（1）基础通用公式（适用80%场景）

【结构】：需求描述 + 背景信息或作用 + 顾虑点 + 输出要求

【示例】：“我要策划家庭周末活动（需求），父母60岁了，挺喜欢自然但体力有限（背景），担心天气变化和交通问题（顾虑），请给出3个包含备选方案的可行性建议（输出要求）”

（2）问题解决公式（决策支持）

【结构】：核心问题 + 已尝试方案 + 预期效果 + 限制条件

【示例】：“孩子数学成绩下滑严重（问题），试过请家教但效果不持久（尝试），希望建立自主学习能力（预期），每天放学后写完作业最多1小时补习时间（限制），有什么系统地提升方案？”

（3）创意生成公式

【结构】：创作类型 + 核心要素 + 风格参考 + 排除元素

【示例】：“需要设计咖啡馆logo（类型），要包含猫和咖啡豆元素（要素），偏向简约线条风类似星巴克（风格），避免卡通化和彩色渐变（排除），提供5个设计方向”

（4）学习提升公式

【结构】：知识盲区 + 理解程度 + 应用场景 + 认知层级

【示例】：“想理解AI技术（某领域），目前只知道与数据和算力相关（基础），需要向老人做科普讲解（应用），请用’比喻+现实案例’的方式解释核心原理（认知）”

（5）优化协作公式

1. 分步引导式：

   “我现在要完成______，第一步应该______？完成这步后接下来怎么做？”

2. 对比分析式：

   “方案A的优点是______，方案B的特点是______，从______角度比较，哪个更适合______场景？”

3. 迭代修正式：

• 已有的材料——上传后分析
  “这是我写的______，感觉在______方面不足，特别是______部分，请从______角度提出3点改进建议”

• Deepseek对话后的内容——自我反思推理优化

  这种思路是借鉴吴恩达教授的多Agent协作翻译后再输出结果，效果较好

  你（或如果你是XX人物或角色），请对以上结果进行XX轮批判性思考（或找出XX漏洞，反驳XX观点），最后再输出结果。

• 优化协作的三大原则：

  • 渐进式提问：复杂问题分解为"问题树"，按主干→分支逐步深入；
  • 示例锚定法：提供参照样本（“类似XX的格式/像XX风格的表达”）；
  • 反馈闭环：对不满意的输出指出具体偏差（“第三点建议与第二点存在矛盾，因为…”）

（6）实践建议

1.采用「3W2H」框架：

What（任务）、Who（对象）、

Why（目的）+ How（方式）、

How much（限制条件）

2.善用结构化表述：

分点说明时标注「核心诉求」、「硬性限制」、「偏好倾向」

3.及时反馈调整：

用「更…」、「减少…」、「侧重…」等指令实时校准输出方向