同一句话问 AI，有时很精彩，有时漏洞百出。与其背诵所谓“万能提示词”，不如把每次提问当成一次小实验：先写下可检验的预期，比如“提供判断标准会减少遗漏”；再只改变一个条件，比较有无标准时的回答。这样即使结果变好，也能知道是哪项改动起了作用。
Nature 作者 James M. Dewar 在 Vanderbilt University 面向生物医学博士新生授课时发现，81% 的受访学生用过 AI 做科研，但起初只有 5% 达到其设定的提示写作基础水平；课程结束后，这一比例为 48%。他据此主张，把输出视为实验结果，而不是答案本身。实际使用时，还要保存模型版本、完整提示和测试样例，对同一任务重复测试；涉及文献、数字或专业结论，则回到原始资料独立核验。说白了，真正耐用的能力不是记住一句咒语，而是判断一次改动是否稳定、为何有效，以及结果能否被证据撑住。