信息才能开始？”
• “我的目标是什么？我该从哪里入手？”

监控阶段（Monitoring）：

• “我现在在做什么？”
• “这是否在带我接近目标？”
• “我走到哪里了？还需要什么？”
• “我是否遇到了困难？困难在哪？”

评估阶段（Evaluating）：

• “我的方法有效吗？”
• “如果不有效，还有什么其他方法？”
• “我学到了什么？下次可以做什么不同？”
• “我的思维过程中有没有偏差或盲点？”

来源：Metacognition and self-regulation - EEF；Why Is Metacognition So Important for Good Thinking? - Psychology Today

3.3.3 元认知与批判性思维的关系

元认知是批判性思维的 底层基础设施：

批判性思维 = 对"外部世界"的理性审视
元认知     = 对"审视过程本身"的理性审视

→ 元认知让批判性思维变成了一个自我校正的系统

没有元认知的批判性思维容易陷入一种讽刺的困境：用有偏差的思维去检查偏差，如同用一把弯尺去测量直线。元认知提供的”跳出来看”的能力，使得思维能够自我纠正。

教育领域的研究表明，元认知策略能显著提升学生在识字、数学和科学方面的学习效果，对小学和中学阶段都有效。

来源：Metacognition and Self-Regulated Learning - EEF

四、提问的哲学根基

4.1 维特根斯坦：语言的边界就是思维的边界

路德维希·维特根斯坦（Ludwig Wittgenstein, 1889-1951）在《逻辑哲学论》（Tractatus Logico-Philosophicus, 1921）中提出了也许是关于语言与思维关系最著名的命题：

“Die Grenzen meiner Sprache bedeuten die Grenzen meiner Welt.” “The limits of my language mean the limits of my world.” （我的语言的边界意味着我的世界的边界。） —— Tractatus 5.6

维特根斯坦进一步阐明：

“What we cannot think, that we cannot think: we cannot therefore say what we cannot think.” （我们不能思考的东西，我们就不能思考：因此我们也不能说出我们不能思考的东西。）

这一命题的另一面就是著名的 7 号命题：

“Whereof one cannot speak, thereof one must be silent.” （对于不可言说之物，必须保持沉默。） —— Tractatus 7

对提问的深刻启示：

1. 提问受限于语言：我们只能问出我们的语言能够表达的问题。如果一个概念在某种语言中不存在，相关的问题就难以被提出。
2. 扩展语言 = 扩展思维：学习新概念、新术语、新框架，本质上是在扩展我们能提出的问题的边界。
3. 不同语言 = 不同提问空间：每种语言都划定了一个可提问的世界。翻译不仅是语词转换，更是提问空间的映射。

后期维特根斯坦的转向：

在后期著作《哲学研究》（Philosophical Investigations）中，维特根斯坦修正了自己的立场。他不再认为语言有一个固定的逻辑结构，而是提出了”语言游戏”（Sprachspiel/language game）的概念——语言的意义在于其使用方式。

这意味着：提问的意义不仅取决于问题的逻辑结构，还取决于提问的语境、参与者和实践形式。 同一个问题在不同的”语言游戏”中可能具有完全不同的意义。

来源：Tractatus Logico-Philosophicus 5.6；Wittgenstein - Internet Encyclopedia of Philosophy；Wittgenstein, Heidegger, and the language of silence - IAI

4.2 海德格尔：提问作为存在的方式

马丁·海德格尔（Martin Heidegger, 1889-1976）在西方哲学史上赋予了”提问”前所未有的本体论地位。

4.2.1 存在之问（Seinsfrage）

海德格尔的巨著《存在与时间》（Sein und Zeit, 1927）以一个问题开场：“存在的意义是什么？“（Was ist der Sinn von Sein?）这不是一个普通的哲学问题，而是海德格尔认为西方哲学两千多年来一直在回避的根本之问。

“即使我们似乎理解’存在’，它的意义依然笼罩在黑暗之中。因此，我们需要重新提出存在的意义这个问题。”

海德格尔认为，提问本身就是此在（Dasein，即人的存在方式）的基本特征。人之所以为人，正是因为我们能够追问存在的意义。动物活着但不追问活着的意义——这种追问能力定义了人的存在方式。

4.2.2 “提问是思想的虔诚”

海德格尔在《关于技术的追问》（Die Frage nach der Technik, 1954）中写下了这句名言：

“Denn das Fragen ist die Frömmigkeit des Denkens.” “For questioning is the piety of thought.” （因为提问是思想的虔诚。）

海德格尔解释说，“虔诚”（Frömmigkeit）在这里取古义：顺从的、服从的——服从于思想所必须思考之物。

这句话的深意在于：

• 提问不是思想的初级阶段（需要被”回答”所取代），而是思想的 最高形式
• 真正的思考者是永远在追问的人，而非拥有所有答案的人
• 提问是对存在的一种敬畏——承认世界的复杂性超越我们的把握

4.2.3 提问的结构

海德格尔在《存在与时间》中分析了提问（Fragen）的形式结构，指出任何真正的提问都包含三个要素：

1. 被问之物（das Gefragte）：提问所指向的对象——存在
2. 被追问之物（das Erfragte）：提问真正想要获得的——存在的意义
3. 被询问者（das Befragte）：通过什么来追问——此在（Dasein）

“人们几乎立刻就忽略了提问所涉及的复杂结构。”

这一分析告诉我们：一个好问题不仅要知道问什么，还要知道真正想获得什么，以及通过什么路径去获得。

来源：Martin Heidegger - Internet Encyclopedia of Philosophy；Being and Time - Britannica；Martin Heidegger - Stanford Encyclopedia of Philosophy；The Piety of Thought - The Imaginative Conservative

4.3 伽达默尔：真正的对话始于真正的问题

汉斯-格奥尔格·伽达默尔（Hans-Georg Gadamer, 1900-2002）在其代表作《真理与方法》（Wahrheit und Methode, 1960）中，将提问置于诠释学（Hermeneutics）的核心位置。

4.3.1 问题的优先性

伽达默尔从柏拉图辩证法和 R.G. 柯林伍德（Collingwood）的哲学中继承了 “问题在理解结构中的优先性” 这一洞察。

“问题通过’打开对象的存在’来确定答案的方向。”

这意味着：

• 答案的质量取决于问题的质量——一个糟糕的问题不可能产生深刻的理解
• 理解不是被动接受信息，而是主动提问——你对一个文本的理解，取决于你带着什么问题去阅读它
• 问题先于答案——在诠释学中，先有问题，后有理解

4.3.2 真正的问题与虚假的问题

伽达默尔区分了 真正的问题（genuine question） 和虚假的问题：

真正的问题 具有以下特征：

• 具有”是与否的辩证对立”——一个真正的问题让信念悬置于不确定状态，允许肯定和否定两种回答
• 创造 开放性（Offenheit）——真正的问题打开一个探索空间
• 但开放性”受问题视域（Horizont der Frage）的限制”——问题划定了有意义的探索范围

虚假的问题 的特征：

• 不创造真正的开放性，而是维持既有的虚假假设
• 已经预设了答案——“你不觉得 X 是对的吗？”
• 不把信念置于风险之中

4.3.3 对话的诠释学

伽达默尔认为，真正的理解发生在对话之中，而真正的对话具有以下结构：

1. 愿意让自己的信念和意见接受批评和反驳——暴露自己知识主张的可错性
2. 承认我们总有东西可以向对话者学习——对他者的开放
3. 追随话题本身（die Sache selbst）——对话的主角不是对话者，而是话题
4. 理解是辩证的过程——自我与他者之间的对话，在问与答的张力中产生新的理解

“进行真正的对话需要一种意愿：保持自己的信念和意见对批评和反驳开放，从而暴露自己知识主张的可错性和非终极性。“

4.3.4 前见（Vorurteil）与提问

伽达默尔对西方哲学的一大贡献是 “前见的康复”（rehabilitation of prejudice）。他认为：

“我们的前见本身就是使我们向需要被理解之物敞开的东西。”

前见（或偏见、前判断）不是理解的障碍，而是理解的 前提条件。没有任何前见的”白板”状态是不可能的，也不是理想的。但关键在于：

“当我们的前见因此变得明显时，它们本身也可以成为追问的对象。”

这就形成了一个精妙的循环：前见使提问成为可能，而提问又反过来审视前见——这就是诠释学循环（hermeneutischer Zirkel）在提问维度上的体现。

来源：Hans-Georg Gadamer - Stanford Encyclopedia of Philosophy；Gadamer - Internet Encyclopedia of Philosophy；Deriving Gadamer’s Account of Dialogue

五、综合：提问作为人类认知的底层操作系统

将四个维度的洞察整合，可以看到一幅关于提问的完整图景：

最终洞察：

提问不是思维的”入门动作”（问完就结束），而是思维的 持续运行方式。苏格拉底用提问检验信念，笛卡尔用提问寻找确定性，海德格尔用提问追问存在，伽达默尔用提问实现理解，维特根斯坦用提问探索语言的边界，Paul-Elder 用提问建构批判性思维，元认知用提问监控思维本身。

提问不是思维的起点，提问就是思维本身。

参考来源

苏格拉底提问法

• Socratic Questioning in Psychology - Positive Psychology
• 6 Types of Socratic Questions - University of Michigan
• The Six Socratic Questions - Medium
• Socratic method - Wikipedia
• The Socratic Elenchus | Conversational Leadership

第一性原理思维

• First Principles - James Clear
• First Principles Thinking - Farnam Street
• First principle - Wikipedia
• Aristotle’s Metaphysics - Stanford Encyclopedia of Philosophy
• Five whys - Wikipedia
• 5 Whys Technique - IHI
• Descartes’ Epistemology - Stanford Encyclopedia of Philosophy
• Cogito, ergo sum - Britannica

批判性思维与认知偏差

• Paul-Elder Critical Thinking Framework - University of Louisville
• How to Apply Paul-Elder Critical Thinking Framework - Designorate
• Cognitive Bias - Simply Psychology
• Anchoring Bias - The Decision Lab
• Metacognition and self-regulation - EEF
• Metacognition and Self-Regulated Learning - EEF

哲学根基

• Tractatus Logico-Philosophicus 5.6
• Wittgenstein - Internet Encyclopedia of Philosophy
• Wittgenstein, Heidegger, and the language of silence - IAI
• Martin Heidegger - Internet Encyclopedia of Philosophy
• Martin Heidegger - Stanford Encyclopedia of Philosophy
• Being and Time - Britannica
• The Piety of Thought - The Imaginative Conservative
• Hans-Georg Gadamer - Stanford Encyclopedia of Philosophy
• Gadamer - Internet Encyclopedia of Philosophy
• Deriving Gadamer’s Account of Dialogue

教育与学习中的提问

📍 位置：提问的艺术 / 教育与学习 📌 核心发现：提问不仅是教学工具，更是学习的核心引擎——从布鲁姆分类法的认知层次提问，到苏格拉底式引导发现，再到学习者的元认知自问，提问贯穿教与学的全过程，是从”被动接收”到”主动建构”的关键转换机制 📥 输入：教育学研究、学习科学、教学法文献、Claude Skill 设计实践 📤 流向：→ findings.md 教育场景提问部分

目录

1. 布鲁姆分类法与提问层次
2. 提问式教学法
3. 学习者的自我提问策略
4. 引导式学习框架——Skill 设计中的提问智慧
5. 综合应用：提问策略速查表

一、布鲁姆分类法与提问层次

1.1 框架概述

1956 年，Benjamin Bloom 领导的教育心理学家团队提出了认知目标分类法（Bloom’s Taxonomy），后经 Anderson 和 Krathwohl 于 2001 年修订。修订版将认知过程分为六个递进层次，每个层次对应不同深度的思维活动和提问类型。

核心洞察：大多数课堂提问停留在”记忆”和”理解”层——真正促进深度学习的是分析、评估和创造层的提问。有意识地将提问层次上移，是提升教学质量和学习深度的最直接杠杆。

1.2 六个认知层次详解

第一层：记忆（Remember）

认知活动：回忆、识别、列举已学的事实和概念

适用场景：检查基础知识掌握、课前热身、快速诊断

中文课堂常用句式：

• “请列出……”
• ”……的定义是什么？”
• “谁/什么时候/在哪里……？”
• “你还记得……吗？“

第二层：理解（Understand）

认知活动：解释、归纳、分类、推断、比较、举例说明

适用场景：确认学生是否真正理解而非死记、课堂讨论引入

中文课堂常用句式：

• “用你自己的话说说……”
• “这段话的主要意思是什么？”
• “你能举个例子来说明吗？”
• ”……和……有什么区别？“

第三层：应用（Apply）

认知活动：在新情境中运用已学的概念、规则或方法来解决问题

适用场景：实践练习、案例分析、跨情境迁移

中文课堂常用句式：

• “如果遇到这种情况，你会怎么做？”
• “请用刚学的方法来解决这道题”
• “这个原理在日常生活中怎么体现？”
• “换一个场景，这个规律还适用吗？“

第四层：分析（Analyze）

认知活动：将材料分解为组成部分，识别模式、关系、因果链

适用场景：深度阅读讨论、研究方法训练、批判性审视

中文课堂常用句式：

• ”……和……之间有什么关系？”
• “造成这个结果的原因是什么？”
• “你发现了什么规律/模式？”
• “如果……没有发生，结局会不同吗？”
• “这里面哪些是事实，哪些是观点？“

第五层：评估（Evaluate）

认知活动：基于标准做出判断、辩护立场、评价方案的优劣

适用场景：辩论、论文写作、方案选型、同行评审

中文课堂常用句式：

• “你同意还是不同意？为什么？”
• “这个方案的优势和劣势分别是什么？”
• “你凭什么标准做出这个判断？”
• “有没有更好的方法？好在哪里？”
• “这个结论可靠吗？证据充分吗？“

第六层：创造（Create）

认知活动：将要素重新组合成新的整体——设计、发明、假设、规划

适用场景：项目制学习、创新思维训练、毕业设计、创业方案

中文课堂常用句式：

• “如果让你从零开始设计，你会怎么做？”
• “你能想出一个全新的解决方案吗？”
• “把不同的想法组合起来，能创造出什么？”
• “如果……会怎样？“（What if 型假设）

1.3 如何有意识地提升提问层次

策略一：提问层次审计

在一节课或一次学习讨论后，回顾所有提出的问题，用布鲁姆分类法标注每个问题的层次。如果超过 70% 的问题集中在”记忆”和”理解”层，说明提问深度不足。

策略二：追问升级法

从任何一个低层次问题出发，通过追问向上推升：

记忆：光合作用的定义是什么？
  → 理解：用你自己的话描述光合作用的过程
    → 应用：如果一棵植物被放在完全黑暗的房间里，会发生什么？
      → 分析：光合作用和呼吸作用之间有什么关系？
        → 评估：有人说"砍树种太阳能板更环保"，你同意吗？
          → 创造：设计一个实验来测量不同光照条件下的光合速率

策略三：问题矩阵

将内容维度（概念A、概念B……）与认知层次（记忆→创造）做成矩阵，确保每个关键概念都被不同层次的问题覆盖。

策略四：学生主导提问

让学生使用布鲁姆分类法为同伴出题——出题本身就是高层次认知活动（分析+创造），且能暴露学生对概念的真实理解程度。

二、提问式教学法

2.1 苏格拉底式教学

核心理念

苏格拉底式教学（Socratic Method）不直接传授知识，而是通过持续的战略性提问，引导学习者自己发现答案。教师扮演”助产士”角色——帮助学生”生出”自己的理解。

关键原则：

• 教师是引导者（facilitator），不是信息提供者
• 用”如何”和”为什么”提问，而非”什么”和”哪个”
• 允许足够的等待时间让学生形成深思熟虑的回答
• 鼓励学生之间的对话，而非仅师生问答

六类苏格拉底式提问

第一类：澄清型提问（Clarifying Questions）

目的：确保理解对方的真实含义

适用场景：讨论初期、学生发言含糊时、概念混淆时

第二类：追问假设（Probing Assumptions）

目的：让隐藏的前提浮出水面

适用场景：学生将”假设”当”事实”时、讨论陷入单一视角时

第三类：追问证据（Probing Evidence/Reasoning）

目的：要求学生为自己的观点提供论证

适用场景：论证训练、学术讨论、批判性阅读

第四类：探究影响与后果（Implications and Consequences）

目的：引导学生思考逻辑推演和连锁效应

适用场景：因果推理训练、知识整合、跨学科联系

第五类：转换视角（Viewpoints and Perspectives）

目的：打破思维定势，培养多角度思考

适用场景：辩论准备、立场分析、同理心培养

第六类：反思提问本身（Questioning the Question）

目的：元认知——思考”我们为什么在问这个问题”

适用场景：课程总结、元认知训练、激发内在学习动机

苏格拉底式教学的课堂实施要点

1. 提前准备学生：解释什么是苏格拉底式教学，为什么采用，课堂节奏会怎样
2. 给予充分等待时间：研究表明教师普遍不给学生足够的思考时间——至少等 5-10 秒
3. 不追求”标准答案”：如果学生的推理过程合理但结论不同，探索他们的路径
4. 鼓励学生互问：让学生用证据和例子支持或挑战彼此的观点
5. 避免”伪苏格拉底”：不要把苏格拉底式提问变成”猜老师心中答案”的游戏

2.2 问题驱动学习（PBL, Problem-Based Learning）

核心理念

PBL 起源于 1960 年代加拿大 McMaster 大学医学院（Barrows & Tamblyn），核心思想是：学习始于一个复杂的、真实世界的问题，而非教师的讲授。学生围绕问题自主探究、协作学习。

PBL 的七步流程（马斯特里赫特模型）

1. 讨论案例：确保所有人理解问题
2. 识别问题：列出需要回答的问题
3. 头脑风暴：汇总已有知识，初步假设
4. 分析结构化：整理头脑风暴的结果
5. 制定学习目标：明确知识缺口
6. 自主研究：独立查找资料
7. 小组讨论：整合发现，形成集体解释

PBL 中的提问策略

教师引导提问（在不直接给答案的前提下推进讨论）：

学生自主提问（PBL 的核心能力）：

• 我对这个问题的理解正确吗？
• 我的假设基于什么证据？
• 还有哪些我没考虑到的因素？
• 这个信息来源可靠吗？
• 如果我的方案实施了，可能出现什么意外后果？

PBL 培养的核心能力

团队协作、项目管理、口头与书面表达、自我觉察、批判性思维、自主学习、信息素养、跨学科问题解决

2.3 提问作为脚手架（Questioning as Scaffolding）

理论基础：最近发展区（ZPD）

维果茨基（Vygotsky）的最近发展区理论指出：学习最有效地发生在学习者”独立能做的”和”在指导下能做的”之间的区域。脚手架（Scaffolding）就是在这个区域内提供的临时支持。

提问是最精准的脚手架工具——因为：

• 不直接给答案，保留了学习者的主动建构
• 可以精确定位学习者的”卡点”
• 可以随能力提升逐步减少（fading）
• 每个问题都是一个微型诊断，帮教师动态调整支持力度

脚手架式提问的五个层次

脚手架渐退策略

• 不要默认从 L5 开始：先诊断学习者当前水平，匹配对应层次
• 成功后降一级：学习者在当前层次表现良好，减少支持
• 反复挣扎则升一级：区分”有益的挣扎”（productive struggle）和”有害的挫败”（frustration）
• 终极目标是 L1：学习者能自主完成并教授他人

三、学习者的自我提问策略

3.1 SQ3R 阅读法中的提问

方法概述

SQ3R 由心理学家 Francis P. Robinson 于 1940 年代提出，是一种结构化的主动阅读方法：

Q（提问）步骤的具体操作

将标题/小标题转化为问题：

效果机制：提问创造了”知识缺口”（information gap），大脑会主动寻求填补这个缺口，使阅读从被动扫描变为主动搜索。

3.2 费曼学习法中的提问

四步流程中的提问

费曼法的核心提问

提问在费曼法中扮演了知识缺口探测器的角色：

• “如果我要解释给一个完全不懂的人听，我会怎么说？”
• “我在哪里不得不用’就是那个意思’来搪塞？”
• “我能用一个比喻来说明吗？”
• “如果有人问’为什么？‘，我能给出令人满意的因果链吗？”
• “我的解释中有没有逻辑跳跃？”

费曼三级解释法（来自 lyndonkl/claude 的 socratic-teaching-scaffolds）：

3.3 元认知提问：“我真的理解了吗？“

什么是元认知提问

元认知（Metacognition）= “关于思考的思考”。元认知提问是学习者对自己的学习过程进行监控和调节的内在对话。

John Hattie 的研究表明，自我提问策略的效应量（effect size）达到 0.64，属于高影响力学习策略。研究显示，使用自我提问策略的学生在阅读理解测试中平均提升 40 个百分点。

三个阶段的元认知提问

学习前（规划）：

• 我学这个的目的是什么？
• 我已经知道什么？不知道什么？
• 什么策略最适合这个学习任务？
• 我需要多少时间？
• 我期望达到什么程度的理解？

学习中（监控）：

• 我现在理解了吗？
• 这和我之前学的知识有什么联系？
• 我需要放慢速度还是可以加快？
• 哪个部分让我困惑？困惑的具体原因是什么？
• 我的学习策略有效吗？需要调整吗？

学习后（评估）：

• 我达到了学习目标吗？
• 哪些策略有效，哪些没用？
• 我还有哪些知识缺口？
• 下次遇到类似任务，我会怎么改进？
• 我能把学到的内容教给别人吗？

14 个高效自我提问（来自 InnerDrive 研究）

四、引导式学习框架——Skill 设计中的提问智慧

4.1 socratic-teaching-scaffolds 的设计理念

来源：lyndonkl/claude 仓库，85 个 Skill 之一

这个 Skill 将教育学的提问理论转化为 AI 辅助学习的实操框架，核心设计特点：

五步教学流程

诊断（Diagnose）→ 设计问题阶梯（Design Ladder）→ 引导发现（Guide Discovery）
→ 渐退脚手架（Fade Scaffolding）→ 验证迁移（Validate Transfer）

问题阶梯设计（Question Ladder）

以”教授递归”为例：

1. “你能把这个问题分解成一个更小版本的自身吗？“（问题拆解）
2. “如果只有一个元素，会怎样？“（发现基础情况）
3. “如果我们能解决小版本，如何利用它来解决大版本？“（递归步骤）
4. “什么阻止了它永远运行下去？“（终止条件推理）

误解检测器（Misconception Detector）

不直接纠正错误，而是通过预测→观察→解释的循环让学习者自己发现矛盾：

• “这个递归会停下来吗？用 3 个元素追踪一下。“（暴露无限递归的误解）
• “你之前说了 X，但现在说了 Y，这两者怎么统一？”
• “如果你说的是对的，那为什么会出现这个反例？“

五个教学模式

关键护栏

• 最近发展区管理：太简单=无聊，太难=挫败，最优=独立做不到但有引导能做到
• 不钓标准答案：苏格拉底式提问不是”猜老师心中的答案”游戏
• 避免伪教学：每个问题都必须有目的，无效的问题不如直接解释
• 专家盲区：专家往往忘了什么对初学者来说是困难的——要让隐性知识显性化

4.2 qiao-skills 的批判性思维引导

来源：qiao-925/qiao-skills 仓库

该仓库的核心哲学是五项持久判断原则：

对学习者的启示：在 AI 辅助学习的时代，提问能力就是掌舵能力。不会提问的人会被 AI 带着走，而善于提问的人让 AI 为自己服务。

4.3 教育类 Skill 的共性设计模式

综合分析 lyndonkl/claude、qiao-925/qiao-skills 等教育类 Skill，可以提炼出以下共性设计模式：

五、综合应用：提问策略速查表

5.1 按学习场景选择提问策略

5.2 提问的”黄金法则”

1. 先问”为什么”和”如何”，后问”什么”和”哪个”——前者促进深度思考，后者只检索事实
2. 好问题比好答案更有价值——问题定义了思考的方向和深度
3. 不要害怕”我不知道”——识别知识缺口是学习的起点，不是失败
4. 一个问题至少等 5 秒——真正的思考需要时间
5. 追问三次——第一个回答往往是表面的，追问才能触及本质
6. 让学生提问比回答问题更重要——出题是最高层次的认知活动
7. 提问不是审讯——语气和氛围决定了学习者是否愿意深入思考

5.3 提问能力的自我评估检查表

参考来源

• Bloom, B.S. (1956). Taxonomy of Educational Objectives
• Anderson, L.W. & Krathwohl, D.R. (2001). A Taxonomy for Learning, Teaching, and Assessing (修订版)
• Robinson, F.P. (1946). Effective Study (SQ3R 方法原始出处)
• Barrows, H.S. & Tamblyn, R.M. (1980). Problem-Based Learning: An Approach to Medical Education
• Vygotsky, L.S. (1978). Mind in Society: The Development of Higher Psychological Processes
• Hattie, J. (2009). Visible Learning (自我提问效应量 0.64)
• Top Hat: Bloom’s Taxonomy Question Stems
• TeacherVision: 6 Levels of Questioning
• UConn CETL: Socratic Questions
• Edutopia: Using Socratic Method in Classroom
• Cornell: Problem-Based Learning
• InnerDrive: 14 Self-Questioning Study Questions
• Stanford CTL: SQ3R Method
• Farnam Street: Feynman Learning Technique
• lyndonkl/claude: Socratic Teaching Scaffolds Skill
• qiao-925/qiao-skills: Critical Thinking Guidance

商业与决策中的提问

📍 位置：提问的艺术 / 商业与决策 📌 核心发现：商业提问的本质是”用正确的问题框架约束思维方向”——从 Drucker 的五问到预验尸法，每个经典框架都是一台”问题机器”，输入场景，输出被忽视的关键维度 📥 输入：商业书籍、管理学研究、决策科学、设计思维、教练技术 📤 流向：→ findings.md 商业场景提问部分

一、经典商业提问框架

1.1 Why → What If → How（Warren Berger）

来源：《A More Beautiful Question》(2014)

Warren Berger 通过研究数百位创新者，提炼出一个三阶段提问模型——从理解问题到想象可能再到落地执行，每个阶段由不同类型的问题驱动。

三阶段框架：

具体问题示例：

Why 阶段（理解问题）：

• “为什么事情一直是这样做的？”
• “为什么还没有人解决这个问题？”
• “为什么我们的客户要忍受这个不便？”

What If 阶段（构想方案）：

• “如果我们把这个流程完全反过来会怎样？”
• “如果这个限制不存在，我们会怎么做？”
• “如果我们把两个不相关的东西结合起来呢？”

How 阶段（落地执行）：

• “我们如何在不增加预算的情况下测试这个想法？”
• “我怎样才能用最小成本验证这个假设？”
• “我们如何分阶段实施这个方案？”

经典案例：Airbnb 的诞生——

• Why：为什么出差时找不到合适的住处？
• What If：如果普通人可以把空房间租给陌生人呢？
• How：怎么让房东和房客都觉得安全？

适用场景：产品创新、业务转型、解决长期痼疾、创业机会发现

1.2 假设驱动提问法（McKinsey）

来源：McKinsey & Company 咨询方法论

McKinsey 的核心方法不是”先收集所有数据再得出结论”，而是”先大胆假设，再用数据验证”。整个过程由问题树（Issue Tree）驱动，每一层都是一个开放式问题。

核心流程：

业务问题 → 初始假设 → 拆解为问题树 → 每个分支设计验证分析 → 数据证伪/证实 → 修正假设

关键提问技巧：

1. 将假设转化为可证伪的问题：

   • 假设：“打折能提升利润” → 问题：“哪种营销方式能最大化利润？”
   • 假设：“客户需要这个功能” → 问题：“哪些功能为客户创造了最大价值？”
   • 假设：“薪资低导致士气差” → 问题：“哪些因素驱动员工敬业度和满意度？”

2. 问题树的构建规则：

   • 使用开放式问题（what / how / why），避免是非问题
   • 每层问题 MECE（互斥且穷尽）
   • 问题以完整句子表述，而非关键词

3. 经典问题树示例（利润下降）：

   • “利润下降的原因是收入端还是成本端？”
     • 收入端：“是客户数量减少还是客单价下降？”
       • “哪些客户群在流失？为什么？”
     • 成本端：“是固定成本上升还是变动成本上升？”
       • “哪些成本项增长最快？驱动因素是什么？”

核心原则：

• 相信直觉作为假设来源，但必须用证据验证
• 避免”假事实”——把未验证的观点当成既定事实
• 没有反馈回路的直觉会退化为糟糕的判断

适用场景：战略咨询、业务诊断、运营优化、并购尽调

1.3 5 Whys 根因分析（丰田）

来源：丰田生产方式（Toyota Production System），大野耐一提出

通过反复追问”为什么”（通常五次），穿透表面症状直达根本原因。核心信念：解决根因才能真正消除问题，头痛医头只会反复发作。

经典案例（大野耐一原版）：

根因：缺少过滤器 → 对策：安装过滤器（而非更换保险丝）

使用规则：

• “五”不是固定数字，可多可少，关键是追到可行动的根因
• 绝不以”人”为根因——“员工 X 不小心”不是合格答案，要追问为什么流程允许这种失误发生
• 可使用鱼骨图（石川图）辅助多分支分析
• 每一层回答必须基于事实，不是猜测

商业场景扩展：

适用场景：质量问题排查、运营事故复盘、流程改进、技术故障分析

1.4 SCQA 框架（Barbara Minto）

来源：《金字塔原理》（The Pyramid Principle），Barbara Minto（前 McKinsey 顾问）

SCQA 不仅是沟通框架，更是一种”用提问驱动思考”的结构。它通过四步引导听众从共识走向行动。

四要素：

问题示例（SaaS 业务场景）：

• S：我们的 SaaS 产品过去三年保持 30% 年增长率
• C：最近两个季度，新客户获取成本（CAC）上升了 40%，而 LTV 没有同比增长
• Q：如何在控制获客成本的同时维持增长？
• A：从”拉新驱动”转向”留存驱动”增长模型——具体方案如下…

为什么 Q 是框架的灵魂：

• S 和 C 的唯一目的是让 Q 自然浮现
• 好的 Q 能让所有人对齐讨论方向，避免发散
• Q 的措辞决定了解决方案的范围——问”如何削减成本”和”如何提升效率”会导向完全不同的答案

适用场景：商业提案、董事会汇报、战略规划展示、内部决策沟通

二、战略提问

2.1 Peter Drucker 的五个经典管理问题

来源：《The Five Most Important Questions You Will Ever Ask About Your Organization》

Drucker 认为，管理者最重要的能力不是给出答案，而是提出正确的问题。他曾花一整天时间只讨论第一个问题，反复挑战领导团队重新定义”我们到底在做什么生意”。

五个问题：

Drucker 的提问哲学：

• 每个问题都指向组织的”目的”（purpose），而非”操作”（operation）
• 关键在于追问的深度——“我们的客户是谁”这个问题，Drucker 可以讨论半天
• 他曾用一个餐厅案例说明：一家公司自营食堂不如外包给专业餐饮公司，因为专业公司能为员工提供职业发展路径

适用场景：年度战略规划、组织变革、新业务评估、非营利组织治理

2.2 创新者的提问（Clayton Christensen）

来源：颠覆性创新理论 + Jobs to Be Done 框架

Christensen 的核心洞察：颠覆发生在”在位者过度关注最赚钱的客户，忽视或误判其他细分市场的需求”时。他的提问框架帮助企业避免这种盲区。

颠覆性创新的关键问题：

1. 发现盲区：

   • “我们最不赚钱的客户在抱怨什么？”
   • “有哪些人想用我们的产品但觉得太贵/太复杂？”
   • “市场底部正在发生什么变化？”

2. 自我检测：

   • “如果有人要颠覆我们，他们会从哪里切入？”
   • “我们拒绝过哪些’太简单’或’利润太低’的机会？”
   • “我们的资源配置流程是否系统性地忽视了小市场？”

Jobs to Be Done 框架的核心问题：

JTBD 的核心问句不是”客户想要什么功能”，而是”客户在什么场景下’雇佣’了我们的产品来完成什么任务”。

关键访谈问题：

• “你第一次意识到需要解决这个问题是什么时候？当时发生了什么？”
• “在找到我们之前，你用什么方式解决这个问题？”
• “如果我们的产品不存在，你会怎么办？”
• “你在购买/使用时有什么顾虑？”
• “你最终想要达成的结果是什么？“（不是功能，是结果）

JTBD 的四力模型（影响客户决策的四股力量）：

适用场景：产品策略、市场进入、竞争分析、用户研究

2.3 Jeff Bezos 的逆向工作法（Working Backwards）

来源：Amazon 内部方法论，自 2004 年起用于几乎所有重大项目

逆向工作法的核心：不是从技术能力出发问”我们能做什么”，而是从客户体验出发问”客户需要什么”，然后倒推回来。

五个核心问题：

PR/FAQ 工具：

Amazon 要求在项目启动前写一份”假新闻稿”（Press Release）和常见问题（FAQ），倒逼团队回答：

• “如果这个产品上线了，新闻稿的标题是什么？”
• “客户会用一句什么话向朋友推荐？”
• “客户最可能问的前五个问题是什么？”
• “为什么现在是做这件事的正确时机？”

Bezos 本人的评价：“做对了，逆向工作法需要大量工作。它不是设计来让事情变简单的——它是设计来在后期省下大量工作，并确保我们真的在构建正确的东西。”

适用场景：新产品立项、功能优先级排序、战略项目评估

三、决策提问

3.1 “宫廷小丑”式挑战（The Fool）

来源：tech-leads-club/agent-skills 的 the-fool skill

灵感来自历史上的宫廷小丑——唯一可以对国王说真话的人。这个框架将决策挑战结构化为五种模式，每种模式针对不同的盲点。

五种推理模式：

工作流程：

1. 先「钢人论证」（Steelman）用户的立场——用最强版本复述
2. 选择适合的挑战模式
3. 提出 3-5 个最强挑战
4. 综合洞察，输出加强后的立场（不是简单否定）

核心原则：先理解再挑战，驱向综合而非留下破坏性异议。

适用场景：技术选型、商业提案评审、架构设计审查、战略假设验证

3.2 预验尸法（Pre-mortem）

来源：Gary Klein (2007)，基于”前瞻性后见之明”（prospective hindsight）心理学研究

与传统风险评估问”什么可能出错”不同，预验尸法要求团队假设项目已经失败，然后回溯原因。这个微小的措辞改变——从”可能”到”已经”——会显著降低过度自信并释放更多真实担忧。

核心提问流程：

关键问题模板：

• “这个项目已经失败了。是什么导致的？“（注意：不是”可能导致”，是”已经导致”）
• “我们忽略了什么早期预警信号？”
• “哪个假设被证明是错误的？”
• “团队中谁早就有疑虑但没说出来？”

研究发现：使用预验尸法的团队，过度自信程度显著降低，明显优于简单批评或列举利弊的方法。

适用场景：项目启动前、重大决策前、产品发布前、投资决策

3.3 红队思维

来源：军事情报分析传统，后广泛应用于商业和网络安全

红队思维将”魔鬼代言人”（Devil’s Advocate）制度化。不是随机质疑，而是系统性地站在对手/攻击者/批评者的角度审视自己的计划。

三种应用模式：

红队提问清单：

• “这个计划的成功依赖于哪些外部条件？如果这些条件不成立呢？”
• “我们的竞争对手会如何回应这个举措？”
• “这个方案中，哪个环节失败会导致整体崩溃？”
• “我们是否因为群体思维（groupthink）忽略了某些风险？”
• “有没有我们刻意回避讨论的’房间里的大象’？”

效果数据：研究表明，使用辩证探究和魔鬼代言人技术的团队，整体决策质量评分比使用共识建构技术的团队高出 33-34%。

适用场景：战略规划审查、网络安全评估、产品发布决策、并购评估

3.4 10/10/10 框架（Suzy Welch）

来源：Suzy Welch《10-10-10: A Life-Transforming Idea》

一个简洁的时间透视框架，通过三个时间维度审视决策，防止被当下情绪劫持。

三个问题：

使用示例（是否接受一份薪资更高但需要频繁出差的工作）：

• 10 分钟后：兴奋，薪资涨了 40%
• 10 个月后：可能习惯了新节奏，但错过了孩子的很多成长时刻
• 10 年后：钱已经不记得了，但缺席的时光无法补回

为什么有效：

• “因为它迫使你直面什么才是你真正在乎的事”——Suzy Welch
• 答案不仅帮助做出更理性的决定，还帮助向受影响的人解释你的选择

适用场景：职业决策、投资决策、重大生活选择、团队争议性决策

四、会议与沟通中的提问

4.1 开放式 vs 封闭式问题的战术选择

提问不是越”开放”越好——关键在于在正确的时机使用正确的问题类型。

对比分析：

战术组合：

效果数据：在销售场景中，从封闭式问题切换到开放式问题后，成交率从 18% 提升到 31%（6 周内）。

4.2 教练式提问：GROW 模型

来源：Graham Alexander、Alan Fine 与 Sir John Whitmore 开发

GROW 模型是最广泛使用的教练框架，其核心理念是：教练不是告诉对方该做什么，而是通过提问帮助对方自己找到答案。

四阶段及经典问题：

G - Goal（目标）

• “你希望通过今天的讨论达成什么？”
• “这个目标对你来说为什么重要？”
• “如果完全实现了，看起来会是什么样？”
• “你怎么知道自己已经达成目标了？“

R - Reality（现实）

• “现在的情况是怎样的？（发生了什么、涉及谁、多久一次）”
• “你已经尝试了哪些方法？效果如何？”
• “是什么阻碍了你？”
• “在 1-10 的尺度上，你现在离目标有多远？“

O - Options（选择）

• “你能想到哪些可能的做法？不用管是否现实。”
• “如果没有任何限制，你会怎么做？”
• “你认识的人中，谁处理过类似情况？他们是怎么做的？”
• “如果你什么都不做，会发生什么？”
• “每个选项的利弊分别是什么？“

W - Will（意愿/行动）

• “你决定采取哪个方案？”
• “具体的第一步是什么？什么时候做？”
• “可能会遇到什么障碍？你打算怎么应对？”
• “你需要谁的支持？”
• “在 1-10 的尺度上，你做这件事的承诺度有多高？”

适用场景：一对一辅导、绩效面谈、职业发展讨论、团队问题解决

4.3 用提问引导讨论方向

提问是最隐蔽也最有效的”领导力武器”——好的问题能在不直接指令的情况下改变整个讨论走向。

引导技巧与问题模板：

五、产品与创新提问

5.1 Jobs To Be Done 框架中的提问

（核心概念已在 2.2 节展开，本节聚焦访谈实操）

JTBD 访谈的黄金问题（按时间线排列）：

1. 触发阶段（First Thought）：

• “你第一次意识到需要改变的那个瞬间，发生了什么？”
• “是什么事件触发了你开始寻找解决方案？”

2. 搜索阶段（Passive/Active Looking）：

• “你考虑过哪些替代方案？”
• “你是怎么了解到我们的？”
• “你之前用什么方式应对这个问题？”

3. 决策阶段（Deciding）：

• “是什么让你最终选择了这个方案？”
• “你当时最大的顾虑是什么？差点因为什么放弃？”
• “谁影响了你的决定？”

4. 使用阶段（Consuming）：

• “实际使用体验和你预期的有什么不同？”
• “如果这个产品明天消失，你会怎么办？”

核心原则：问事实，不问观点。“你上次遇到这个问题是什么时候”比”你觉得这个功能好不好”有价值一百倍。

5.2 “How Might We”（HMW）提问法

来源：P&G 的 Min Basadur 首创 → IDEO 推广 → Google/Facebook 广泛采用 → Stanford d.school 系统化

HMW 的语言设计：

构建 HMW 的六种角度（Stanford d.school 方法）：

以”机场带孩子等待”为例：

好的 HMW vs 坏的 HMW：

适用场景：设计冲刺（Design Sprint）、产品头脑风暴、用户体验改进、服务创新

5.3 用户访谈中的提问技巧（The Mom Test）

来源：Rob Fitzpatrick《The Mom Test》

书名的含义：如果你的问题连你妈妈都无法给你误导性答案，那才是好问题。大多数创业者在用户访谈中犯的最大错误是问了让对方只能说好话的问题。

三条核心规则：

1. 谈他们的生活，不是你的想法
2. 问具体的过去，不是抽象的未来
3. 少说多听，跟着线索追问

好问题 vs 坏问题对照表：

三种误导性数据：

• 恭维：“这个想法真棒！“——听起来好但毫无信息量
• 空话：“我通常会…""我总是…”——笼统声明不是事实
• 许诺：“我肯定会用的！""我愿意付钱！“——未来时态都是猜测

追问技巧：

• 对方说”这很有用” → “你能告诉我上次什么时候需要这个吗？”
• 对方说”我会买” → “你现在在这方面花了多少钱？”
• 对方提了一个功能建议 → “你遇到了什么问题才会想到这个？”

适用场景：创业验证、产品需求调研、用户访谈、市场调查

六、跨框架对比与选择指南

按决策阶段选择

按团队规模选择

七、实践建议：提问的元原则

从以上所有框架中提炼出的共性原则：

1. 先问 Why 再问 How——所有框架都强调先理解问题本质，再跳到解决方案
2. 问事实不问观点——The Mom Test、JTBD、McKinsey 不约而同地强调基于事实的提问
3. 假设必须可证伪——McKinsey 假设法和 The Fool 的证据审计都要求假设能被推翻
4. 改变时态改变思维——预验尸法用”已经失败”代替”可能失败”，效果截然不同
5. 问题的措辞决定答案的范围——SCQA 的 Q、HMW 的框定、开放/封闭式的选择，都证明了这一点
6. 先理解再挑战——The Fool 的钢人论证、GROW 的 Reality 阶段，都要求先充分理解再质疑
7. 结构化优于随机——红队比随机质疑有效 33%，问题树比自由讨论更 MECE

与 AI 对话的提问

📍 位置：提问的艺术 / AI 交互 📌 核心发现：问题质量决定 AI 输出上限——清晰的意图表达、结构化的上下文、迭代式追问三者共同构成高质量 AI 对话的基础；从”写关键词”到”描述意图”的范式转变正在发生 📥 输入：Anthropic/OpenAI/Google 官方文档、prompt 工程社区、MIT Sloan 研究、AI Fluency Index 研究 📤 流向：→ findings.md AI 提问部分

目录

1. 三大厂商的官方提问原则
2. AI 对话中的高级提问技巧
3. 不同 AI 工具的提问差异
4. AI 时代的提问范式转变
5. 常见提问反模式
6. 实战提问模板库

1. 三大厂商的官方提问原则

1.1 Anthropic（Claude）的核心原则

来源：Anthropic 官方 Prompt 最佳实践

Anthropic 提出了一个核心隐喻，极其精准地描述了 AI 提问的本质：

把 Claude 想象成一个极其聪明但刚入职的新同事——他缺少你的上下文和工作规范。你解释得越精准，结果就越好。

黄金法则：把你的 prompt 给一个对任务缺乏背景的同事看，让他按指示操作。如果他会困惑，Claude 也会困惑。

六大核心原则

原则一：清晰直接（Be Clear and Direct）

不要指望 AI 从模糊指令中”猜”出你的意图。

关键：

• 用编号列表或项目符号提供指令步骤，明确顺序和完整性
• 具体说明输出格式和约束条件
• 想要”超越预期”的表现？明确说出来，而非靠暗示

原则二：提供上下文（Add Context to Improve Performance）

解释”为什么”比只说”做什么”更有效——Claude 能从动机中泛化理解。

原则三：用示例引导（Use Examples Effectively）

Few-shot 示例是控制输出格式、语气和结构最可靠的方式。

最佳实践：

• 提供 3-5 个示例效果最好
• 示例要多样化——覆盖边缘情况，避免 AI 只学到某个不期望的模式
• 用 <example> 标签包裹示例，让 AI 能区分示例和指令
• 可以让 Claude 评估你的示例是否够多样，或基于已有示例生成更多

原则四：用 XML 标签结构化（Structure Prompts with XML Tags）

当 prompt 混合了指令、上下文、示例和输入时，XML 标签能消除歧义。

<context>
我们是一家 B2B SaaS 公司，主要客户是中小企业的 HR 部门
</context>

<task>
分析以下客户反馈，提取关键痛点并按紧急程度排序
</task>

<output_format>
以表格形式输出，列：痛点 | 严重程度（高/中/低）| 出现频次 | 建议优先级
</output_format>

<customer_feedback>
{{反馈内容}}
</customer_feedback>

原则五：赋予角色（Give Claude a Role）

即使一句话的角色设定也能显著聚焦 AI 的行为和语气。

你是一位有 20 年经验的 Python 后端架构师，专注于高并发系统设计。

原则六：长文档放在前面（Long Context at Top）

处理长文档时，将文档放在 prompt 顶部，查询和指令放在底部。测试表明这能提升高达 30% 的回答质量，特别是在复杂的多文档输入场景中。

1.2 OpenAI（ChatGPT/GPT）的核心策略

来源：OpenAI Prompt Engineering Guide、OpenAI Help Center

OpenAI 的指南围绕六大策略展开：

策略一：写清晰的指令（Write Clear Instructions）

• 在查询中包含细节：越具体越好
• 要求模型采用某个角色（persona）
• 用分隔符清晰标注不同部分（如 ###、"""、<tag>）
• 指定完成任务所需的步骤
• 提供示例（few-shot）
• 指定输出长度

策略二：提供参考文本

当需要准确引用时，告诉模型基于提供的文本回答，并引用原文。这减少了幻觉（hallucination）。

基于以下三引号内的文章回答问题。如果文章中找不到答案，请回答"文章中未提及"。

"""
{{文章内容}}
"""

问题：作者对气候变化的主要论点是什么？

策略三：把复杂任务拆成子任务

不要把所有事情塞进一个 prompt。复杂任务应该拆解为流水线（pipeline）。

策略四：给模型”思考时间”

要求模型先推理再给答案，而非直接跳到结论。

回答之前，请先：
1. 列出你的推理步骤
2. 检查有没有遗漏的角度
3. 最后给出结论

策略五：使用外部工具

告诉模型可以调用搜索、代码执行等工具，让它知道自己的能力边界。

策略六：系统性地测试变更

对 prompt 的修改应该有评估标准——不是”感觉好了”就行。

1.3 Google（Gemini）的提示设计策略

来源：Google AI Prompting Strategies

Google 的策略与前两家有共识，但也有独特之处：

核心结构三要素

每个 prompt 应包含：

1. 输入（Input）：问题、任务、实体或补全请求
2. 约束（Constraints）：什么不要做
3. 输出格式（Response Format）：想要什么格式的回答

Google 特有建议

• 始终包含 few-shot 示例——没有示例的 prompt 效果普遍更差
• 关键指令放在最前面——Gemini 对开头的指令更敏感
• 海量上下文放前面，问题放后面——利用 Gemini 的百万 token 窗口
• 用过渡短语连接：如”基于以上信息……”
• 别指望模型生成事实性信息——始终提供参考资料
• Meta Prompting（元提示）：让 AI 帮你写更好的 prompt，它会生成长达数页的详细提示来优化输出

1.4 三家共识提炼

三家的核心共识：

1. 清晰 > 简短——详细的指令永远优于简洁但模糊的指令
2. 给示例比给规则更有效
3. 结构化能消除歧义
4. 让 AI 先思考再回答能提升复杂任务的质量
5. 拆分复杂问题为子问题

2. AI 对话中的高级提问技巧

2.1 Chain of Thought（思维链提示）

原理：引导 AI 展示中间推理过程，而非直接跳到答案。对数学、逻辑、多步推理任务效果显著。

来源：Prompt Engineering Guide - CoT、IBM - Chain of Thought

三种变体

Zero-shot CoT（零样本思维链）——最简单：

以下数学问题，请一步一步地思考再回答。

一个商店打 8 折出售一件原价 200 元的商品，之后又在折后价基础上打 9 折。最终价格是多少？

仅仅加上”一步一步地思考”就能显著提升准确率。

Few-shot CoT（带示例的思维链）：

问题：Roger 有 5 个网球，又买了 2 盒网球，每盒 3 个。他现在有多少个网球？
思考过程：Roger 一开始有 5 个球。2 盒 x 每盒 3 个 = 6 个新球。5 + 6 = 11 个。
答案：11

问题：食堂有 23 个苹果。用了 20 个做午餐，又买了 6 个。还剩多少苹果？

Auto-CoT（自动思维链）：让模型自动生成和选择有效的推理路径，减少人工构造示例的成本。

使用建议

Anthropic 特别提醒：Claude 4 系列模型内置了 adaptive thinking（自适应思考），在大多数情况下无需手动触发 CoT——模型会根据问题复杂度自行决定是否深度思考。手动 CoT 作为 fallback 仍然有效。

2.2 角色设定提问（Role-Based Prompting）

原理：给 AI 一个身份，让它从特定专业视角回答。

基础角色设定

你是一位有 15 年经验的分布式系统架构师，曾在 Google 和 Netflix 任职。
请评估以下微服务设计方案的优缺点。

多角色辩论

请从以下三个角色的视角分析"是否应该将单体应用拆分为微服务"这个问题：

1. 【CTO 视角】：关注技术演进和团队能力
2. 【CFO 视角】：关注成本、ROI 和风险
3. 【一线开发者视角】：关注日常开发体验和工作量

每个角色分别陈述立场后，给出综合建议。

反直觉角色设定

你是一个刻意挑毛病的代码审查者（Devil's Advocate）。你的任务是找出以下代码中所有可能的问题，包括安全漏洞、性能瓶颈、可维护性风险。不要客气。

2.3 多轮对话中的追问策略

来源：Anthropic AI Fluency Index

Anthropic 的 AI Fluency 研究发现了一个关键数据：

迭代式对话中的用户质疑 AI 推理的概率是单轮对话的 5.6 倍，发现上下文缺失的概率是 4 倍。 85.7% 的高质量对话都展现了迭代和优化行为。

漏斗式追问法

第一轮：宽泛探索
"帮我梳理 React 状态管理的主流方案有哪些？"

第二轮：聚焦比较
"在 Redux Toolkit、Zustand、Jotai 三者中，对于中型 SaaS 应用（20-50 个页面），哪个更合适？请从学习曲线、性能、生态三个维度比较。"

第三轮：深入实践
"如果选 Zustand，在一个已有 Redux 的项目中渐进式迁移，你建议的步骤是什么？有哪些常见的坑？"

第四轮：质疑验证
"你提到 Zustand 不需要 Provider 包裹——但如果需要 SSR 支持呢？这是否会成为问题？"

”推回去”策略

Anthropic 的研究发现只有 30% 的用户会设定交互偏好。高阶用户会主动要求 AI 挑战自己：

在接下来的对话中，如果你发现我的假设有问题，请主动指出并挑战我的思维。
不要因为礼貌而回避争议性观点。

“停下来想”策略

在回答之前，先花 30 秒想想：
1. 我的问题有没有隐含的错误假设？
2. 有没有我没考虑到的重要维度？
3. 如果有，先指出再回答。

2.4 约束性提问（Constraint-Based Prompting）

原理：通过添加限制条件，缩小回答空间，提高输出质量。

格式约束

用以下格式回答，不要偏离：

## 技术方案
[2-3 句话概述]

## 优点（最多 3 条）
- ...

## 风险（最多 3 条）
- ...

## 建议
[1 句话决策建议]

长度约束

用一条推文的长度（280 字符以内）解释量子计算。

用三句话总结这篇文章：第一句说主题，第二句说核心发现，第三句说实际意义。

受众约束

向一个 10 岁的孩子解释区块链——不使用任何技术术语，只用日常生活的比喻。

为 C-level 高管写一份 AI 投资建议——假设读者对技术没有深入了解，但对商业指标（ROI、市场份额、竞争优势）非常敏感。

否定约束 vs 肯定约束

重要原则：用肯定语言描述你”要什么”，而非”不要什么”。

2.5 Few-shot 提问（示例提问法）

原理：通过给出输入-输出的示例对，让 AI 学会你想要的模式。

基础 Few-shot

请按以下示例的风格，将技术概念翻译为通俗解释：

示例 1：
技术概念：API（Application Programming Interface）
通俗解释：API 就像餐厅的服务员——你（应用程序）不需要走进厨房（服务器），只需要告诉服务员（API）你想要什么，服务员会帮你从厨房拿来。

示例 2：
技术概念：缓存（Cache）
通俗解释：缓存就像你把常用电话号码写在便利贴上贴在桌边——你不用每次都翻通讯录（数据库），瞟一眼便利贴就行了。

现在请翻译：
技术概念：负载均衡（Load Balancing）

Few-shot + 反例

我需要你写产品描述。以下是好例子和坏例子：

<example type="good">
输入：无线降噪耳机
输出：告别通勤噪音。30 小时续航让你整周不用充电，40dB 主动降噪把地铁变成图书馆。
</example>

<example type="bad">
输入：无线降噪耳机
输出：这是一款采用先进技术的无线蓝牙降噪耳机，具有优秀的音质和舒适的佩戴体验，适合各种场景使用。
</example>

坏例子的问题：太笼统、没有具体数据、没有场景感。

现在请为以下产品写描述：
输入：便携投影仪

2.6 Ask Before Answer（先问再答法）

来源：Tutorials Point - Ask Before Answer Prompts

原理：让 AI 在回答之前先向你提问，收集缺失的上下文。

基础版

我想做一个个人网站。在给我方案之前，请先问我 5 个关键问题，帮你了解我的具体需求。

AI 会问出类似：

1. 网站的主要目的是什么？（作品展示/博客/简历/商业？）
2. 你有技术背景吗？能接受多少编码？
3. 预算范围是多少？
4. 需要哪些核心功能？
5. 有喜欢的网站风格参考吗？

进阶版：元提问

我要写一份 AI 战略报告给 CEO。
请你先分析：如果你是一个资深的 AI 战略顾问，你需要知道哪些信息才能写出一份高质量的报告？
列出你的信息需求清单，然后逐个问我。

2.7 苏格拉底式提问（Socratic Prompting）

来源：Socratic Prompting Guide、Towards AI - Socratic Prompt

原理：不让 AI 直接给答案，而是通过反复追问引导它暴露推理过程、标记不确定性。

核心价值：苏格拉底式提问迫使模型展示哪里是在”猜”，把不确定性转化为问题，并创建结构化的路径让你提供模型无法推断的约束条件。

我在考虑是否应该学 Rust。
不要直接给我建议。
请用苏格拉底式追问帮我理清思路——每次只问我一个问题，根据我的回答再问下一个，直到你觉得信息足够了再给出你的分析。

对话示例：

• AI: “你目前主要使用什么编程语言？你对它最大的不满是什么？”
• 用户: “Python，太慢了”
• AI: “慢在哪个环节？是 CPU 密集计算、I/O 等待、还是启动时间？”
• 用户: “CPU 密集的数据处理”
• AI: “你考虑过 Cython 或 NumPy 这类不换语言的加速方案吗？如果考虑过但不满意，具体原因是什么？”
• …

2.8 反转提问法（Reverse Prompting）

请你先阅读这段代码，然后不要给我评价。
而是告诉我：如果你是这段代码的面试官，你会问求职者哪些问题来测试他对这段代码的理解深度？

我刚学完 "Attention Is All You Need" 这篇论文。
请扮演面试官，用 5 个由浅入深的问题测试我是否真的理解了 Transformer。

3. 不同 AI 工具的提问差异

来源：Claude vs ChatGPT vs Gemini Prompting Practices

3.1 各模型的”性格”与适配策略

3.2 同一需求的不同提问方式

需求：分析一份 50 页的财报，找出风险点

给 Claude 的最优提问：

<context>
你是一位有 CFA 资质的财务分析师，专注于科技行业。
我需要你分析这份年报中的潜在风险。
</context>

<document>
{{50页财报内容}}
</document>

<task>
1. 先引用报告中与风险相关的关键段落
2. 按以下维度分析风险：财务风险、运营风险、市场风险、合规风险
3. 对每个风险给出严重程度（高/中/低）和你的判断依据
4. 指出报告中可能在"美化"的数据
</task>

给 ChatGPT 的最优提问：

角色：CFA 财务分析师，科技行业专家

任务：分析附件财报的风险点

输出格式：
| 风险类型 | 具体风险 | 严重程度 | 证据（引用页码） | 被美化的可能性 |

步骤：
1. 通读全文
2. 提取风险相关段落
3. 分类填入表格
4. 最后写一段 200 字的风险总结

语言：中文

给 Gemini 的最优提问：

研究任务：分析以下财务报告的风险因素

范围：2024 财年数据，重点关注与行业趋势不一致的指标
对比基准：同行业上市公司平均水平

要求：
- 每个风险点标注原文出处（页码/段落）
- 与公开的行业报告交叉验证
- 标记置信度（确定/可能/推测）

输出：结构化报告 + 风险热力图描述

{{财报内容}}

3.3 推理型模型 vs 标准模型的提问差异

重要发现：对于 OpenAI 的 o1/o3 等推理型模型（Reasoning Models），以及 Claude 开启 extended thinking 时，提问策略有显著不同：

# 给标准模型（如 GPT-4、Claude Sonnet）的提问
请一步一步分析以下代码的时间复杂度：
1. 先识别每个循环的迭代次数
2. 然后分析嵌套关系
3. 最后给出总复杂度

# 给推理模型（如 o3、Claude Opus with thinking）的提问
分析以下代码的时间复杂度。

4. AI 时代的提问范式转变

4.1 从”搜索关键词”到”描述意图”

来源：Unite.AI - From Prompt Engineering to Intent Engineering

旧范式：关键词思维

搜索引擎：React state management comparison 2025

你需要自己组合关键词、筛选结果、综合判断。

新范式：意图描述

AI 对话：我们团队有 3 个前端开发者，都熟悉 React 但没用过状态管理库。
项目是一个中型 B2B SaaS，大约 30 个页面，需要处理复杂的表单状态和 API 缓存。
哪个状态管理方案最适合我们？
请从学习成本、长期维护性、社区生态三个维度分析。

关键转变：

4.2 从”意图工程”到累积式协作

来源：Intent Engineering - Medium

传统 prompt 工程把每次交互视为独立事件。意图工程（Intent Engineering）把交流视为累积的：

• 持续上下文：现代 AI 系统维护用户画像和对话历史，理解你的累积目标
• 上下文推理：当模型知道你是一个有特定监管约束的医疗产品经理时，请求自动携带更丰富的含义
• 澄清对话：高级系统不会沉默地执行请求，而是主动识别歧义并提出限定性问题

这意味着：最好的提问不是工程化的 prompt，而是清晰地表达你想达成什么以及为什么。

4.3 AI 作为思考伙伴

来源：MIT Sloan - Question Burst Catalyst

MIT Sloan 的 Hal Gregersen 开发的 Question Burst Catalyst 工具揭示了一个深刻洞察：

不要向 AI 要答案——向 AI 要问题。

LLM 倾向于给出”平均的、模因型的”回答，走阻力最小的路径。真正高价值的人机协作不是 AI 给你答案，而是 AI 帮你提出更好的问题。

Question Burst 四步法：

1. 定义挑战：AI 帮你精炼问题陈述
2. 人先提问：你先快速产生自己的短问题——刻意在 AI 介入之前，防止人类的”催化性追问能力”萎缩
3. AI 变换视角：给 AI 分配一个角色（历史人物、虚构角色、非人类视角）来突破惯性思维
4. 洞察与行动：AI 按主题分类问题，帮你找到最可行动的一个

实操示例：

我正在思考一个问题：我们的 AI 产品如何避免在采纳过程中挤掉对核心人力能力的投入？

请你以以下视角各提出 3 个尖锐的问题：
1. 一位反对 AI 的人文主义哲学家
2. 一位纯粹追求利润的华尔街投资人
3. 一位在一线被要求使用 AI 工具的初级员工

然后综合这些问题，找出我可能忽视的盲点。

4.4 “问题质量决定输出上限”的底层逻辑

为什么问题质量如此重要？

这不仅是 AI 时代的现象，而是信息处理的底层规律：

1. AI 的输出空间极大：一个模糊的问题对应的”合理回答”有无数个，AI 只能选一个”平均最优解”——这通常是泛泛而谈的废话
2. 约束创造价值：每一个具体的约束条件都在缩小输出空间，把 AI 推向更精确、更有用的角落
3. 上下文 = 压缩包：好的上下文相当于把你的知识和需求”压缩”传递给 AI，AI 解压后就能在你的思维框架内工作
4. 追问 = 梯度下降：每一轮追问都在帮 AI 做”梯度下降”——不断逼近你真正需要的答案

形象比喻：

问 AI 问题就像是用语言画一个靶子。你的靶子画得越精准，AI 的箭就射得越靠近靶心。模糊的问题 = 没有靶子 = AI 只能朝大致方向射箭。

5. 常见提问反模式

来源：14 Prompt Engineering Mistakes - ODSC、Common Prompt Mistakes - Treyworks、Prompt Mistakes - mxmoritz

反模式 1：太模糊，没有锚点

❌ "帮我写个营销方案"
✅ "帮我写一个针对 25-35 岁女性用户的小红书营销方案，产品是一款售价 299 元的智能体脂秤，
    预算 5 万元/月，目标是首月获取 1000 个种子用户。"

问题本质：缺少目标受众、预算、渠道、成功指标等关键约束，AI 只能给出泛泛的”万能方案”。

反模式 2：预设答案的问题

❌ "React 是不是比 Vue 好？"（暗示你期望听到 "是"）
✅ "在以下场景中，React 和 Vue 各有什么优劣？
    场景：3 人小团队、中型 B2B SaaS、需要快速迭代"

问题本质：预设答案的问题触发 AI 的”迎合倾向”（sycophancy），会倾向于同意你而非给出平衡分析。

反模式 3：一次问太多（Overloading）

❌ "帮我分析这个项目的技术选型，顺便写个项目计划，再估算一下成本，
    最后帮我起草一封给投资人的邮件。"

✅ 拆成 4 轮对话：
    第 1 轮："帮我分析这个项目的技术选型。背景是..."
    第 2 轮："基于上面的技术选型，帮我写项目计划..."
    第 3 轮："估算上述方案的实施成本..."
    第 4 轮："起草给投资人的邮件，重点突出..."

问题本质：多个不相关任务塞进一个 prompt，AI 对每个任务的注意力都会被稀释。

反模式 4：缺少上下文

❌ "这个代码有 bug，帮我修一下"
✅ "这段 Python 代码在调用 API 时报 ConnectionTimeout。
    环境：Python 3.11，requests 2.31，网络正常（curl 可以访问）。
    错误日志：[贴出完整错误信息]
    我已经试过：增加 timeout 到 30 秒，但没用。"

问题本质：就像告诉医生”我不舒服”而不描述症状。

反模式 5：把 AI 当搜索引擎

❌ "Python 怎么用？"
✅ "我有 Java 基础，现在需要用 Python 处理 CSV 数据。
    请对比 Java 和 Python 在文件处理上的核心差异，
    然后给我一个读取 CSV、过滤特定列、输出结果的完整示例。"

问题本质：把 AI 当 Google 用是浪费。AI 的优势在于理解你的具体情境并给出个性化的综合回答。

反模式 6：一次成型思维（One-Shot Mindset）

❌ 写了一个 prompt → 结果不好 → 放弃或从头来

✅ 写了一个 prompt → 结果不好 → 分析哪里不好 → 追问优化：
   "上面的回答太笼统了。请更具体地分析第二点，
    并给出 2 个真实公司的案例来佐证。"

问题本质：prompt 工程是迭代的，不是一次性的。初始 prompt 是起点，不是终点。

反模式 7：把 AI 当真理来源

❌ "GPT-4 的参数量是多少？"（然后直接引用 AI 的回答）

✅ "GPT-4 的参数量是多少？请标注你的信息来源。
    如果你不确定，请明确说明而不是猜测。"

问题本质：AI 基于模式生成回答，不是基于”知道事实”。具体数据、引用、法律条文等必须回原始源验证。

反模式 8：否定指令陷阱

❌ "不要用术语"  →  AI 有时仍然用术语
❌ "不要太长"    →  AI 不知道多长算"太长"

✅ "用日常用语解释，假设读者没有技术背景"
✅ "控制在 200 字以内"

问题本质：告诉 AI “不要做什么”的效果远不如告诉它”要做什么”。

反模式速查表

6. 实战提问模板库

6.1 通用提问框架：CRISPE

6.2 技术问题模板

## 问题描述
[用 1-2 句话描述你遇到的问题]

## 环境
- 语言/框架版本：
- 操作系统：
- 相关依赖版本：

## 期望行为
[应该发生什么]

## 实际行为
[实际发生了什么]

## 已尝试的解决方案
1. [方案1] → [结果]
2. [方案2] → [结果]

## 错误日志/截图
[贴出关键信息]

6.3 决策分析模板

我需要在 [选项A] 和 [选项B] 之间做出选择。

背景：
- [你的具体情况]
- [约束条件]
- [优先级]

请从以下维度对比分析：
1. [维度1，如：短期成本]
2. [维度2，如：长期维护]
3. [维度3，如：团队学习曲线]

最后给出你的推荐，并说明在什么情况下你会改变推荐。

6.4 学习提问模板

我刚学完 [概念/课程]，自认为理解了 [具体内容]。

请你：
1. 问我 3 个递进难度的问题来检验我是否真的理解
2. 根据我的回答，指出我的理解偏差
3. 用一个我没想到的角度帮我加深理解

6.5 写作协助模板

我需要写一篇 [类型] 的文章。

目标读者：[谁]
核心观点：[你想表达什么]
语气：[专业/轻松/说服性/...]
长度：[大约多少字]
参考风格：[像 XX 作者/媒体 的风格]

请你先给我一个大纲，我确认后再展开。
不要使用以下套路：[你讨厌的写作陈词滥调]

6.6 Anthropic 的”打光提示”对话范式

Anthropic AI Fluency 研究中发现的高阶用户行为模式，可以归纳为一个”打光”隐喻：

第一轮：打基础光 — 给出上下文和初始问题
第二轮：打侧光   — 追问 AI 遗漏的角度
第三轮：打反光   — 质疑 AI 的推理，要求辩护或修正
第四轮：打聚光   — 聚焦到最重要的部分深挖
第五轮：拍板     — 要求综合所有讨论给出最终建议

示例：

第一轮：
"我在考虑用 Rust 重写我们的 Python 数据处理管道。背景是处理 10TB/天的日志数据，
 目前 Python 管道的延迟是 45 分钟，目标降到 5 分钟。团队 5 人，都是 Python 背景。"

第二轮：
"你提到了性能收益和学习曲线，但没有提到以下方面——迁移期间的双系统维护成本、
 招聘 Rust 工程师的市场难度、以及 Python 生态（Polars/DuckDB）近期的性能进步。
 请补充这些维度的分析。"

第三轮：
"你建议先用 Polars 优化。但如果 Polars 只能把延迟降到 15 分钟呢？
 在什么条件下，直接上 Rust 反而是更经济的选择？"

第四轮：
"好的，聚焦到 Polars 方案。给我一个具体的 2 周 PoC 计划，
 包括测试基准、成功标准、以及如果失败的回退方案。"

第五轮：
"综合以上所有讨论，给我一份 1 页的决策备忘录，
 我可以直接发给 CTO 做决策参考。"

附录：提问能力自检清单

在发送消息给 AI 之前，快速过一遍这个清单：

• 意图清晰吗？ AI 能准确理解你想要什么吗？
• 上下文够吗？ 你的背景、约束、已尝试的方案都提供了吗？
• 有格式要求吗？ 你指定了输出格式（表格/段落/代码/JSON）吗？
• 有受众信息吗？ AI 知道回答是给谁看的吗？
• 只有一个核心任务吗？ 还是塞了太多不相关的事？
• 用的是肯定语言吗？ “要什么”而非”不要什么”？
• 需要示例吗？ 如果格式或风格很重要，给了示例吗？
• 打算迭代吗？ 准备好追问和优化了吗？

参考来源

• Anthropic - Claude 4 Prompting Best Practices
• Anthropic - AI Fluency Index
• OpenAI - Prompt Engineering Guide
• OpenAI Help Center - Best Practices
• Google AI - Prompt Design Strategies
• MIT Sloan - Question Burst Catalyst
• Unite.AI - From Prompt Engineering to Intent Engineering
• Prompt Engineering Guide - CoT
• Prompt Engineering Guide - Few-shot
• IBM - Chain of Thought
• Lakera - Ultimate Guide to Prompt Engineering 2026
• PromptBuilder - Claude vs ChatGPT vs Gemini
• Tutorials Point - Ask Before Answer Prompts
• Socratic Prompting Guide
• Towards AI - Socratic Prompt
• ODSC - 14 Prompt Engineering Mistakes
• Treyworks - Common Prompt Engineering Mistakes 2026

自我提问与思维升级

📍 位置：提问的艺术 / 自我提问 📌 核心发现：自我提问是元认知的核心操作——通过在计划、监控、评估三个层次系统化地向自己发问，人可以从”被动经历”切换到”主动学习”，从”情绪反应”升级为”理性决策” 📥 输入：心理学研究、认知科学、个人成长文献、决策科学 📤 流向：→ findings.md 自我提问部分

一、元认知提问（Metacognitive Questioning）

1.1 什么是元认知？

元认知（Metacognition）由美国心理学家 John Flavell 于 1979 年提出，指”对自己认知过程的认知”——即思考关于思考本身。它包含两个维度：

• 元认知知识：了解自己的认知特点（我擅长什么？我容易在哪犯错？）
• 元认知调节：对自己的认知过程进行规划、监控和调整

元认知是提问能力的基础，因为提问本质上是元认知的外显化——当你问自己”我真的理解了吗？“时，你正在用元认知监控自己的理解状态。

1.2 元认知提问的三个层次

美国教育部 TEAL 中心将元认知过程分为三个阶段，每个阶段都有对应的核心提问：

第一层：计划（Planning）—— 开始之前

核心任务：明确目标、激活已有知识、选择策略

第二层：监控（Monitoring）—— 进行之中

核心任务：持续检查理解程度、评估策略有效性

第三层：评估（Evaluating）—— 完成之后

核心任务：复盘效果、提炼经验、迁移到下次

1.3 经典元认知问题清单（通用版）

适用于任何学习、工作、项目场景的 10 个元认知核心问题：

1. 我真正要解决的问题是什么？（避免解决错误的问题）
2. 我对此已知什么？未知什么？（知识盘点）
3. 我的假设是什么？这些假设成立吗？（假设审查）
4. 我选择这个方法的理由是什么？有替代方案吗？（策略选择）
5. 我如何知道自己是否在正确的方向上？（进度标志）
6. 我现在卡住了吗？卡在哪里？（瓶颈定位）
7. 我是在深度思考还是在表面滑行？（深度检测）
8. 我的结论是基于证据还是基于感觉？（证据意识）
9. 如果我是旁观者，会如何评价我的做法？（视角切换）
10. 这次经验中最值得记住的一件事是什么？（经验萃取）

二、反思性提问（Reflective Questioning）

2.1 Gibbs 反思循环中的提问

Graham Gibbs（1988）开发的反思循环是最经典的结构化反思框架，包含六个阶段，每个阶段都有对应的核心提问：

阶段一：描述（Description）—— 发生了什么？

• 具体发生了什么事件？
• 涉及哪些人？
• 在什么时间、什么地点？
• 事件的起因是什么？
• 我在其中的角色是什么？
• 最终的结果是什么？

要点：纯客观描述，不加判断和分析。

阶段二：感受（Feelings）—— 我的感受是什么？

• 事件发生时我的第一反应是什么？
• 过程中我的情绪是如何变化的？
• 是什么触发了这些情绪？
• 我当时在想什么？
• 其他人可能有什么感受？
• 事后回顾，我的感受有变化吗？

阶段三：评价（Evaluation）—— 好坏在哪？

• 这次经历中什么是好的？
• 什么是不好的？
• 我的哪些行为产生了积极影响？
• 哪些因素造成了消极结果？
• 我或别人做了什么有用的贡献？
• 有什么让我感到不舒服的地方？

阶段四：分析（Analysis）—— 为什么会这样？

• 为什么顺利的部分能成功？
• 为什么不顺利的部分会出问题？
• 我当时有哪些选择？为什么选了那个？
• 如果我做了不同的选择，结果会怎样？
• 这与我以前的类似经历相比如何？
• 有没有理论或模型能解释发生的事？

阶段五：结论（Conclusion）—— 我学到了什么？

• 我从这次经历中学到了什么？
• 我需要发展什么新技能或知识？
• 如果再遇到类似情况，我应该怎么做？
• 我对自己有什么新的认识？
• 有什么是我应该停止做的？

阶段六：行动计划（Action Plan）—— 下次怎么做？

• 如果再次遇到类似情况，我会怎么做？
• 我需要学习或练习什么？
• 我需要谁的帮助或支持？
• 我的具体行动步骤是什么？
• 我如何衡量自己的进步？

2.2 每日反思提问模板

晨间提问（5 分钟，设定意图）

晚间提问（5 分钟，经验萃取）

富兰克林的每日提问原型：晨间问”今天我要做什么好事？“（What good shall I do this day?），晚间问”今天我做了什么好事？“（What good have I done today?）。富兰克林从 20 岁开始践行这个习惯，一直持续到 79 岁写自传时。

2.3 从经验中学习的提问框架（5W1H 反思法）

适用于任何重要经历之后的结构化反思：

WHAT    → 发生了什么？（事实层）
SO WHAT → 这意味着什么？为什么重要？（意义层）
NOW WHAT → 我接下来要做什么？（行动层）

深化版本：

三、创造性提问

3.1 SCAMPER 提问法

SCAMPER 由 Bob Eberle（1971）在其著作《Scamper: Games for Imagination Development》中提出，是一套系统化的创造性提问工具。每个字母代表一种思维操作：

S — Substitute（替代）

核心问：什么可以被替换？

• 可以用什么材料/成分/人员来替代？
• 可以用什么其他流程或程序来替代？
• 换一个地方做这件事会怎样？
• 换一个时间做这件事会怎样？
• 如果换一种态度或方法呢？
• 把 X 替换成 Y 会发生什么？

C — Combine（组合）

核心问：什么可以组合在一起？

• 哪些功能可以合并？
• 哪些想法可以混搭？
• 可以和什么人/团队联合？
• 能否把两个不同领域的方法结合？
• 组合后能产生什么新用途？

A — Adapt（调整）

核心问：什么可以借鉴或调整？

• 有没有其他行业的做法可以借鉴？
• 历史上有没有类似的解决方案？
• 大自然中有没有类似的机制？
• 如果把这个想法放到不同的情境中会怎样？
• 需要做什么调整才能适应新的条件？

M — Modify / Magnify / Minimize（修改/放大/缩小）

核心问：什么可以被改变？

• 如果把某个特征放大 10 倍会怎样？
• 如果把某个特征缩小到极致呢？
• 改变形状/颜色/声音/气味会怎样？
• 增加频率或减少频率呢？
• 能否让它更快/更慢/更强/更弱？

P — Put to Another Use（转用）

核心问：还能用在哪里？

• 这个东西还能用来做什么？
• 如果换一群用户呢？
• 在完全不同的场景下它有什么价值？
• 它的废弃物或副产品有什么用？
• 经过修改后可以进入什么新市场？

E — Eliminate（消除）

核心问：什么可以去掉？

• 如果去掉某个功能/步骤会怎样？
• 什么是多余的？
• 能否简化它？
• 如果减少一半的组件呢？
• 什么规则可以打破？

R — Reverse / Rearrange（逆转/重排）

核心问：如果反过来呢？

• 如果颠倒顺序呢？
• 如果交换角色呢？（让消费者变成生产者）
• 如果把因果关系反过来呢？
• 可以重新排列组合吗？
• 如果从终点开始倒推呢？

3.2 横向思维（Edward de Bono）中的提问

Edward de Bono 是创造性思维研究的先驱，他区分了两种思维模式：

PO（Provocative Operation）挑衅式提问

De Bono 发明了”PO”这个词，用于标记一个故意荒谬的命题，目的不是判断对错，而是激发新想法。PO 提取自 hypothesis（假设）、suppose（假设）、possible（可能）、poetry（诗歌）等词的音节。

PO 的五种构造方式：

横向思维的核心提问

• 我们是否只是在已有模式中思考？
• 还有哪些完全不同的方式来看待这个问题？
• 如果这个限制条件不存在呢？
• 最荒谬的方案是什么？它有没有可取之处？
• 如果一个来自完全不同领域的人来解决这个问题，他会怎么做？

3.3 “如果……会怎样？“（What If）型提问的力量

“What If” 提问是所有创造性思维的基础动作——它通过假设一个不同的前提，打破既有的思维模式。

What If 提问的三级力度

20 个强力 What If 提问

移除约束类：

1. 如果我们有无限的资源，会创造什么？
2. 如果这件事完全没有风险呢？
3. 如果时间不是问题呢？
4. 如果不需要任何人的批准呢？

改变规则类： 5. 如果我们的最大竞争对手来做这件事呢？ 6. 如果让客户来设计这个产品呢？ 7. 如果必须在一天之内完成呢？ 8. 如果必须用完全相反的方法做呢？

视角切换类： 9. 如果一个 5 岁的孩子来解决这个问题呢？ 10. 如果这是 100 年后的人在做呢？ 11. 如果我们的用户是完全不同的人群呢？ 12. 如果这个问题出现在完全不同的行业呢？

极端假设类： 13. 如果这个方案必须 10 倍于现在的效果呢？ 14. 如果成本必须降低 90% 呢？ 15. 如果这个功能只能用一个按钮实现呢？ 16. 如果完全不用技术，纯靠人力呢？

反向假设类： 17. 如果我们故意要让这件事失败，会怎么做？ 18. 如果这个问题其实是个机会呢？ 19. 如果我们现在的优势变成了劣势呢？ 20. 如果我们的假设全部是错的呢？

四、情绪智商与提问

4.1 自我觉察提问

情绪智商（Emotional Intelligence，EI）由 Daniel Goleman 普及，其四个维度中，自我觉察是基础。自我觉察的核心工具就是向自己提问：

即时觉察提问（情绪发生时）

模式觉察提问（定期自问）

• 过去一周，哪种情绪出现得最多？
• 什么类型的事件最容易让我情绪波动？
• 我的情绪”按钮”有哪些？谁/什么能一按就触发？
• 我在压力下的典型反应模式是什么？（战、逃、僵？）
• 我有没有逃避某种情绪？为什么？

4.2 共情提问

共情不是”我觉得你怎样”，而是”试图理解你实际怎样”。核心提问工具：

理解他人的提问

避免共情误区的自检提问

• 我是在真正倾听，还是在等待说话的机会？
• 我的理解是基于他的表达，还是我的投射？
• 我有没有急于给建议，而不是先确认感受？

4.3 冲突中的提问：用提问替代指责

冲突中最具破坏性的语言模式是指责（“你总是……""你为什么不能……”）。提问可以替代指责，把对抗变成探索：

从指责到提问的转换模板

冲突中的核心提问框架

1. 事实层：到底发生了什么？（共建对事实的理解）
2. 感受层：这件事让我/你感觉怎样？（互相确认感受）
3. 需求层：我们各自需要什么？（找到底层需求）
4. 方案层：有什么方案能同时满足双方的需求？（共创解决方案）

核心原则：用”好奇心”替代”审判心”。问问题是为了理解，不是为了证明对方有错。

五、成长型思维与提问

5.1 Carol Dweck 的成长型思维

斯坦福心理学家 Carol Dweck 的研究揭示了两种思维模式：

Dweck 强调：我们每个人身上都同时存在固定型和成长型思维的混合体，关键是学会识别固定型思维何时出现，并有意识地切换。

5.2 从固定型到成长型的提问转换

提问是触发思维模式切换的最有效工具。 以下是系统的转换模板：

面对失败时

面对挑战时

面对批评时

面对他人成功时

5.3 “Yet”的力量——一个词改变思维

Dweck 研究中最著名的发现之一是 “yet”（还没有） 的力量：

• “我不会做这个。” → “我还不会做这个。”
• “我不理解。” → “我还不理解。”
• “这行不通。” → “这还没行通。”

“Yet” 将一个终结性判断变成了一个时间性状态——暗示了改变和成长的可能。

成长型思维日常自问清单

1. 今天我学到了什么新东西？
2. 今天我在哪里犯了错误？我从中学到了什么？
3. 今天我在哪里感到不舒服？那个不舒服是不是成长的信号？
4. 今天谁给了我反馈？我从反馈中提取了什么？
5. 今天我有没有回避某个挑战？为什么？
6. 我的”还不会”清单上，今天有什么进展？

六、日常决策中的自我提问

6.1 本杰明·富兰克林的”道德完善”提问法

富兰克林在 1726 年（20 岁时）制定了追求道德完善的计划，列出了 13 条美德，并设计了每日追踪系统：

富兰克林 13 美德及其对应提问

富兰克林的方法精髓：不追求同时完善 13 条，而是每周专注 1 条，13 周为一个循环，一年循环 4 次。每天晚上用”打点法”标记违反了哪些美德。

6.2 查理·芒格的逆向思维提问

芒格（Charlie Munger）继承了数学家 Carl Jacobi 的名言”反转，总是反转”（Invert, always invert），发展出了决策领域最强大的思维工具之一。

逆向思维的核心逻辑

“告诉我我会死在哪里，那样我就永远不去那个地方。“——芒格

传统思维问：“我怎样才能成功？” 逆向思维问：“什么会导致我失败？如何避免？“

芒格逆向提问清单

决策前：

1. 如果这个决策是错误的，最可能的原因是什么？
2. 什么因素会让这件事彻底失败？
3. 如果我想确保失败，我会怎么做？（然后反过来）
4. 有什么反面证据是我忽略了的？
5. 历史上有没有类似的情况失败了？原因是什么？

决策中： 6. 如果把我的假设全部反转，结论会变成什么？ 7. 我的对手/反对者会怎么看这件事？ 8. 如果我不做这个决定，最坏的结果是什么？（有时候不行动也是好选择） 9. 一年后回头看，我会后悔做了这个决定吗？

决策后： 10. 如果结果不好，最可能是哪一步出了问题？（预mortem分析）

芒格的思维模型提问

芒格主张用多元思维模型来检验决策，这本质上是一组跨学科的自我提问：

6.3 心理学中的”去偏差”提问清单

认知偏差是人类思维的系统性错误。以下是针对最常见偏差的”去偏差”自我提问：

确认偏差（Confirmation Bias）

倾向于寻找支持已有信念的证据

• 我有没有主动寻找反对我观点的证据？
• 如果一个聪明的人不同意我，他的理由可能是什么？
• 我是否因为某条信息支持我的观点就赋予了它更高的权重？

可得性偏差（Availability Bias）

倾向于用容易想到的例子来做判断

• 我的判断是基于系统性证据，还是最近/最生动的例子？
• 如果最近没有发生那件事，我还会做同样的判断吗？
• 有没有统计数据可以替代我的直觉印象？

锚定效应（Anchoring Effect）

过度依赖最先获得的信息

• 我的判断有没有被最先看到的数字/信息锚定？
• 如果我是从一个完全不同的起点开始思考，结论会一样吗？
• 这个”参考值”的来源可靠吗？

沉没成本谬误（Sunk Cost Fallacy）

因为已经投入的成本而继续亏损的决策

• 如果我从零开始，还会做同样的选择吗？
• 我是因为这个选择本身好，还是因为已经投入了太多而不想放弃？
• 不算过去的投入，继续下去的预期回报是正还是负？

过度自信偏差（Overconfidence Bias）

高估自己判断的准确性

• 我对这件事的确信程度有多高？有什么客观依据？
• 过去同类判断，我的准确率是多少？
• 如果我的判断有 30% 的概率是错的，我的计划还成立吗？

从众效应（Bandwagon Effect）

因为很多人这么做就认为是对的

• 如果只有我一个人这么想，我还会坚持吗？
• 大多数人选择这个，是因为他们独立判断了，还是也在从众？
• 历史上有没有”大多数人都错了”的案例？

框架效应（Framing Effect）

同一件事因表述方式不同而被不同对待

• 如果这个信息用另一种方式表述，我的判断会变吗？
• “90% 存活率”和”10% 死亡率”——我的反应一样吗？
• 我是在被信息的内容影响，还是被表述方式影响？

综合去偏差清单（决策前必查 7 问）

1. 我的结论是基于证据还是感觉？（证据质量）
2. 有没有反面证据我忽略了？（确认偏差）
3. 我有没有被最近的经历影响判断？（可得性偏差）
4. 如果这件事发生在别人身上，我会给什么建议？（心理距离去偏差）
5. 一年后的我会怎么看这个决定？（时间距离去偏差）
6. 如果我想确保这个决定失败，我会怎么做？（逆向思维）
7. 我有没有考虑过”不行动”也是一个选项？（行动偏差）

七、场景化自我提问速查表

日常场景

学习场景

决策场景

情绪管理场景

人际关系场景

八、建立自我提问习惯的实践指南

入门：3 个最重要的自我提问

如果只能记住三个问题，记住这三个：

1. “我真正要解决的问题是什么？” —— 防止解决错误问题
2. “我的假设是什么？它成立吗？” —— 防止假设陷阱
3. “如果反过来呢？” —— 激活逆向思维和创造性思维

进阶：建立个人提问系统

高阶：提问日记

准备一个小本子或笔记 app，每天记录：

1. 今天最好的一个问题是什么？（训练”提问质量”的敏感度）
2. 今天有哪个问题改变了我的想法或行为？（追踪提问的实际影响）
3. 我还没问出但应该问的问题是什么？（挖掘盲区）

最终目标：让自我提问从刻意练习变成思维的默认操作系统。当提问成为呼吸般自然的习惯，你的思维质量将持续自动升级。

提问的结构与技术

📍 位置：提问的艺术 / 结构与技术 📌 核心发现：好问题不是天赋而是可习得的技术——通过掌握问题分类学、句式模板、升级路径和常见陷阱，任何人都能系统性地提升提问质量 📥 输入：提问方法论研究、教练技术、新闻学、科学方法论、苏格拉底式提问、Bloom 认知分类学、Warren Berger 美丽提问框架、Right Question Institute QFT 方法 📤 流向：→ findings.md 提问技术部分

目录

1. 问题的分类学
2. 好问题的特征
3. 经典提问框架
4. 提问的句式模板库
5. 提问的升级技巧
6. 提问的常见陷阱
7. 跨文化提问差异
8. 实战对照表：差问题→好问题

1. 问题的分类学

1.1 基础二分法：开放式 vs 封闭式

关键洞察：封闭式和开放式不是非此即彼的关系，而是一个连续光谱。最好的提问者善于在两者之间灵活切换——先用开放式问题探索，再用封闭式问题确认。

1.2 认知复杂度分类：收敛性 vs 发散性

注意：收敛性问题常以封闭形式出现，发散性问题常以开放形式出现，但二者并非完全等价。一个开放式问题也可能是收敛性的（“请解释光合作用的过程”——开放但有确定答案）。

1.3 五层分类法（学术研究中最常用的扩展分类）

1.4 按认知深度分层：表层问题 vs 深层问题

表层问题（Surface Questions）：

• 针对已知信息的确认
• “是什么""有多少""什么时候”
• 答案在文本或数据中直接可见

推理问题（Inferential Questions）：

• 需要连接多个信息片段
• “为什么""怎么会""意味着什么”
• 答案需要推理，不能直接找到

深层问题（Deep Questions）：

• 挑战假设、揭示系统性问题
• “我们是否在解决正确的问题""这个前提本身是否成立”
• 答案可能颠覆原有认知框架

1.5 Bloom 认知分类学与问题层级

Bloom 修订版将认知过程分为六个递进层级，每个层级对应不同类型的问题：

核心洞察：研究显示，课堂和工作场景中 80% 以上的问题停留在”记忆”和”理解”层级。有意识地向高层级提问，是提升对话质量的最直接杠杆。

2. 好问题的特征

2.1 学术研究中的”好问题”标准

学术界（尤其是研究方法论领域）对好的研究问题有明确的评估标准，这些标准可以泛化到日常提问：

2.2 新闻记者的提问标准

5W1H 基础框架：

超越 5W1H 的记者进阶问题（NPR 培训指南）：

• “这个故事的驱动性问题是什么？“（What is the driving question?）
• “哪些声音是不可缺少的？“（What voices are essential?）
• “哪个复杂问题必须被解释清楚？”
• “哪个细节或场景会让这个故事令人难忘？”
• “你怎么知道这件事是真的？“（How do you know that?）——记者最重要的元问题

2.3 科学研究中的好问题标准

2.4 Einstein 的”55 分钟”思维

“如果我有一个小时来解决一个问题，我会花 55 分钟来思考问题本身，5 分钟来思考解决方案。”

虽然这句话的出处有争议（最早可追溯到 1966 年一位耶鲁教授，而非 Einstein 本人），但其核心洞察极为深刻：

问题的质量决定了答案的质量。

实践含义：

• 在急于寻找答案之前，先确认你在解决正确的问题
• 80% 的时间应该花在理解和定义问题上，而非尝试解决方案
• 当你发现自己的答案总是不满意时，很可能是问题本身需要被重新定义

3. 经典提问框架

3.1 苏格拉底式提问（六种类型）

由 R.W. Paul 系统化的苏格拉底提问法，是最古老也最强大的批判性思维工具：

类型一：澄清型问题（Clarification）

目的：确保理解准确，消除模糊

类型二：探究假设（Probing Assumptions）

目的：揭示隐藏的前提和未被检验的信念

类型三：探究理由与证据（Probing Reasons and Evidence）

目的：检验论据的可靠性

类型四：探究视角与观点（Viewpoints and Perspectives）

目的：扩展思维角度，避免单一视角盲区

类型五：探究影响与后果（Implications and Consequences）

目的：思考连锁效应和长期影响

类型六：关于问题本身的问题（Questions about the Question）

目的：元认知——审视问题本身的质量和方向

3.2 Warren Berger 的”美丽提问”三阶段框架

Warren Berger 在《A More Beautiful Question》中提出的 Why → What If → How 框架，是将提问从发现推向行动的完整路径：

WHY（为什么）          WHAT IF（如果...会怎样）      HOW（怎么做）
    ↓                        ↓                        ↓
  理解问题               想象可能性               付诸行动
  挑战假设               蓝天构想                 设计方案
  看见别人忽略的          假设没有限制              克服障碍

阶段一：WHY — 观察与理解

• 为什么事情是这样的？
• 为什么这个问题还没有被解决？
• 为什么人们接受了现状？
• 为什么没有人质疑这个假设？

阶段二：WHAT IF — 想象与假设

• 如果我们从零开始设计，会怎么做？
• 如果把这个问题反过来看呢？
• 如果最大的限制消失了，我们会怎么做？
• 如果我们把这两个看似无关的领域结合起来呢？

阶段三：HOW — 行动与实验

• 我们怎么用最小成本测试这个想法？
• 怎么把这个大愿景分解成第一步？
• 怎么衡量进展？
• 怎么在失败中学习？

核心洞察：Berger 发现，儿童平均每天问几百个问题，但进入学校后提问量”断崖式下跌”。教育和商业文化奖励的是正确答案而非好问题。重新培养提问能力，是创新的第一步。

3.3 QFT：问题生成技术（Right Question Institute）

由 Dan Rothstein 和 Luz Santana 开发的 QFT（Question Formulation Technique）是目前全球应用最广的系统化提问训练方法，已在超过一百万间课堂中使用。

QFT 的四条核心规则：

1. 尽可能多地提问（数量优先于质量）
2. 不要停下来讨论、评判或回答问题（暂停批判）
3. 把每个问题原样写下来（不修改、不美化）
4. 把任何陈述句改成问题（强制问句化）

QFT 的七个步骤：

QFT 的关键设计原理：

• 从发散到收敛的完整思维链
• 规则 2（不评判）消除了”不敢问蠢问题”的心理障碍
• 步骤 4 的转换练习是 QFT 最独特的部分——让人理解不同问题结构产生不同信息

QFT 问题转换练习示例：

3.4 GROW 模型提问框架（教练技术）

由 Graham Alexander、Alan Fine 和 Sir John Whitmore 开发的 GROW 模型，是管理教练领域使用最广泛的结构化提问框架：

G — Goal（目标）

• 你这次对话想达成什么？
• 如果这次谈话非常成功，结束时你会有什么不同？
• 你的长期目标是什么？成功是什么样子的？
• 这个目标对你来说为什么重要？

R — Reality（现实）

• 描述一下你目前的处境
• 你已经尝试过什么了？效果如何？
• 是什么阻碍了你？
• 你的直觉告诉你什么？
• 在 1-10 的量表上，你目前处于什么位置？

O — Options（选项）

• 你有哪些选择？
• 你可以停止做什么？少做什么？多做什么？
• 如果你知道不会失败，你会怎么做？
• 如果你有所有需要的信息，下一步是什么？
• 还有谁可能帮助你？
• 如果你的朋友遇到同样的问题，你会给什么建议？

W — Will（意愿/行动）

• 你决定做什么？
• 你什么时候开始？
• 什么可能阻碍你完成这个行动？
• 你怎么克服这些障碍？
• 在 1-10 的量表上，你对完成这件事的信心有多大？
• 如果不到 8 分，怎样可以提高到 8 分？

3.5 漏斗提问法（Funnel Questioning）

漏斗提问法是一种从宽到窄（或从窄到宽）的结构化提问序列：

正向漏斗（从宽到窄）：适合探索性对话

"你最近工作上有什么感受？"          ← 开放、宽泛
    ↓
"具体是哪方面让你觉得有压力？"      ← 缩小范围
    ↓
"跟项目 A 的哪些任务有关？"         ← 进一步聚焦
    ↓
"是截止日期的问题还是资源不足？"     ← 封闭确认

反向漏斗（从窄到宽）：适合紧急情境

"系统现在能不能访问？"              ← 封闭、紧急
    ↓
"从什么时候开始出现这个问题的？"     ← 时间线
    ↓
"之前做了什么改动？"                ← 扩展上下文
    ↓
"我们怎么防止以后再出现类似问题？"    ← 开放、系统性

4. 提问的句式模板库

4.1 障碍发现类

4.2 愿景探索类

4.3 风险评估类

4.4 视角扩展类

4.5 深度追问类

4.6 系统思维类

4.7 决策辅助类

4.8 元认知类（关于思考本身的问题）

5. 提问的升级技巧

5.1 从信息收集型升级到洞察生成型

升级原理：信息收集型问题获取的是事实（What），洞察生成型问题揭示的是模式、原因和意义（Why / So What）。

5.2 从单一维度升级到系统性问题

升级原理：单一维度问题只看一个变量，系统性问题看变量之间的关系。

5.3 追问的艺术（The Art of Follow-up）

追问是将浅层对话推向深度的核心技能。以下是系统的追问策略：

TED 技术：Tell / Explain / Describe

• “请告诉我更多关于…”
• “请解释一下你说的…”
• “请描述一下当时的情况…”

五次 Why 追问法（丰田生产方式）：

问题：生产线停了
→ 为什么？因为保险丝烧了
→ 为什么？因为轴承过热
→ 为什么？因为润滑不足
→ 为什么？因为润滑泵故障
→ 为什么？因为没有定期维护检查 ← 根本原因

追问的层级递进：

5.4 重新框架（Reframing）：换个角度问同一个问题

Reframing 是提问中最高级的技巧之一——不是改变问题的内容，而是改变看问题的角度。

六种 Reframing 策略：

策略一：主体转换

策略二：时间尺度转换

策略三：从个体到系统

策略四：从问题到可能性

策略五：从自我到他人

策略六：“How Might We”（我们如何能够）

设计思维中最常用的 Reframing 模式——把问题陈述转化为行动邀请：

6. 提问的常见陷阱

6.1 引导性问题（Leading Questions）

定义：在问题中暗示了”期望的答案”，引导回答者朝特定方向回答。

为什么危险：引导性问题产生的不是对方的真实想法，而是对方猜测你想听到的答案。在调研、面试、管理中，引导性问题会严重扭曲信息质量。

6.2 预设型问题（Loaded Questions）

定义：问题中嵌入了一个未经验证的假设，无论怎么回答都会接受这个假设。

识别方法：如果一个问题无论回答”是”还是”否”都会让回答者陷入不利处境，那它很可能是预设型问题。

6.3 二元对立问题（False Dichotomy）

定义：只给两个选项，但实际上存在更多可能性。

6.4 XY Problem：问的是方案而不是问题本身

定义：你想实现 X，你以为 Y 是实现 X 的方法，你不知道 Y 怎么做，于是你问”Y 怎么做”——但 Y 可能根本不是实现 X 的正确方法。

典型模式：

用户想实现 X
    ↓
以为 Y 是实现 X 的方法
    ↓
不知道 Y 怎么做
    ↓
问"Y 怎么做？"（而不是"我想实现 X，应该怎么做？"）
    ↓
帮助者困惑于为什么要做 Y
    ↓
大量时间浪费

经典案例：

• 有人问”如何获取文件名的最后三个字符？“——实际需求是获取文件扩展名（不一定是三个字符）
• 有人问”如何修改 nmap 的输出格式？“——实际需求是防止别人识别操作系统

如何避免：

1. 永远先说清楚你最终要实现什么（X），而不是你认为的方法（Y）
2. 说明你已经排除了哪些方案以及为什么
3. 当别人追问你的上下文时，如实回答
4. 提醒自己：如果你的方案理论正确，你就不需要问问题了

6.5 复合问题（Compound Questions）

定义：一个问题中包含了多个子问题，让回答者不知道该回答哪一个。

6.6 以问代答（Rhetorical Disguise）

定义：表面上是提问，实际上是在表达自己的观点或做出指示。

7. 跨文化提问差异

7.1 高语境文化 vs 低语境文化（Edward Hall 理论）

7.2 在不同文化背景下有效提问的策略

在高语境文化中提问：

• 用间接方式提问：“我想听听你的看法”比”你觉得这个方案对吗”更安全
• 给对方留面子的空间：“这个问题可能有多种理解方式…”
• 通过观察非语言信号来判断真实意图
• 私下提问比公开场合提问更容易获得真实回答
• 使用”我不太确定…”的句式为对方的不同意见创造空间

在低语境文化中提问：

• 直接、具体、明确——模糊的问题会被认为是准备不足
• 不要拐弯抹角，直说你想知道什么
• 质疑和反驳被视为有价值的贡献
• 用数据和事实支持你的追问

跨文化通用原则：

• 先观察当地的提问规范再开口
• 当不确定时，宁可太礼貌也不要太直接
• 注意权力距离：在高权力距离文化中，向上级提问需要更多铺垫
• “你怎么看？“比”你同意吗？“在任何文化中都更安全

7.3 中国文化中的提问特点

• 面子机制：避免让对方”下不来台”的问题。直接指出错误的问题在公开场合通常不合适
• 关系优先：提问前建立信任关系更重要。“关系够了，什么都可以问”
• 迂回策略：通过故事、比喻、第三方案例来间接提出敏感问题
• 集体主义：问”大家觉得”比问”你觉得”压力更小
• 尊师传统：在学习场景中，提问曾被视为”没有认真听讲”的信号，但这一观念在年轻一代中正在改变

8. 实战对照表：差问题→好问题

8.1 日常工作场景

8.2 学习与思考场景

8.3 人际沟通场景

8.4 与 AI 对话场景

附录：提问技术速查清单

开始一次重要对话前，检查你的问题

• 清晰度：这个问题只问了一件事吗？（避免复合问题）
• 开放度：这个问题是否为对方留出了思考空间？（避免封闭式轰炸）
• 中立性：问题中是否隐含了我期望的答案？（避免引导性）
• 假设检查：问题中是否嵌入了未经验证的前提？（避免预设型）
• 认知层级：这个问题在 Bloom 的哪个层级？能否再上一级？
• 方向正确：我是在问问题本身（X）还是在问我假设的方案（Y）？
• 文化适配：在当前的文化和权力语境中，这种问法合适吗？

当对话陷入僵局时的急救问题

1. “让我们退后一步——我们真正要解决的问题是什么？”
2. “如果一切都可以重来，我们会怎么做？”
3. “我们目前同意的是什么？分歧在哪里？”
4. “有什么是我们都在回避不愿讨论的？”
5. “如果今天必须做一个决定，你会选什么？”

参考来源：

• R.W. Paul 苏格拉底六类提问法
• Bloom 修订版认知分类学
• Warren Berger《A More Beautiful Question》Why-What If-How 框架
• Right Question Institute：Question Formulation Technique (QFT)
• GROW 模型（Alexander / Fine / Whitmore）
• Edward Hall 高/低语境文化理论
• 丰田”五次 Why”根因分析法
• xyproblem.info — XY Problem 定义
• 设计思维 “How Might We” 框架
• PMC: Best Practice Strategies for Effective Use of Questions as a Teaching Tool
• NPR Training: Beyond the 5 W’s