Claude Code反向引导技巧：让AI自己提问第一轮就对上 ​

以前三到五轮才能对上，现在第一轮就对上。那句话是：在开始之前，先问我你需要知道的问题。

底层矛盾 ​

用Claude Code开发，有一个底层矛盾：

你知道你想要什么，但你不知道你遗漏了什么。

你描述了主流程，忘了边界条件。你说了要什么，没说不要什么。你定义了成功状态，没定义失败状态。

这些遗漏不是因为你粗心，是因为你在描述需求时，脑子里已经默认填补了那些空白——但它没有。

解决方案：让它主动提问，是目前解决这个矛盾最有效的方法。

反向引导的三种用法 ​

用法一：需求启动时的"问题清单" ​

最基础的用法，开始一个新功能时。

标准Prompt：

我要实现一个功能：[一句话描述]。在你开始任何实现之前，先列出你需要了解的所有问题，确保完全理解需求。问题列完之后等我回答，不要自己假设。

关键是最后那句"不要自己假设"。不加这句话，它有时候会列出问题，然后自己回答，然后直接开始写代码——等于绕过了你。

实测案例：优惠券系统，它问了九个问题：

重要发现："前端验证还是后端验证"这个问题尤其关键——如果只在前端验证，有人改JavaScript就能绕过去。用户没想到，AI问出来了。

用法二：复杂bug的"诊断式提问" ​

遇到难以定位的bug，不要直接把错误扔给它让它猜。

标准Prompt：

我遇到一个bug，[一句话描述现象]。我不确定是哪里的问题。你需要哪些信息才能帮我定位它？列出你的问题，我来回答。

它会问你：

价值：这些问题本身就是一个排查清单。你回答的过程里，有时候答到一半自己就发现问题了。

用法三：方案设计前的"假设暴露" ​

最高阶用法，最容易被忽视。

标准Prompt：

我要做 [功能描述]。在你给出方案之前，先列出你在设计这个方案时会做的所有假设——关于用户行为、技术环境、边界条件的假设。列完之后我来确认哪些是对的，哪些需要纠正。

实测案例：多时区支持功能，它列出的假设里有：

假设用户的时区信息在注册时已经收集并存储在数据库里。

实际系统根本没存这个字段，是实时从浏览器获取的。这个假设如果没有被暴露，整个方案会设计成"从数据库读时区"，而实际上需要"从请求头读时区"——两种实现方式差很多。

出海产品尤其重要：AI对"北美英语用户"有根深蒂固的默认假设：

• 货币是美元
• 时区是UTC-5到UTC-8
• 日期格式是MM/DD/YYYY

如果你的产品面向其他市场，这些假设全部要被纠正。

控制提问质量：三条调节技巧 ​

让它问问题，不等于让它漫无目的地问。

技巧一：限定问题类型 ​

只问和技术实现直接相关的问题，不问业务背景类的问题（业务背景我已经在CLAUDE.md里说清楚了）

技巧二：设定问题数量上限 ​

最多问5个最关键的问题，不够关键的不用问

很重要：不加限制的话，它有时候会问十几个问题，其中一半是可以推断的，浪费你的时间。

技巧三：要求问题排优先级 ​

列出你的问题，按重要程度排序，最先列最影响技术方案的问题

加了之后，如果你时间紧，可以只回答前三个问题，后面的它会基于上下文合理推断。

进阶用法：需求确认书 ​

反向引导的完整版流程：

问题清单 → 你的回答 → 它生成需求确认书

第三步Prompt：

好，基于我的回答，给我一份需求确认书。内容包括：
- 功能描述（你理解的版本，不是我说的原话）
- 边界条件列表
- 你将要做的假设（你自己确认过的）
- 不在本次范围内的内容

我确认这份文档之后，你再开始实现。

隐性价值：这份文档是这次任务的上下文摘要。如果中途开新会话，把这份文档贴进去，新会话里的它立刻就知道这个任务的所有背景。

踩坑环节 ​

坑一：它问了但自己回答了，直接开始写代码 ​

一段时间Prompt是"先问我你需要知道的问题"，没有加"等我回答"。

结果它列出问题清单，然后在每个问题后面自己猜答案，然后说"基于以上假设，我的实现方案是……"——直接绕过了用户。

解决方案：Prompt里明确加一句：

列完问题之后停下来，等我逐条回答，不要自己假设答案。

坑二：问题太泛，像在走流程 ​

有一次针对Webhook功能提问，它问了一堆"请问您的技术栈是什么"、"请问有什么特殊要求"。

这种问题是废话——技术栈在CLAUDE.md里，特殊要求根本没法回答。

解决方案：在让它提问之前，先明确说：

CLAUDE.md里已有的信息不用问，只问和这个功能的边界条件、错误处理、数据格式相关的问题。

总结 ​

让它提问，本质是把"你猜我想要什么"变成"我告诉你你不知道的事"。

学会让它问，比学会怎么描述需求更有价值。

关键词：Claude Code, 反向引导, 提问技巧, 需求确认, bug诊断, 方案设计