你可能遇到过这种时刻：
Prompt 已经改了七八轮，角色、格式、语气、字数全写清楚了，AI 给出的答案也很完整。
但你一眼就知道，不对。
它不是不会做。恰恰相反，它做得很认真，只是做成了另一个人想要的东西。
于是你继续补 Prompt、换模型、学新技巧，最后把问题归结为：是不是我还不够会用 AI？
可真正的问题，也许刚好相反。
你不是不会写 Prompt。你可能只是一直在替 AI 删掉它最需要的信息。
昨天，Andrej Karpathy 分享了一个他和大模型协作时常用的方法：遇到复杂问题，先别急着憋一条漂亮的 Prompt。打开语音，想到什么说什么，连续讲十分钟。
可以混乱，可以重复，甚至可以提前告诉 AI：“我现在用语音输入，可能会有错字。”
更有意思的是，这不是第一次有人给出相同建议。
今年 3 月，@mstockton 发布过一套更具体的十步流程：先录一段至少十分钟的语音，把它转成文字，再让 Claude Code 不断追问，直到真正理解你想完成什么。
两条相隔几个月的内容，击中了同一种普遍挫败：
很多人和 AI 配合不好，真正的问题是：目标、背景、限制和完成标准，根本没有进入对话。
这不是又一套 Prompt 技巧。
它更像是一次解脱：你终于不用先把自己整理得像一台机器，才有资格让机器理解你。
你不是不会写 Prompt，你是在替 AI 删答案
我们已经被训练得很会写短 Prompt 了。
一句话讲清任务，最好再指定角色、格式、语气和字数。看起来很专业，也很节省上下文。
但复杂任务真正需要的，往往不是这些格式要求。
为什么要做这件事？之前试过什么？手里已经有什么材料？最担心哪里出错？哪些结果看起来正确，但你其实不能接受？做到什么程度才算完成？
这些信息常常只存在于人的脑子里。
打字时，我们会嫌麻烦，主动把它们删掉。结果只剩一句：“帮我做一个高级、有质感的个人网站。”
然后等待 AI 猜中那个连你自己都没有说出口的答案。
AI 收到的名词很多，真正能帮助判断的信息却很少。
我之前用 Codex 搭个人网站时，真正起作用的并非“高级”“有设计感”这些形容词。更重要的是：网站为谁服务、我已经有哪些内容、首页必须出现什么、哪些参考图像像我，以及什么结果才算完成。
知识库也是一样。AI 可以负责整理、移动和检查，但什么值得进入长期知识、什么只能作为写作素材，必须提前说清楚。
这些看似啰嗦的背景，不是废话。它们才是 AI 做判断时真正能抓住的东西。
AI 最怕的不是你说得乱，而是你说得少，还默认它应该懂。
长语音的价值，就在于它降低了提供这些背景的成本。
你不用一开始就想明白，也不用一开口就显得专业。先把真实处境交出来，再和 AI 一起把它整理清楚。
十分钟里，把“没想清楚”也说出来
这个方法不需要专门的设备，也不要求使用某一个产品。任何能把语音变成文字、并允许你检查转写结果的工具都可以。
找一个你拖了很久、每次交给 AI 都得反复修改的任务。打开录音或语音输入，然后围绕下面六件事自由讲：
- 我到底想完成什么？ 不要先描述功能，先说最终变化。
- 为什么现在要做？ 是什么事情触发了它，拖下去会怎样？
- 我手里已经有什么？ 文件、旧稿、链接、案例、账号、素材都算。
- 我不想要什么？ 哪些常见答案、风格或做法看起来正确，却不适合你？
- 我最拿不准什么？ 把矛盾、顾虑和没想明白的地方直接说出来。
- 什么结果算完成？ 谁来使用，在哪里使用，怎样检查它真的能用？
不用按顺序，也不用强迫自己讲满十分钟。“十分钟”只是两位作者都采用的实践长度，不是什么最优公式。
真正重要的是：不要一边说，一边把那些“不专业”的内容删掉。
犹豫、反悔、补充和“我也不知道为什么，就是不喜欢”，都可能暴露真实的取舍。AI 后面可以帮你整理，但前提是这些东西先出现。
长语音不是更高级的 Prompt，它只是更便宜的上下文。
最危险的时刻，是 AI 说“我懂了”
这是整套方法最容易被忽略的一步。
很多人把十分钟转写贴进去，下一句就是：“开始做吧。”
这一下很痛快，也最危险。
但说得更长，不代表想得更清楚。口述里会有重复、矛盾、错字，也会混进一时兴起的想法。如果 AI 直接执行，它只是在更大的上下文里更自信地猜。
前面的理解只要偏一点，后面的研究、设计、开发和写作都可能一起跑偏。你以为自己省掉了一轮确认，实际只是把返工推迟到了更贵的位置。
所以，第一轮不要让它产出结果，只让它确认理解。
你可以把下面这段话和转写一起交给它：
这是我围绕一个任务的自由口述，里面可能有重复、矛盾和语音识别错误。现在不要开始执行。请先完成四件事：第一，用你的话复述我的真实目标；第二，区分已经确认的要求、你的推测和仍然缺失的信息；第三，指出互相冲突或可能被误解的地方；第四，最多问我五个真正会改变方案的问题。等我确认后，再整理成任务书。
这一步的目的，是让 AI 把自己的理解暴露出来，而非把口述“润色得更好看”。
如果它复述错了，你会在执行前发现。如果它把推测写成要求，你可以立刻纠正。如果它问的问题全是字体、格式和字数，说明它还没有抓住真正的任务。
不要用一份更长的输入，换来一次规模更大的误解。
把混乱压成一页，事情才真正开始
完成追问后，让 AI 把信息压缩成一页任务书。
这份任务书不需要漂亮，但至少应该回答八个问题：
- 想完成什么。
- 为什么现在做。
- 已有材料和当前状态是什么。
- 有哪些限制，明确不做什么。
- 发生冲突时，优先保住什么。
- 什么结果才算完成。
- 还有哪些问题没有确认。
- 接下来第一个动作是什么。
然后你只做一件事：逐条确认。
目标是你真正要的吗？限制有没有被偷换？AI 的推测有没有混进确定要求？完成标准能不能真的检查？
确认完成后，这一页才是后续写作、设计、开发或研究真正使用的输入。十分钟口述是原料，任务书才是交付物。
如果任务会持续几天，还可以让 AI 把这份任务书保存成文件。以后换对话、换模型或中断后继续，不需要重新解释整件事。
这也是我越来越看重“文件”的原因。聊天里的理解会消失，一份经过确认的任务书，才能成为所有后续动作共同依赖的事实来源。
一个没有完成标准的任务，不是在协作，只是在碰运气。
别收藏，今天就拿一个真任务跑一遍
如果你只是觉得这个方法不错，然后把文章放进收藏夹，它很快就会变成又一条“我以后要学”的内容。
别再学一条了。现在打开待办清单，找出那个你拖了很久、每次交给 AI 都会返工的任务。
可能是做个人网站、整理知识库、写一篇重要文章、研究一个新方向，也可能是终于把一个只存在脑子里的产品想法做出来。
然后完整跑一遍：
- 打开语音，把目标、背景、材料、顾虑和不想要的结果全部说出来。
- 把转写和前面的“先不要执行”提示一起交给 AI。
- 回答它真正会改变方案的问题，删掉没有意义的格式追问。
- 让它生成一页任务书，逐条确认目标、限制和完成标准。
- 只执行第一个最小动作，并要求它用实际结果证明已经完成。
第一轮的目标，不是让 AI 立刻交出一个惊艳成品。
而是得到一份你看完以后愿意说“对，这就是我要做的事”的任务书。
当 AI 不再猜你的意图，你会明显感觉到：那些过去需要反复纠偏的工作，终于开始往同一个方向用力。
有些事情，还是应该老老实实打字
语音不是所有任务的默认入口。
查一个日期、改一句文案、把三行数据整理成表格，直接输入要求更快。为了显得会用 AI，硬讲十分钟没有意义。
精确数字、人名、链接、文件路径和专有名词，也应该在转写后用文字检查。OpenAI 的官方说明同样提醒，语音转写并不保证逐字准确，重要信息需要复核。
密码、身份信息、未公开的商业内容，也不应该随手倒进在线语音服务。
至于付款、发布、删除、授权和修改正式系统，更不能因为前面聊得很充分，就让 AI 自动决定。上下文越完整，越容易让人产生“它已经懂了”的错觉，但理解任务不等于获得权限。
语音适合的是那些背景很多、取舍复杂、你自己也还没完全想清楚的任务。
它帮你把脑子里的原料倒出来。AI 帮你整理和追问。确认权，仍然属于你。
下一代 Prompt，可能根本不像 Prompt
过去，我们努力把人的意图压缩成一句机器容易理解的命令。
现在，模型能处理更长、更混乱的上下文，问题开始反过来：人能不能把真实目标、隐含限制和判断标准充分交出来？又能不能认出 AI 复述后的版本，究竟是不是自己真正想做的事？
这可能才是语音方法最值得重视的地方。
它没有让 Prompt 消失，只是把 Prompt 从一句精心修饰的命令，变成了一个逐步对齐的过程：先倾倒，再复述；先追问，再确认；确认之后才执行。
下一代 Prompt 可能不是一句完美命令，而是一段足够真实、可以被追问的上下文。
所以，如果你读到这里，脑子里正好浮现出一个拖了很久的复杂任务，别再把这篇文章放进“稍后阅读”。
现在就打开语音，把真正的处境说出来。
你不需要一开始就很清楚。混乱、犹豫和反悔都可以先出现。
但在 AI 开始替你做事之前，你们必须一起把“什么才算做完”说清楚。
真正的分水岭，不是谁收藏了更多 Prompt，也不是谁能把命令写得更像专家。
而是谁愿意把脑子里那些含糊却重要的判断交出来，再把它们确认成 AI 能执行的任务。
AI 等的可能不是一句更漂亮的命令，而是你终于把真正的问题说了出来。
