换成好问题

换成好问题是 unix2dos 在 brain-prompts 仓库中保存的一条高频 Prompt。它把回答拆成两轮。第一轮让 AI 指出题目里默认成立的假设，说明还缺什么信息，以及人们处理同类问题时常犯的错误。随后 AI 只能问一个最关键的问题。用户补充以后，模型才给最终答案。这套写法适合目标、约束和个人情况会明显改变建议的咨询。

这个 Prompt 可以直接粘贴到新会话，也可以保存到 Alfred、文本扩展工具或 AI 客户端的 Prompt 模板中。第一次使用建议挑一个确实依赖个人背景的问题，按两轮流程走完。

请帮我把 GitHub 仓库 https://github.com/unix2dos/brain-prompts 中 Alfred_Core.md 的 003_换成好问题保存为一个可重复使用的 Prompt 模板。先读取 README.md 和 Alfred_Core.md 第 19 到 26 行，确认模板名称和完整原文。把 {cursor} 保留为问题占位符，模板名称设为换成好问题，不要改写原文。保存后在一个临时会话中用普通的方案选择问题做最小验证，确认第一轮只分析假设、信息缺口和常见错误，然后只问一个关键问题并等待回复。不要填写我的真实私人问题，也不要把模板同步到云端。若需要覆盖同名模板、访问 Alfred Snippets、写入全局配置或启用云同步，请先停下并向我确认。

项目地址：https://github.com/unix2dos/brain-prompts/blob/main/Alfred_Core.md#L19-L26
复制地址并按照下方步骤完成设置。

1. 1
   复制完整 Prompt

   从本页 README 部分复制整段 Prompt，保留三项分析要求、只问一个问题和等待回复这几个约束。不要只复制开头一句。

2. 2
   替换问题占位符

   把最后的 {cursor} 换成你的真实问题。例子可以是“我应该继续租房还是今年买房”，同时先不要把身份证号、账户、公司机密等无关敏感信息放进去。

3. 3
   回答唯一的关键问题

   第一轮读完模型列出的假设和信息缺口，只回答它最后提出的那个问题。发现模型一次问了多项内容，可以要求它重新收敛成一个问题。

4. 4
   让模型完成最终答案

   补充回答以后让模型继续。检查最终建议是否真的使用了新增信息，并且是否说明适用条件、成本和不确定处。

5. 5
   按需要保存成快捷模板

   高频使用时可以保存到 Alfred Snippets 或客户端 Prompt 库。保留 {cursor} 作为占位符，覆盖已有同名模板前先备份。

这次评价依据仓库 README、Alfred_Core.md 原文和该文件的公开提交历史。这个 Prompt 的价值在于控制追问数量，同时把默认假设和信息缺口摆到答案之前。它很适合容易收到通用建议的开放问题。使用成本也很明确，每次至少多一轮对话，模型选出的关键问题未必真是最重要的，简单问题套用后反而拖慢回答。仓库把它归为高频 Core Prompt，但没有公开跨模型测试记录，也没有声明许可证。本次只做资料核验，没有执行模型效果对比。