在借助大模型做头脑风暴时，很多人习惯一次性抛出“帮我想几个创业点子”这类模糊指令，得到的结果往往雷同且缺乏纵深。真正高效的用法是把过程拆成创意发散、方案筛选与可行性评估三个独立阶段，每个阶段使用不同结构的提示词，明确角色、约束与输出格式，才能让AI的输出从泛泛而谈转向可行动。
创意发散阶段的提示词设计
创意发散的核心目标是数量与差异性，而不是立刻追求正确。在这个阶段，应该主动移除行业惯例带来的思维枷锁，让模型从多个视角生成原始点子。有效的做法是给AI设定一个“不受限于成本与现有技术”的 explorer 角色，并要求它按不同思维模型（如逆向思维、跨界类比、极端假设）分别产出条目，而不是混在一起。
例如，若主题是“提升线上课程完课率”，可以用如下提示词引导发散。注意我们在指令中禁止了过早的合理性判断，并强制分桶输出，这样后续筛选才有结构化素材。
你是一名激进的产品创新顾问，不考虑实现成本与现有技术限制。 请针对「提升线上课程完课率」给出创意，按以下三类各列5条： 1. 逆向思维类（反常识做法） 2. 跨界类比类（从游戏/健身等行业借方法） 3. 极端假设类（如用户只剩3分钟每天） 仅输出条目，不评价可行性。
对比直接问“有什么好办法”，上述写法让模型显式切换思维框架，避免它默认使用最安全的运营套路。实际使用中，你会发现跨界类比类常出现如“把章节变成副本通关”这类可二次加工的想法，而极端假设类能逼出刚需场景。发散阶段不必追求每条都成立，重点是给筛选池注入足够多的异构候选。
方案筛选阶段的维度排序指令
拿到几十条原始创意后，人脑很难稳定比较，这时需要让AI充当分析员，用统一维度给方案打分并淘汰弱势项。关键是指令中必须明确定义评估维度与权重，否则模型会用自己的模糊标准，导致前后不一致。常用维度包括：用户价值、实现复杂度、差异化程度、与主业协同性。
下面这段提示词示范了如何把上一阶段的输出接进来做筛选。我们规定输出为表格并给出淘汰理由，这比单纯列“Top3”更利于人工复核。
# 假设 ideas 为上一阶段得到的字符串列表
prompt = """
你是一名严谨的产品总监。对以下创意按维度评分(1-5分)：
用户价值, 实现复杂度(分越高越简单), 差异化, 协同性。
权重: 用户价值0.4, 实现复杂度0.2, 差异化0.2, 协同性0.2。
计算加权总分，保留前5，淘汰其余并写一句淘汰原因。
输出Markdown表格：创意 | 各项分 | 总分 | 去留
创意列表：
{ideas}
"""
这种写法把主观筛选变成了可复现的计算过程。若某次结果不符合预期，只需调整权重或维度定义，而不必重新发散。需要提醒的是，模型给的“实现复杂度”往往偏乐观，因此人工在定稿前仍要修正分数，但指令框定的比较结构已经省掉了大量罗列优劣的时间。
可行性评估与风险指令写法
选定少量方向后，最后一步是让AI模拟不同角色做可行性评估，暴露隐藏成本与风险。此处最忌只用“是否可行”这种二元问法，应该要求模型分财务、技术、合规、用户接受度四个面向上各列风险与缓解办法，并给出置信度。这样输出才能直接进汇报材料。
可用如下提示词模板，它限定了角色为“多职能评审团”，并强制每条风险配缓解动作，避免只泼冷水不给路。
你是一个由技术、法务、运营组成的评审团。 针对方案「把课程章节改为游戏副本，完课发NFT证书」： 分别写出： - 技术风险与缓解 - 合规风险与缓解 - 用户接受度风险与缓解 - 粗略成本区间（人月/万元） 每条末尾用[高/中/低]标置信度。
经过这三阶段提示词，AI从随意聊天变为可追溯的协作者：发散保量、筛选保准、评估保稳。你在选题会前跑一遍，就能带着结构化结论去讨论，而不是现场被模型带偏。长期看，把这类指令存为模板，按项目替换主题词，团队的脑暴效率会有明显提升。