史丹佛風格：4 個強力提示詞，大幅提升你的寫作品質

「問 Claude，複製答案，然後關掉分頁。」「感覺好像懂了，但又沒有深刻到能跟別人解釋清楚。」

如果你每次研究都是這樣，那問題很可能不是 Claude 不夠強，而是你想用一個問題就搞定所有事。

我曾經也這樣很久。把它當成搜尋框的替代品，拿到第一個答案就關掉。

後來，我根本記不住結論到底是什麼。我是在把一個優秀的夥伴當成快速字典在用。

我的轉捩點，是史丹佛大學發表的一套研究系統，叫做 STORM。

STORM 在其論文中證明，從多個角度而非單一角度進行研究，能產出品質顯著更高的文章。

具體來說，被專家評為「組織良好」的文章比例，絕對值提高了 25 個百分點，而涵蓋廣度則提高了 10 個百分點（arXiv:2402.14207）。

你可以透過依序將四個提示詞貼到 Claude 中，來模仿這種「多角度提問」的方法，完全不需要安裝任何特殊軟體。

我在下面提供了全部四個提示詞。

當你讀完時，你將擁有四個可以複製貼上的提示詞，能把 Claude 從一個「偶爾用一下的搜尋替代品」，變成一個「能在 5 分鐘內找出所有關鍵要點的研究夥伴」。

相關文章：Claude Code 教科書 - 基礎篇

https://note.com/nobel/n/n7d7a422f828f

什麼是 STORM？

首先，稍微介紹一下原始資料。

STORM 是史丹佛 OVAL 實驗室（Open Virtual Assistant Lab）創建的一套研究系統，能在給定主題後，自動撰寫帶有引用的長篇文章。

這個名稱代表「透過檢索與多角度提問來合成主題大綱」（Synthesis of Topic Outlines through Retrieval and Multi-perspective Question Asking），並已在國際自然語言處理會議 NAACL 2024 上發表（arXiv:2402.14207）。

其程式碼已在 GitHub 上以 MIT 授權釋出，截至撰寫本文時已獲得超過 28,000 顆星。此外，還有一個可以直接在瀏覽器中試用的即時版本（storm.genie.stanford.edu），據報導已有超過 70,000 名用戶。

當你輸入一個主題時，可以看到它在背景搜尋網路，同時建立一篇帶有引用的文章。如果你想要立即獲得附有來源連結的長文，使用即時版本會更快。我在本文中介紹的並非那種全自動化，而是一種在你平常的 Claude 對話中，模仿 STORM 核心概念——「多角度提問」——的方法。

STORM 的關鍵在於它不會立即開始寫作。它將「研究前準備」階段分為三個步驟：(1) 找出該主題可能的觀點，(2) 模擬持有這些觀點的寫作者向專家提問的對話，以及 (3) 將收集到的資訊組織成大綱。根據論文所述，自動化研究的核心在於「是否能自動提出好的問題」，而單純要求 AI「問問題」效果並不好。這就是為什麼要先準備多個觀點以獲得廣度與深度。

釐清範圍很重要。STORM 是一套用來「協助研究前準備」的系統。官方 README 明確指出，其輸出品質尚未達到適合發表的程度，需要大量編輯，但對於經驗豐富的維基百科編輯者來說，在研究前準備階段非常有用。換句話說，我在這裡介紹的並非「讓 Claude 吐出完美文章的魔法技巧」，而是一個「在人類做出判斷前，讓 Claude 在 5 分鐘內找出所有討論要點的模板」。

為什麼「單一問題」會輸

當你問 Claude「告訴我關於 [主題]」，你通常會得到主流觀點。最常見的框架，一個表面上的摘要。這很安全，也不算差，但並不深入。

但對於任何一個主題，不同的人會看到不同的東西。例如，如果你問一位實務工作者、一位研究人員、一位懷疑論者、一位經濟學家和一位歷史學家「遠距工作能提高生產力嗎？」，答案會完全不同。實務工作者看到的是第一線的現實，懷疑論者看到的是支持者忽略的事實，經濟學家看到的是誰從中獲利。這基本上就是博士生在做的事：同時設定多個問題，而非只有一個。

STORM 論文用數據展示了這種差異。透過設定多角度問題所建立的文章，在組織性上比基準方法（先決定大綱再用搜尋結果填充的常見方式）高出 25 個百分點，在涵蓋廣度上高出 10 個百分點。這是 STORM 的核心發現：「增加觀點能揭露單一問題永遠無法看到的盲點。」

而這個多角度提問的概念，無需特殊軟體就能複現。以下是本文的重點。

你依序向 Claude 發送四個提示詞，以建立一個流程：

(1) 從 5 個角度掃描

(2) 繪製矛盾點

(3) 整合

(4) 自我審查

提示詞 1：從 5 個角度掃描

這是這個方法的核心。將以下提示詞貼到 Claude 中，只把第一行的主題換成你自己的。

1我想深入理解 [主題]。
2請扮演 5 位專家，從各自的立場進行分析。
3
41. 實務工作者：每天處理這個主題的人。
5   學者們經常忽略的第一線現實是什麼？
62. 學者：研究這個主題多年的人。
7   經過同儕審查的證據實際上顯示了什麼？
8   它與普遍認知在哪些地方有衝突？
93. 懷疑論者：認為主流觀點是錯誤的人。
10   最有力的反論是什麼？
11   支持者方便地忽略了哪些事實？
124. 經濟之眼：關注金錢流向的人。
13   誰從當前的敘事中獲利？
14   哪些利益正在扭曲研究或資訊？
155. 歷史之眼：見過過去類似模式的人。
16   有哪些歷史上的相似案例？
17   那些案例後來如何了？
18
19對於每個觀點，請提供：
20- 用 2 句話說明的核心主張
21- 支持它的最有力證據
22- 一個只有這個觀點能提供、其他觀點無法得出的洞見

你得到的，是對同一個主題的五種不同解讀方式。實務工作者帶來現實，懷疑論者動搖前提，經濟學家帶來利益，歷史學家帶來模式。在 60 秒的工作中，你校準了單一問題會遺漏的討論要點。

今天可以做的行動：選擇一個你目前好奇的主題，把它丟進這個提示詞的第一行。只要校準五種聲音，你就會發現自己之前只從一個角度在看事情。

提示詞 2：繪製矛盾點

接下來，讓 Claude 找出這五種聲音在哪裡衝突。意見交鋒之處，正是真正理解的所在。

1根據上述 5 個觀點，請整理出矛盾點。
2
31. 哪兩個或更多觀點直接衝突？
4   對於每個衝突，列出具體的競爭性主張。
52. 哪個觀點的證據最有力？
6   哪個最薄弱？為什麼？
73. 如果得到解答，就能解決最大矛盾的「一個問題」是什麼？
84. 所有觀點都同意什麼？
9   （因為連反對者都同意，這很可能是確定的。）
105. 沒有任何觀點提及的主題是什麼？
11   （這是整個領域的盲點。通常最有價值。）

你得到的，是一張專家們在哪裡、以及為何意見分歧的地圖。大多數人跳過這一步。但這正是表面理解與真正理解之間的分岔路。每個人都同意的點很可能是正確的。沒有人提到的點，則是該領域的空白地帶。

今天可以做的行動：在與提示詞 1 的同一個對話中貼上這個。光是「大家都同意的點」和「沒有人提到的點」這兩行，就值得記在你的筆記裡。

提示詞 3：整合成一份簡報

現在，讓 Claude 將到目前為止的材料，整合成一份研究備忘錄。

1整合 5 個觀點和矛盾地圖，建立一份研究備忘錄。
2
31. 一段式摘要：為只有 60 秒的忙碌人士總結，
4   傳達「細微差別」，而不只是標題。
52. 前 5 大關鍵發現：列出到目前為止學到的最重要事項，
6   按確定性排序。對於每一項，註明「哪個觀點支持它，以及
7   哪個觀點反對它。」
83. 隱藏關聯：一個只有在重疊 5 個觀點時才會浮現的、
9   發現之間的驚人連結。
104. 行動啟示：根據這些證據，處在 [你的職位/角色] 的人
11   具體應該改變什麼？
125. 前沿問題：如果得到解答，將從根本上改變對這個主題理解的
13   一個問題是什麼？

你得到的，是一份單一專家無法寫出的簡報。它考慮了所有角度，指出了矛盾點，按確定性排序，並落實在具體行動上。有了準備好的討論要點地圖，你就能看到下一步需要做出什麼判斷。

今天可以做的行動：在第 4 點的括號裡，放入你的職稱或角色（例如「小企業主」、「招募人員」），以獲得個人化的啟示，而非泛泛而論。

提示詞 4：自我審查

STORM 有一個其創作者也承認的弱點。作者指出，輸出可能受到「來源偏誤轉移」和「不相關事實的過度關聯」的影響。當你讓 Claude 做同樣的事情時，也會發生這種情況。最後，讓它對自己的輸出進行評分，以對此加以制衡。

1請審查你剛剛建立的研究備忘錄。
2
31. 信心評分：對前 5 大關鍵發現的每一項，以 1-10 分
4   評定其可靠性。解釋每個分數的原因。
52. 最弱環節：你最沒有信心的主張是哪一個？
6   需要什麼具體資訊來驗證它？
73. 偏誤檢查：哪個觀點對整合結果產生了過度的影響？
8   是否有任何特定的聲音變得主導？
94. 遺漏的觀點：是否存在一個可能改變結論的「第 6 個觀點」？
105. 整體評估：如果第三方專家看到這份備忘錄，
11   他們會給它什麼分數，以及他們會提出什麼修改意見？

你得到的，是對你研究的一次誠實檢驗。強的主張、弱的主張、過度影響的觀點、以及遺漏的角度。那些獲得低「信心評分」的項目，就是你最終應該親自去查閱原始資料的點。

今天可以做的行動：選擇一個審查標記為「低可靠性」的主張，並在官方網站或原始文件上驗證其來源。這是避免完全依賴 AI 的最後一步。

總結：5 分鐘工作流程

這四個提示詞的流程如下：

• 第 1 分鐘：提示詞 1 → 5 個觀點
• 第 2-3 分鐘：提示詞 2 → 矛盾地圖
• 第 3-4 分鐘：提示詞 3 → 研究備忘錄
• 第 5 分鐘：提示詞 4 → 什麼是確定的，什麼是可疑的

在 5 分鐘內，你完成了一個包含多角度要點識別、矛盾分析、整合和確定性評級的循環。當然，這並不代表你已經「超越了專家」。這僅僅是人類做出判斷之前的準備工作。但比起只看一個搜尋結果，你的起點已經完全不同了。

讓我自我介紹一下。我是 tatsuki（@nobel_824）。我為中小企業提供 AI 應用支援，協助 Claude/Codex 的商業導入，同時自己整天也在跑 Claude Code。當我需要突然研究客戶的新產業時，這 4 個提示詞是我第一個丟進去的東西。

這個方法在什麼時候有效？

這個模板幾乎可以用於任何研究的起點。我經常在以下情況使用它：

在撰寫文章或提案之前。透過執行這 4 個提示詞，你可以從一開始就捕捉到別人沒有觸及的角度。在重大決策之前。由於實務工作者提供「現實中什麼在運作」，懷疑論者提供「什麼是錯的」，經濟學家提供「誰獲利」，這比只有支持方的文件更貼近現實。在開始學習一個陌生領域之前。透過問實務工作者「先學什麼」和懷疑論者「什麼被過度炒作」，可以減少不必要的繞路。甚至在商務會議或面試之前，從 5 個角度看待對方，會改變你準備問答的品質。

它們的共同點是，我使用它是為了「找出所有討論要點」，而不是為了「得到一個答案」。因為最終做決定的是你，它作為一個無遺漏地校準所有決策材料的工具，效果很好。

需要注意的三個陷阱

雖然方便，但有些地方需要注意。只有三點。

第一是幻覺（產生看似合理但虛假的資訊）。你讓 5 個觀點說得越具體，答案就越有說服力。但說服力和正確性是兩回事。對於專有名詞、數字和日期，一定要從提示詞 4 審查標記為「薄弱」的項目開始，用原始資訊進行驗證。這一步不能省略。

第二是來源偏誤的轉移。這是 STORM 論文中提到的一個弱點；如果來源有偏誤，這個偏誤就會轉移到輸出上。由於你無法選擇 Claude 在背景看到的來源，如果所有 5 個觀點都指向同一個方向，你應該懷疑這是否真的是全面涵蓋，還是它們只是共享了相同的偏誤。

第三是「5 分鐘成為專家」的過度自信。這個模板在準備階段很快，但本身並非專家知識。最好將產出的備忘錄視為「一份從現在開始需要驗證的假設清單」，這最終會帶來更好的決策。

結論：價值正從「搜尋者」轉移到「問題設計者」

在一個 AI 理所當然能給出好答案的時代，我感覺差異正從「你知道多少答案」，轉移到「你能從多少個角度設定什麼樣的問題」。

看一個搜尋結果就關掉，就像在入口處就回頭。同樣是 5 分鐘，如果你用 5 個角度掃描、繪製矛盾、整合、並進行自我審查，你的起點會完全不同。史丹佛大學在其論文中展示的是一個顯而易見——但經常被忽略——的事實：「增加觀點能減少盲點。」要在 Claude 上模仿這一點，你只需要四次複製貼上。

今天可以嘗試的 3 個步驟

• [ ] 決定一個你最想研究的主題，並將提示詞 1 貼到 Claude 中。
• [ ] 在同一個對話中貼上提示詞 2 → 3 → 4，並在 5 分鐘內完成這個循環。
• [ ] 選擇一個審查（提示詞 4）標記為「低可靠性」的主張，並用原始資訊進行驗證。

下次你研究某件事時，你會讓 Claude 設定哪「5 個問題」？

在 X 上無法分享的有用資訊，正在 LINE OpenChat 中分享。如果你對利用 AI 進行 Claude Code/Codex 操作或 X 經營感興趣，歡迎加入我們。

OpenChat：https://t.co/90omRA4UQ7

如果你引用這篇文章並附上感想，我會全部轉發！

參考連結

• Shao 等人 (2024) Assisting in Writing Wikipedia-like Articles From Scratch with Large Language Models (STORM 論文, NAACL 2024), arXiv:2402.14207 : https://arxiv.org/abs/2402.14207
• STORM 論文 (ACL Anthology 版本) : https://aclanthology.org/2024.naacl-long.347/
• stanford-oval/storm (官方實作, MIT 授權, 包含 Co-STORM) : https://github.com/stanford-oval/storm
• STORM 即時版本 (免費研究預覽) : https://storm.genie.stanford.edu/
• 史丹佛 STORM 專案網站 : https://storm-project.stanford.edu/