对比1:它和一句话提问不同
一句话提问是“帮我写一篇小红书文案”。雷斯会拆成:你是谁、要做什么、基于什么情况、最后长成什么样。少了这四块,AI只能按平均答案糊一版。
很多人觉得AI不好用,本质是把脑子里的隐含条件全省了。你知道产品卖给谁、用户怕什么、平台风格是什么,AI不知道。雷斯就是把这些隐含条件摊开。
雷斯是什么?在AI提示词语境里,它通常指RACE框架:Role、Action、Context、Expectation。别把它看成神奇咒语,它更像一张给AI派活的需求单。
一句话提问是“帮我写一篇小红书文案”。雷斯会拆成:你是谁、要做什么、基于什么情况、最后长成什么样。少了这四块,AI只能按平均答案糊一版。
很多人觉得AI不好用,本质是把脑子里的隐含条件全省了。你知道产品卖给谁、用户怕什么、平台风格是什么,AI不知道。雷斯就是把这些隐含条件摊开。
Role是角色,比如“你是一名做过B端SaaS官网转化的文案”。角色不要乱写,别动不动“世界顶级专家”,越贴近任务越好。
Action是动作,比如“重写首屏文案,并给出3个标题”。Context是背景,比如客单价、目标客户、现有问题。Expectation是交付标准,比如字数、语气、格式、禁用词。四块合起来,才算完整任务。
雷斯是什么?它是结构,不是答案。结构能让AI少跑偏,但不能替你判断业务真相。比如你让AI写招聘JD,如果薪资低、岗位职责混乱,雷斯只会让JD更清楚地暴露短板。
也别把雷斯和“越复杂越专业”画等号。给AI改一句标题,没必要写半页背景;让AI做竞品分析,就必须补足行业、受众、判断维度。
适合:文案、邮件、脚本、方案大纲、面试题、复盘报告。这些任务都有明确交付物,雷斯能把要求钉住。
不太适合:需要实时数据、法律医疗结论、财务投资决策。雷斯不能让模型凭空获得最新事实,也不能替代专业责任。涉及风险场景,要把AI当草稿助手,不当最终判断。
常见解释是RACE:Role角色、Action行动、Context背景、Expectation期望。不同教程会有小变体,但核心都是把需求说完整。
不难。先记住四句话:你扮演谁、你要做什么、已知背景是什么、结果要什么格式。用三次就能熟。
没有绝对更好。雷斯胜在简单、通用,适合日常办公;复杂研究任务可以叠加步骤拆解、评价标准和反问机制。