让 AI 帮忙做一件复杂的事，很多人习惯把要求一口气全塞进一段话：背景、约束、格式、示例层层堆叠，结果答案丢三落四。更稳的做法是把大问题拆成小问题，一步一步问——这就是多步提问。它不依赖任何高级功能，只用最基础的多轮对话，就能明显提升复杂任务的质量。
为什么一口气问容易答不好
模型处理一段长提示词时，要同时兼顾所有约束。要求越多，顾此失彼的概率越高：格式对了，内容漏了；内容对了，语气又跑了。任务越复杂，这种「挤在一句话里」的失败就越明显，而且你很难判断它到底漏了哪条。
多步提问把一个大任务切成几段小对话，每一步只解决一个问题。前一步的输出直接作为后一步的材料，模型每轮只需盯住少数几个要求，质量自然更稳，你也更容易定位问题出在哪一步。
一个简单的判断标准：一句话里出现了三个以上「并且」，就值得拆成三步。
拆分的三个常用角度
按阶段拆：写报告就是「先列大纲 → 再逐节展开 → 最后润色」。按角色拆：先让 AI 当资料员收集要点，再让它当编辑组织成文。按约束拆：第一轮只管内容，第二轮再套格式，别让两件事挤在同一步里。
拆完之后，记得给每一步一个明确的验收点，比如「列出 5 条大纲，每条不超过 20 字」。验收点越具体，越容易发现哪一步跑偏了，回头重跑的成本也最小。
一条完整的多步提问流程
以「写一份产品介绍」为例：第一步先问「帮我列出产品介绍要覆盖的 6 个要点」，拿到清单后人工挑掉不需要的；第二步说「基于第 2、3、5 条，各写一段 100 字左右的介绍」；第三步把选中的段落发回去：「统一语气，改成面向普通用户的大白话，全文控制在 300 字」。
三步下来，每一步你都能在中间插手纠正，最终结果比自己憋一段超级提示词可控得多。接口走 https://api.aigcbreeze.cn/v1，任意对话模型都支持这种多轮拆步的问法。
常见问题
每一步都要新开一个对话吗？
不用。同一个对话里连续追问即可，模型会带着上下文继续。只有换话题、或者对话太长模型开始「健忘」时，才考虑新开对话，并把上一步的关键结论粘贴过去。
步数是不是拆得越碎越好？
不是。拆步是为了让每一轮聚焦，拆得太碎反而要把中间结论反复转述，容易断链。一个复杂任务拆成 2~4 步通常就够了，先从两步开始练手。
中间步骤的输出需要人工把关吗？
建议要看。多步提问最大的优势就是有天然的检查点：大纲不对，后面写得再好也白搭。每步花几秒扫一眼，能省掉最后整篇重来的时间。