乔哈里视窗玩转 AI 沟通：四象限法则告别答非所问

同样是用 AI，为什么别人一句话就能要到想要的结果，你问了三遍，它还是答非所问？

让它写个方案，给回来的全是空话套话；问它一个拿不准的事，它张口就来，说得特别自信，结果一查，全是编的。

其实这些翻车不是 AI 不行，核心原因就三个字：信息差。

我一个人加 AI 独立运营 10 万粉丝账号，每天和 AI 深度沟通 8 小时以上。这篇教程分享我在日常工作中和 AI 沟通、让它高效完成工作、解决复杂问题的方法论——AI 沟通四象限法则。

只要能理解这套框架，你对 AI 的掌握能轻松超过 90% 以上的人。

我们先做个假设：假如你现在面对的不是 AI，而是一个专家，你上来就是一句「帮我出个 XX 方案」，那再厉害的专家也懵了。

正常情况下，你是不是要说一下项目背景、目前的进度、遇到的困难、你需要的帮助是什么？这一步，就是补齐信息差。

其实跟 AI 沟通和跟人沟通没有太大差别，核心就一件事：把你们俩之间的信息差补上。

信息差怎么找

很简单，看一张图：

• 横向看你自己：这件事你知道的，和你不知道的
• 纵向看 AI：它知道的，和它不知道的

两两组合，就组成了 AI 沟通四象限：

这个框架来源于一个经典的沟通理论——乔哈里视窗，原本是分析人和人之间沟通信息差的，用在和 AI 沟通上也特别好使。

下面四个格子，我们一个一个来看。

第一个象限：你和 AI 都知道的事。这是最简单的一种情况——你下达的工作指令很简单，AI 也知道你想让它干嘛。这种情况下只需要把要求说清楚，直接让 AI 开始干活就行。

问题： 明明是一个很简单的任务，为什么它还是会做错？

原因： 很多人忽略了一个关键步骤——对齐认知。你以为它知道该怎么做，它也觉得自己理解清楚了，结果事情做完才发现不对劲：它并没有按照你的设想去做，而是按自己的思路一路狂奔，你说你的，它干它的。

解决方案：先对齐，再动手

对 AI 说：

先理解一下我说的话，复述一遍你的理解，然后列出你的执行计划和我确认

就这一句话，能轻松避免 90% 以上的无效沟通。

尤其是处理新工作、新流程和新步骤时，先和 AI 做一次理解和方案的对齐，确保理解一致，才开始工作。

第二个象限：你知道、但 AI 不知道的事。这是四个格子里翻车最多的重灾区。

最典型的就是你跟它说：「帮我写个周报。」你的工作内容、这周干了什么、汇报给谁、领导喜欢什么风格，全在你脑子里，一个字没给它。那它写出来的东西，大概率就是空洞的套话。

或者「帮我做个调研」，只给个大方向、大标题，调研的范围、目标、报告的结构都没给，那它做出来的结果大概率也不是你想要的。原因很简单：你并没有表达清楚，你到底想要什么。

一个大部分人不知道的关键机制

AI 如果缺少信息，会逐渐向平均值靠拢，去找那个最常见的情况。而这条策略做出的东西就会很平庸，而且不是针对你定制的。

拿写文案来说，我不会直接告诉 AI「用乔哈里视窗结合 AI 沟通写一个 3000 字口播爆款文案」，而是会提供：

• 写作原则、风格要求、写作方法等约束
• 我不同风格的内容参考
• 我的常见话术和口头禅
• 核心思想和价值观

也就是说，想让它精准匹配我的口播风格写一篇 3000 字的文案，可能需要输入上万字的内容来做约束和参考。

解决方案：主动交代

不要相信什么「一句话就能处理复杂任务」，而是尽可能补充清楚：背景是什么、目标是什么、有什么限制、你已经试过什么。

补充的过程，就是把 AI 的「默认值」换成你的「真实值」。信息给得越全，答案就越像给你定制的。

第三个象限：AI 知道、但你不知道的事。

场景： 你自己想了个方案丢给 AI，也让它确认过理解，它对方案的理解也是正确的，然后你说「就按这个做」。等做完了，结果错了。复盘的时候它才告诉你：一开始方向就错了，正确的方案应该是什么。

它明明看出来了，为什么不提醒一句？这个场景就像一个不懂业务的领导瞎指挥——只不过现在，你自己就是这个领导。

原因： 这是 AI 的另一个默认设定——它的第一姿态是服从。你让它干活它就干活，你不问它意见，它就不发表意见。它不是没有能力做出更好的方案，而是在这个场景下，你并没有让它想这个更好的方案。

如果一个工作你本身是外行、没有经验，你想到的方案可能还不如 AI 想到的「平均值」。比如没接触过产品开发，要去尝试 vibe coding 做产品，那就不要瞎指挥，而是把需求讲清楚，把产品设计的部分交给 AI 来完善，让它来引导你。

解决方案：邀请反馈

遇到从没接触过或拿不准的项目，诚实地说一句：

对 AI 说：

现在我对这个项目是不了解的，从来没有做过。我需要知道它完整的流程是什么样子，以及我的思考缺失了哪些部分。要做好这件事，你还需要哪些信息？目前这个思路有什么风险？有没有更好的做法？你来问我。

它的行为模式就会从「执行」变成「帮你找到更好的解法」，从而避免执行你那个错误的方案。

最后一个象限：你和 AI 都不知道的事。这是最麻烦的一个。

比如新的工具应该如何使用、某个特定领域的专业知识、非常小众或者需要时效性的工作。这种时候就不能依赖模型的知识库直接给答案——你对怎么做一无所知，它也没有这方面的知识储备。

关键： 先不要着急动手，先收集信息、做调研，把问题回归到前面几个可以解决的象限里。

通用思考路径

1. 让它先把问题拆开：要搞清楚这件事，需要确认哪几个信息？哪些有把握，哪些拿不准？
2. 拿不准的部分，让它去联网搜索，或者你自己找一手资料喂给它，再让它基于这些资料来分析
3. 找到当下最主流的解决方案，运用到实际问题上

把未知的问题，变成已知的方案。

比如做选题调研：你不知道当下比较火的选题是什么，它也没办法给你现编。那就让它列出一个调研计划——先看大品类的整体情况，从中找到自己更感兴趣的方向，再做深入调研，把信息补齐后，才能决定要做哪些选题。

你发现没有：信息一旦进来，这个问题就不再是「都不知道」了，它就挪进了前面那几个格子，又变回你们俩能一起解决的问题。

以上就是 AI 沟通四象限的全部内容。最后快速回顾一下：

在和 AI 沟通的时候，根据当下想要解决的问题和目前掌握的信息，选择合适的方式和 AI 进行沟通，你会发现它解决问题的效率和准确度会有大幅提升。

和 AI 沟通的核心只有一件事：把你们俩之间的信息差补上。