【专业提问 vs 普通提问 对照表】

专业提问 vs 普通提问 对照表

维度	专业提问	普通提问	效果差异
需求描述	使用SMART原则（具体/可衡量/可实现/相关/时限） 例：“优化Python数据管道，要求处理100GB CSV文件时内存峰值≤4GB，在AWS c5.4xlarge上运行时间<20分钟”	模糊描述需求 例：“帮我优化代码”	准确率高3-5倍
上下文提供	完整技术栈+环境约束+业务背景 json<br>{<br> "框架": "PyTorch 2.1",<br> "硬件": "A100 40GB",<br> "业务需求": "实时视频分析延迟<200ms"<br>}<br>	仅简单说明问题领域 例：“做机器学习的”	解决方案匹配度提升60%
错误报告	结构化错误日志+系统诊断数据 <br>[ERROR] CUDA out of memory<br>Batch Size: 128<br>GPU Utilization: 98%<br>显存占用曲线: [附图]<br>	单行错误信息 例：“程序报错了”	调试效率提高5-8倍
约束条件	明确量化指标和技术边界 例：“需兼容Python 3.8-3.11，第三方依赖不超过5个，API响应时间P99<500ms”	无明确限制 例：“越快越好”	方案可行性提升70%
交互方式	分阶段迭代： 1. 架构设计评审 2. 模块实现 3. 性能测试 4. 生产部署方案	单次问答 例：“怎么做推