我本来只是想做张图，结果发现了 AI 提问的关键

只是做张水循环图，结果卡住了

我本来只是想让 AI 做一张水循环图，给最近准备的视频当范例。

第一次我问得很简单：请帮我生成一张水循环的图片。

结果出来以后，第一眼其实不差。

乍一看，山、云、河流、太阳、箭头都有，水循环相关的知识点也挺全。但是问题是，它真的太全太全了。

就像一个特别努力的学霸，生怕漏掉知识点，于是把蒸发、凝结、降水、地表径流、地下水、下渗、蒸腾、积雪融化全都给我塞了进去。

作为科普图片，可能没什么问题。但如果放进小学课堂 PPT，我就要犹豫一下了。信息真的是太多了，箭头太多，标签太多，学生第一眼不知道看哪里。尤其一投屏，后排学生能不能看清都不好说。

AI 做出来的东西，不是越丰富越好。课堂里用的东西，很多时候是越清晰越好。

后来我没有换工具，也没有换模型，只是换了一种问法。

我不再只是说做一张水循环图，而是把使用场景说清楚：这是一张给小学四年级学生看的课堂讲解图，要用在 PPT 投屏上，16:9 横版，主体要大，箭头要清楚，只保留蒸发、凝结、降水、汇流四个短标签，不要大段文字，也不要复杂背景。

第二次出来的图，反而没那么卷了。但它更像老师真正需要的东西：重点更集中，箭头更清楚，文字更少，学生也更容易看懂。

这两张图的区别很有意思。

第一张图像是在回答：什么是水循环。第二张图像是在回答：这节课怎么讲水循环。

差别不在于 AI 突然变聪明了，而是我给它的信息变清楚了。

很多时候，AI 不是不会做，而是第一次拿到的信息太少，只能自己猜。

你只说做一张水循环图，它就会尽量把水循环相关的东西都放进去。因为它不知道你给几年级学生看，不知道你要投屏，不知道你只想讲四个核心过程，也不知道哪些内容对这节课来说反而是干扰。

AI 猜得越多，老师后面就改得越多。

后来我把这个过程整理成了一个小框架，叫 PTAR。它不是什么高级提示词技巧，更像是一个提醒：第一次问 AI 的时候，先把 4 件事说清楚。

P 是角色：你希望 AI 以什么身份帮你。比如擅长小学科学图解的教学设计助手。

T 是任务：你这次具体想让它做什么。比如生成一张水循环课堂讲解图。

A 是受众：这个内容给谁用，在哪里用。比如给小学四年级学生看，用在课堂 PPT 投屏上。

R 是规则：你有哪些要求和限制。比如 16:9 横版、主体大、箭头清楚、文字少、不要复杂背景。

简单说就是：

AI 是谁，做什么，给谁用，有什么要求。

这件事不只适合做图。写教案、出题、写评语、做课堂活动，其实都一样。不是先问 AI 会不会做，而是先看我们有没有把需求说清楚。

所以这次我本来只是想做一张图，结果反而提醒了我：老师用 AI，不一定要学很复杂的技巧和提示词。很多时候，先把第一次提问说清楚，就真的已经能少改很多遍了。

我把这个方法整理成了一份老师版 PTAR 提问模板，里面有万能模板，也有教案、出题、评语、课堂活动、课件大纲这些常用场景。

后面我也会继续拆这些小场景。如果你也在摸索怎么让 AI 更贴近自己的课堂，可以先关注，模板也可以一起拿走。