一句话定义：退一步提示（Step-Back Prompting）是在让模型回答具体问题之前，先让它回答一个更上位、更一般的问题——背后的规则、原理或通用做法是什么——再带着这个答案回头处理原题。
为什么这样反而更准
大模型是"顺着往下写"的。你直接问一个细节问题，它容易被题干里的具体数字、具体措辞牵着走，注意力全花在表面特征上，反而漏掉真正起决定作用的规律。退一步提示等于强行让它先离开现场，站到高处看一眼地形，再下来走路。
打个比方：有人问你"我这份合同能不能解除？"，直接答容易答偏。先退一步想"这类合同通常在什么条件下可以解除？法定情形有哪些？"——把一般原则摆清楚，再回头看具体条款，答案就稳得多。
和相邻概念的区别
| 方法 | 让模型先做什么 | 适合什么场景 |
|---|---|---|
| 直接提示 | 直接给答案 | 事实查询、改写、简单问答 |
| 思维链（AI 词典：Chain-of-Thought">Chain-of-Thought, CoT） | 在同一条思路上逐步推导 | 多步计算、逻辑推理 |
| 退一步提示 | 先抽象出一般原理，再回到具体问题 | 规则复杂、需要套框架的问题 |
差别在方向：思维链是"在同一层面上往前走"，退一步提示是"先往上跳一层，再落下来"。两者不互斥——先退一步拿到原理，再用思维链一步步套到具体题上，是很常见的搭配。
实操上就是加一句话："先说明这类问题的一般原则、公式或判断标准是什么，再回答下面这个具体问题。"也可以分两轮：第一轮只问原理，第二轮把原理和原题一起丢回去。
对从业者和普通人的意义
这是个几乎零成本的改进：多写一句话，往往就能明显减少"看着像对、其实跑偏"的回答。它尤其适合法律、医疗、财务、运维排查这类"先有框架、再套细节"的领域——先要标准，再下判断。
局限也要知道：它会多消耗一轮词元（token）和时间，问题本身很直白时反而显得啰嗦；更关键的是，模型总结出的"一般原理"如果一开始就错，后面会一路错下去。所以涉及重要决策，原理那一步最好由人来把关：模型给的是草稿，不是结论。各家模型对这类提示的响应效果不一，具体以官方页面为准。