你是否试过：询问 AI「我这个想法如何？」它立即大力赞好，事后却发现想法其实漏洞百出？问题并非 AI 不够聪明，而是你的提问方式错了。本文教你一招在 ChatGPT、Claude、Gemini 都通用的「评分式 Prompt（Rubric Prompting）」，令 AI 从讨好你转为客观批判，并附上可直接套用的范本与五个实战例子。
何谓评分式 Prompt（Rubric Prompting）？
评分式 Prompt 是指：不要让 AI 笼统地「给意见」，而是要求它根据你预先定义的准则（rubric），对每一项以固定分数客观评分并附上理由。一个完整的 rubric 包含三部分：分数与尺度、评分准则、各等级描述。如此一来，AI 便被迫逐项衡量，而非随意称赞。
为何 AI 预设会「讨好」你？
大型语言模型经过训练后，天生倾向「迎合使用者」。当你以开放式问法询问「你觉得如何？」，它的预设模式便是顺着你、给出正面回应。这并非刻意欺骗，而是缺乏明确标准时，它没有可对照的依据，于是默认赞好。要破解，就要给它一把可量度的「尺」。
真实例子：从大力赞好跌至 8 分
有创业者曾就同一个商业想法做测试：先以开放式问法询问，AI 大赞可行；其后改用评分式 Prompt，要求以 1 至 100 分、根据明确准则打分，结果 AI 只给出 8 分（满分 100），并逐项指出市场狭窄、竞争激烈、成本过高等致命缺陷。同一个想法、同一个 AI，仅仅换了提问方式，便避免了投入数月时间与大量金钱。
评分式 Prompt 的三个组成部分
一个有效的 rubric 由三部分组成：第一，分数与尺度（例如 1 至 5 分，或加权后合计 100 分）；第二，评分准则（你想衡量的维度，如可行性、市场需求、竞争、成本、风险）；第三，各等级描述（清楚说明「优秀」「合格」「不足」分别是什么样子）。准则越具体，AI 的输出越可靠。
完整 Prompt 范本（可直接套用）
你可直接套用以下框架：「请以 1 至 100 分，根据以下五项准则客观评估我的【想法／文案／计划】：①市场需求 ②可行性 ③竞争程度 ④成本与风险 ⑤独特性。每一项分开给予分数（每项 20 分）并列明理由，最后加总。请以严格投资者的角度评分，不要为了鼓励我而给高分。」一句指令，便将称赞转为审视。
五个实战例子（可直接复制）
以下提供五个涵盖不同场景的评分式 Prompt 范例，你可依需要替换括号内的内容后直接使用：
- 评估商业想法：「请以严格创投的角度，用 1 至 100 分评估这个生意构想：①市场规模 ②痛点真实性 ③盈利模式 ④进入门槛 ⑤竞争优势。每项 20 分，列明扣分原因，并指出最致命的一项风险。」
- 批改销售文案：「请以资深文案总监的标准，用 1 至 10 分为这段文案评分：吸引力、清晰度、说服力、行动呼吁强度。逐项给分并提出具体改写建议，不要客套。」
- 比较多个方案：「以下有三个方案，请用相同准则（成效、成本、风险、落地速度，各 25 分）为每个方案评分并排名，最后说明为何第一名胜出。」
- 审查求职／投标文件：「请以招聘主管的角度，用 1 至 100 分评估这份简历：相关经验、成果量化、表达清晰、与职位契合度。指出三个最弱项及修改方向。」
- 检视一段代码或流程：「请以资深工程师的标准，用 1 至 10 分评估这段流程的可读性、效率、安全性与可维护性，逐项说明理由，并列出最优先要修正的问题。」
进阶技巧：让 AI 自我评分（Self-scoring）
在复杂问题的 Prompt 结尾，加上一句：「完成后，请你自行为这个答案评 1 至 10 分，分别就清晰度、有用度、准确度评分，并指出可如何改善。」这种「反思式提示」会迫使 AI 检视自己的输出、找出弱点再行修正，实测能明显提升答案质素。
另外两招逼 AI 不要敷衍作答
除了评分，还有两个冷门但有效的技巧。其一，要求它「你是否真的搜寻过？」以迫使它真正动用内置网络搜寻，而非仅凭记忆推测。其二，指示它「请计算，不要估算」以迫使它运用代码执行真正运算。这些指令令 AI 从「猜答案」转为「取证据」。
适用场景与常见错误
评分式 Prompt 在以下情况威力最大：评估商业想法或投资、批改文案与提案、比较多个方案、进行风险审查。至于最常见的三个错误：一，准则太笼统（例如只写「好不好」），AI 无从衡量；二，未要求理由，只取得分数而无洞察；三，未明示「以严格／投资者角度」，AI 又会滑回讨好模式。避开这三点，你便能稳定取得有用的批判。掌握提问之道后，你会发现 AI 真正的价值在于成为团队里可靠的一员；前往 ai.ud.hk 了解更多 UD 的 AI 员工方案，看看 AI 如何为你的团队分担工作。
懂AI，更懂你｜UD相伴，AI不冷
