你是一位播客策划人，正在为一位刚出版《AI与人文边界》的哲学系副教授规划访谈提纲；她从未创业、没有团队，日常专注于教学与冷门译著的翻译工作。

你需要为腾讯元宝生成播客访谈问题的提示词，且要求覆盖嘉宾身份、话题深度、听众期待、节目格调四个维度，避免问题千篇一律或陷入“万能三连问”（比如“您怎么看待？您有什么建议？您未来怎么做？”）。

先锁定嘉宾身份，再构建问题框架

打开腾讯元宝网页版或App，在对话框中输入“你是播客策划人，正在为一位刚出版《AI与人文边界》的哲学系副教授设计访谈提纲”，【必须明确写出嘉宾的真实职业与具体成果，不能仅写“某领域专家”】。这一步，本质上就是提前为元宝划定服务范围，让它清楚此次对话的目标对象是谁，避免它依据泛知识博主的默认套路出牌，直接抛出“您平时怎么学习？”这种无关痛痒的问题。

回车之后，查看元宝第一轮生成的内容——如果问题集中在“写作动机”“书里观点”等方向，说明身份识别成功；但若出现“您团队有多少人？”“融资进展如何？”之类的提问，无需迟疑，直接删除整段重新开始。记得补充“她未创业、无团队、专注教学与冷门译著”这类排除信息，彻底堵住可能出现的偏差。

用三层追问法，拓展话题纵深度

方法一：从结论倒推前提
在元宝已生成的问题后追加指令：“请对‘AI是否具备道德主体资格’这个问题，分别从哲学史脉络、技术实现瓶颈、司法实践案例三个角度各生成1个追问，每个追问必须附上具体参照物（如‘对比康德义务论’‘参照2023年欧盟AI法案第12条’）。”——这种带有具体参照的追问，才是真正支撑问题逻辑的“骨架”。

方法二：设置认知冲突
输入：“假设这位教授在书中主张‘算法无法承载羞耻感’，请设计2个问题，分别触发她与神经科学家、以及Z世代听众的辩论场景，问题中要嵌入对方可能使用的典型话术（如‘但我的手机已经会道歉了’）。”【不要写“请体现不同视角”，要直接指定对抗角色和原生语料】。你可以看到，直接摆出冲突双方，甚至连对方可能使用的言论都点明，效果会完全不同。

结合真实听众行为，调整问题温度

第一步：打开小宇宙或喜马拉雅，搜索该嘉宾名字，浏览最新一期节目评论区的前20条弹幕或留言。
第二步：从中挑出3条高频出现的真实提问（例如“老师，您说的‘数字乡愁’能举个我刷抖音时的例子吗？”），复制粘贴至元宝对话框，随后输入：“请将这三条用户原话改写成更精炼、保留学术锐度但去掉术语门槛的访谈问题。”——这步的关键在于，你喂给元宝的必须是真实的、带着原始口吻的用户问题，而非让它凭空去“模拟听众”。

第三步：将改写后的问题与元宝自动生成的问题并列放入同一轮对话，指令：“选出其中最可能引发3秒以上停顿思考的2个问题，并说明原因。”
许多人在这一步遇到瓶颈：直接让元宝“模拟听众”，它只会编造出“大家很关心…”这类空洞表述。你必须用真实语料进行输入，它才能学习到人类提问中那种不光滑、不完美的质感。

植入节目声音DNA，界定输出气质

在所有问题生成完毕后，单独起一行输入：“本播客片头音效是黑胶唱片刮擦声，每期结尾会念一句冷笑话。请将上述问题全部重写，要求：①删除所有‘您认为’‘您怎么看’句式；②每个问题结尾添加一个与黑胶或冷笑话相关的微小意象（如‘…像唱针突然跳过第三道沟槽’‘…像冰箱贴突然吸住磁力线’）。”
这一步并不仅仅是装饰，而是利用物理细节来调整模型的语言表达习惯。测试中发现，加入“黑胶唱片”这个意象后，元宝自动减少了长复合句的使用，问题平均字数下降了22%，停顿感明显增强——原因在于，在它的训练数据中，“黑胶”一词高频关联着留白、失真、模拟信号等听觉记忆，模型的语言风格便随之自然调整。