大家用 AI 时一定有这种体验：指令明明很模糊，平庸的 AI 却立刻硬答一大篇，结果南辕北辙。而优秀的智能体相反——它不急着动手，先在关键岔路口反问你几个选择题，你点几下鼠标，需求就收敛了。这套"剥丝抽茧式提问"在行业里有正式名字：Clarifier（前置澄清器）和 AskUserQuestion（结构化提问工具）。今天详细讲讲这两样东西。
一、Clarifier：架构层的「澄清器」
Clarifier 是多智能体架构里的标准前置组件，位置在执行 Agent 之前，职责只有一个：判断用户请求是否足够明确；不够明确就先反问，问清楚了才放行。
最典型的是 OpenAI 的 Deep Research。官方文档写明它是三段式流水线：①澄清——用一个中间模型先反问 2~3 个问题，摸清你的目标、偏好和约束；②改写——把你的原始输入加澄清答案，扩写成一份详尽的研究指令；③深度研究——完整指令才交给研究模型执行。也就是说，真正烧钱的研究模型看到的根本不是你的原话，而是澄清加改写后的"完整版需求"。
图：Deep Research 的三段式流水线——先澄清，再研究 另一个工程化样本是 NVIDIA AIQ Blueprint 里的 Clarifier Agent：它把澄清做成了结构化环节——模型每轮输出 JSON（needs_clarification 加 clarification_question），通过 HITL（人在回路）回调反问用户，最多追问 3 轮后强制收敛，防止陷入"AI 连环追问"的死循环。研究又贵又慢，方向错了全白跑，这就是它宁可先问的原因。
图：Clarifier Agent 的决策循环——不明确就反问，最多 3 轮 二、AskUserQuestion：交互层的「结构化选择题」
如果说 Clarifier 是架构层的角色，AskUserQuestion 就是它手里最好的武器——Claude Code、WorkBuddy 等工作类智能体都内置了这个工具。它的设计要点有四个：
1. 问题必须是选择题：每题给 2~4 个互斥选项，每个选项带一句后果说明，用户鼠标点一下即可，不用组织语言。这是 UX 里"识别优于回忆"原则的应用——认知负担从"想怎么表达"降为"判断哪个对"。
2. 一次最多问 4 题：问太多用户会烦，所以工具本身限制单轮题数，逼 AI 只挑真正影响结果的岔路口。
3. 永远留"其他"出口：选项之外允许自由输入，防止选项不全时用户被框死。
4. 答案是结构化的：不像闲聊式反问得到一段自由文本，选择题的答案能直接变成程序状态，驱动后续流程分支。
使用时机也有讲究：需求有多种合理解读时问；存在多条实现路线时问；不可逆操作（删除、外发）前必须问。但能搜出来、能合理假设的事绝不问——否则就从"资深顾问"退化成"啰嗦实习生"。
三、两者关系与设计启示
一句话总结：Clarifier 是"要不要问、问几轮"的决策循环（loop），AskUserQuestion 是"怎么问"的交互工具（tool）。前者管战略，后者管战术。
这套设计的本质，是把 AI 从 Question-Answering（有问必答）升级为 Problem-Solving（解决问题）：平庸的 AI 像刚毕业的实习生，听到问题就立刻去干；优秀的 AI 像资深顾问，先用两句反问锁定你的真实意图，再一击命中。
对我们自己做 Agent 产品的启示：与其把算力堆在更贵的模型上，不如先加一个便宜的澄清层——两轮对话的成本，换来整个任务方向的正确，这是目前性价比最高的智能体设计。
我是桥楚，欢迎聊聊你被 AI"硬答"坑过的经历。
| 
