先澄清再回答是什么
先澄清再回答，是在信息不足时让模型列出关键缺口并提问，而不是自行补齐假设直接给出答案。这个做法适合需求梳理、配置调优、数据核对这类输入不完备的任务：模型的回答看着完整，但建立在它自己的假设上，落地时才发现前提不对。写成提示时要控制两点——问几个（限制在 1-2 个）、什么时候停（明确补充后再执行）。
写法要点
| 适用 | 需求梳理、配置调优、数据核对等输入不完备的任务 |
|---|---|
| 控制 | 限制提问数量（1-2 个），并写清补充后再执行 |
| 反例 | 开放式地问「还有什么要补充的吗」，通常拿不到有效信息 |
| 缺口清单 | 把必须齐全的信息项列出来，逐项检查是否缺失 |
| 停止条件 | 信息齐全则直接作答，不要为提问而提问 |
典型使用场景
- 需求澄清：目标平台、数据规模、输出格式、时间要求先确认
- 配置生成：不清楚运行环境时先问版本与部署方式，再给配置
- 排障定位：现象描述过于笼统时先问报错原文与复现步骤
- 方案对比：先确认约束（预算、工期、兼容要求）再给推荐
- 数据核对：口径未定先问以哪一侧为准、差异如何输出
写法模板
写法模板
在作答前先检查以下信息是否齐全：目标平台、数据规模、期望输出格式、时间要求。
如果有任何一项缺失：先提出不超过 2 个必要问题并停止，等待补充后再执行。
不要基于猜测继续。 # 明确禁止边猜边答
# 缺口清单越具体，提问越有针对性；开放式的「还要补充什么吗」拿不到信息提问方式对照
| 提问方式 | 效果 | 说明 |
|---|---|---|
| 缺口清单式 | 直接指出缺哪几项，回答效率高 | 问题是封闭的，用户容易一次补全 |
| 开放式追问 | 通常得到「都行、你看着办」 | 缺少选项，用户不知道从何说起 |
| 给出默认值再确认 | 适合低风险场景，减少往返 | 须说明默认值是什么、影响范围多大 |
| 先做再问 | 产出快但可能整体无效 | 仅在可低成本重做时使用 |
对高频重复任务，把澄清项固化成一张表单由用户填写，比一轮轮对话追问更稳定，也便于后续做统计。