1. 提示词工程到底是什么先把这个事说透这两年AI工具遍地都是ChatGPT、Claude、文心一言、通义千问、Kimi、豆包还有各种AI编程助手、AI绘画工具。你会发现一个很有意思的现象同一款工具有人用起来像神兵利器有人用起来像个智障。差别在哪儿十有八九出在提示词上。提示词工程说白了就是一门和人对话的艺术——这里的人指的是大语言模型。你给的指令越清晰、越结构化模型给你的反馈就越准、越可用。反过来如果你只是甩一句帮我写个方案那模型只能靠猜猜出来的东西自然离你的预期差得远。我最早接触提示词工程的时候也觉得这玩意玄乎感觉像是某种咒语掌握了什么神秘公式就能让AI言听计从。实际用下来发现根本不是这么回事。提示词的本质是沟通是把你脑子里的需求翻译成模型能理解的语言。这个翻译质量越高AI的输出质量就越高。这篇文章会把我在各种项目里反复验证过的10个技巧全部拆开讲每一个都会配上对比案例让你直接看到烂提示词和好提示词之间的差距有多大。文末还附带了一套我自己整理的模板库覆盖文案、编程、数据分析、学习、总结等高频场景你完全可以照着抄。适合谁看不管你是刚接触AI工具的小白还是已经在用AI写代码、写方案、做分析的进阶玩家这篇文章都能帮你把提示词水平往上拉一截。尤其是那些觉得AI也就那样的朋友大概率是你还没掌握正确的打开方式。2. 写提示词之前先理解大模型的几大脾气很多人写不好提示词不是因为不懂技巧而是因为不理解模型的工作方式。在开始讲10个技巧之前我先把大模型的几个脾气交代清楚这决定了后面所有技巧的底层逻辑。2.1 大模型在预测不是在理解大语言模型本质上是一个超大规模的下一个词预测器。它生成每一个词都是基于前面的所有文字去计算最可能接下去的词是什么。这意味着什么意味着模型并不像人一样真正理解你的意图它是在跟你玩概率游戏。这就带来一个关键结论你需要尽可能减少模型的猜测空间。指令越模糊模型可预测的范围越大输出就越飘指令越精确模型的选择范围越小输出就越贴近你的需求。我见过很多人抱怨AI写的东西全是正确的废话。对因为如果你不给出具体的要求模型就会按最大概率路径走生成最安全、最通用的内容——也就是正确的废话。这不是模型蠢是你给它的约束不够。2.2 上下文窗口是模型的工作区域模型每次对话都会有一个上下文窗口你可以把它理解为模型的工作台。你的提示词、历史对话、背景资料都在这个工作台上摆放着。模型回答问题时只能在窗口内的信息基础上进行推演窗口之外的东西它看不见。所以有一个高频踩坑点很多人和AI对话到一半发现AI忘了前面说过的事情就开始骂AI记性差。实际上多数时候不是记性差而是对话太长早期信息被挤出了窗口或者早期信息在更近的上下文中被淹没了。理解这一点之后你的提示词策略就会改变核心信息和关键需求宁可重复一遍也不要指望模型自动记住。2.3 角色设定和语气会影响输出的分布同样的一个问题如果你加一句你是一位从业十年的资深律师模型的输出会立刻往专业、严谨、术语多的方向倾斜。这背后的逻辑还是概率加上了角色设定就等于给模型提供了更多的背景上下文模型会顺着这个背景调整后续文字的分布。这不是玄学这是提示词工程最基础的应用之一。专业角色、目标受众、输出风格这些信息都应该在提示词里明确写出来让模型在正确的人设下生成内容。理解了大模型这三个脾气我们再来谈具体技巧你会觉得每一个技巧都顺理成章——因为它们本质上都是在解决这三大脾气带来的问题。3. 10个立刻能上手的核心技巧逐个拆给你看下面这10个技巧是我在大量实战中筛选出来的每个都是高性价比操作不需要什么复杂框架看完就能用。我会按重要性排序前面的几个影响最大。3.1 技巧一给模型一个明确的身份和工作背景这是我反复强调、收益最大的一个技巧。不管你要写文案、写代码、做分析先给模型设定一个身份和背景输出的质量会立刻上一个台阶。对比一下烂提示词写一份新品咖啡的推广文案。好提示词假设你是一家精品咖啡品牌的资深品牌策划拥有十年消费品营销经验。现在我们要推出一款名为山雾的耶加雪菲冷萃咖啡目标人群是25-35岁的都市白领他们注重生活品质但又有一定价格敏感度。请在40字以内写一段小红书风格的种草文案语气亲切自然不要用夸张词。差别很明显。烂提示词给了模型太多自由发挥空间输出结果大概率是醇香浓郁、回味无穷这类套话。好提示词包含了角色、产品信息、目标人群、字数限制、平台调性、用词禁忌模型的输出会精准得多。实操心得角色设定不要只写一句话尽量带上年龄、经验、擅长领域这几个信息越具体输出风格越稳定。3.2 技巧二把你的所有约束写在一处不要指望模型猜很多人写提示词时心里有个误区以为说一句要专业的就够了。问题是专业这个词对不同人、不同场景意味着完全不同的东西。对模型来说专业同样是个模糊词。好提示词的思路是把你能想到的所有约束条件一次性列清楚。包括但不限于长度要求多少字、多少段、多少条风格要求正式/轻松/活泼/克制结构要求按什么顺序、分几个部分内容边界哪些不能写、哪些必须写目标读者给谁看的交付格式纯文本、表格、列表、JSON、Markdown我自己常用的做法是在提示词末尾专门加一个约束清单区块用列表把所有条件列出来。这样有两个好处一是模型能完整看到所有限制二是后续如果某条约束没满足我可以精准指出请你特别注意第3条而不是让模型瞎猜。3.3 技巧三给足示例而不是只说抽象要求这是提示词工程里公认的高效手段。想让模型按你的风格输出最直接的办法就是给它看一个你想要的例子。这叫作少样本提示。举个例子你想让AI帮你写产品卖点。烂做法是“帮我把这款耳机写成抖音流行的卖点文案。”好做法是给它一个示例以下是目前抖音上比较火的蓝牙耳机文案风格样例 这耳机戴上去世界立刻安静了降噪强到地铁上都听不见报站关键是续航一周不夸张后悔没早点换现在请参考这个风格为我写的耳机写一段同风格的卖点文案。我的耳机主打卖点是半入耳设计佩戴无感、通话降噪清晰、199元超高性价比。你看有了样例模型的输出就有了锚点它知道你想要的抖音风具体长什么样而不是它自己脑补的那一套。示例可以是一个完整的成品也可以是好与坏的对比比如一段这种不好和一段这种好效果更佳。3.4 技巧四大任务拆成小步骤让模型一步步来遇到复杂任务时最忌讳一句话全砸给模型。比如帮我制定一份年度营销计划模型可能给你写出一大堆泛泛而谈的内容看起来都有道理但什么都落不了地。更高效的做法是拆解成多个步骤每个步骤单独和模型对话或者在一条提示词中要求模型分步骤执行。举个例子我在做行业分析报告时经常这样组织请按照以下步骤帮我完成一份关于新能源汽车充电桩行业的分析 第一步梳理行业宏观背景包括政策环境、市场规模、增长趋势控制300字 第二步分析产业链上中下游的核心参与者及商业模式 第三步总结当前行业面临的3个核心挑战 第四步给出2025-2026年的3个趋势预判。 每一步完成后稍作停顿等我确认后再继续下一步。这样处理的好处是每个步骤模型都能集中精力处理单一任务输出质量比一口气写完高得多。而且过程中我可以随时介入、修正方向不会等模型全部生成了才发现方向跑偏。3.5 技巧五要求模型先思考再输出压制直觉式回答大模型为了追求流畅往往会直接给出一个看起来合理但经不起推敲的答案。这个问题的根源在于模型天生倾向于快思考而非慢思考。解决办法很简单明确要求模型先内部推理再给最终答案。这就成了所谓的思维链提示。最朴素但有效的写法就是加一句 在给出最终答案之前请先逐步分析你的思考过程但不要把完整的思考过程展示出来只需要在回答前加上一段不超过50字的推理摘要。还有一种做法是要求模型以特定结构输出请先列出你对这个问题的3个关键判断依据然后基于这些依据给出结论。比如你问AI一个数学应用题直接问可能得到错误答案但如果你加一句先一步一步推导最后总结答案正确率会明显提升。这一招在数据分析、逻辑推理场景下特别管用。3.6 技巧六指定输出格式让AI的输出直接可用很多人的提示词只关注让AI说什么忽略了让AI怎么说。但实际上指定输出格式能极大提高后续处理效率。尤其当你需要把AI输出直接粘贴进某个系统、文档、表格里时格式就是刚需。我自己最常指定的格式包括请用表格输出对比结果列为……行为……请用Markdown格式输出一级标题、二级标题用标准用法请输出JSON格式包含字段A、B、C请用有序列表列出步骤每条不超过20字举一个实际案例我需要让AI帮我整理会议纪要请读取以下会议记录输出一份结构化的会议纪要格式要求 【会议主题】一句话概括 【参会人】列表 【讨论要点】每条要点不超过50字按发言顺序排列 【决议事项】编号列表 【待办事项】用Markdown表格输出待办内容、负责人、截止时间你不觉得吗一旦格式指定清楚AI的输出就从一段文字墙变成了可以直接归档的文档。这在工作流里特别值钱省去了大量二次整理时间。3.7 技巧七主动提供背景信息而不是让AI当算命先生还有一种高频失误用户试图用极少的上下文让AI做高难度的专业判断。比如直接说我该不该换工作这个方案行不行AI只能凭猜测瞎答。正确的思路是像给朋友介绍情况一样把背景信息尽量交代清楚。好的提示词背景信息经常占80%的篇幅指令只占20%。我自己总结了一个万能公式背景信息三要素当前状况 目标 已有的尝试或限制例如 背景我是一名电商运营负责店铺月销售额大约30万主要卖家居日用品。目前尝试过和两个小红书博主合作带来了一些流量但转化率很低只有0.8%。老板要求下个月涨到40万预算只有5000元。 问题请基于以上情况给出3个提高转化的具体方案要求每个方案包含执行步骤、成本预估、预期效果。这种提示词模型能精准地接住你的问题给出的建议有据可依而不是泛泛而谈。记住AI不知道你脑子里想的那些事你不写它就只能猜。3.8 技巧八允许模型说不知道减少幻觉大模型的幻觉问题是目前最头疼的问题之一。模型为了让自己看起来知道会一本正经地编造事实。这个在写代码、写研究类内容时尤其危险因为编出来的API函数、论文引用、数据来源表面看着像真的实际是假的。缓解幻觉有一招很朴素在提示词里明确允许模型说不知道、说不确定。我常用的句子有这些如果你不清楚这个信息请直接说资料中没有相关信息不要编造。以上回答中哪部分是你的推测请在文末标注。如果信息不够先告诉我需要补充什么再给出建议。这些句子听起来很简单但确实能显著降低模型一本正经胡说八路的概率。因为它特有了一种合法的出口通道不必为了保持一致性而硬编。另外一个很实用的技巧是要求模型区分事实和推测。比如请把已知信息与推测信息分开说明这样即便模型给出了一些推测你也能一眼识别出来。3.9 技巧九把一次对话当作多轮迭代而不是一锤子买卖很多人的习惯是让AI一次生成不满意就重新开一个新对话重头再来。这其实浪费了大模型最有价值的一个特性——多轮对话能力。好的提示词工程很少一次性完成而是不断追问、修正、优化。我把这个流程叫作提示词迭代循环第一个回合给出需求让AI生成初稿。 第二个回合指出不满意之处要求修改你的第2段关于竞品分析的内容太笼统请基于XX竞品的实际情况重新写。 第三个回合对整体风格进行调整整体语气过于书面请改成更口语化的表达。 ……这里有一个小技巧在多轮对话中不要简单说改一下或不对而是明确指出具体位置和改进方向。比如第二段的第三个论点逻辑不顺就比这段写得不好强得多因为模型没有能力猜到你到底对哪不满意。多轮迭代还有一个进阶玩法让AI逐轮加深。比如第一轮让你写一个大纲第二轮让你基于大纲展开第三轮让你加入数据案例第四轮让你压缩篇幅……就像盖房子一样一层一层往上搭而不是一次浇筑。3.10 技巧十建立属于自己的提示词库做版本管理这个技巧看起来不那么技术但对长期效率的提升却是最大的。我用了一年多以后回头看真正拉开人与人差距的不是某一次巧妙的提示词而是一个持续积累、可复用的提示词资产库。我的做法很简单每次调试成功、效果很好的提示词我会立刻保存到一个专用的文档或Notion数据库里。文档里每条提示词都标注了适用场景、使用效果、注意事项、最后一次更新时间。每次有优化我会复制成一个新版本而不是直接覆盖旧的。这样万一新版不稳定还能回退到旧版。坚持三个月你手里就会积累几十个精心打磨过的提示词模板。以后再遇到类似任务直接调库不用从零开始设计。这本质上就是在积累你自己的提示词资产越用越值钱。我给自己的提示词库分了几大类文案写作、编程开发、数据分析、学习理解、工作总结、生活决策。每一类下再按场景细分。这套分类逻辑我会在下一章的模板库里完整呈现。4. 常用提示词模板库照着抄就能用上一章讲了10个技巧这一章直接上干货。我把日常最高频使用的提示词模板整理出来每一个都经过实战验证你可以直接复制替换参数后使用。4.1 文案写作类模板面向场景产品文案、公众号推文、小红书笔记、短视频脚本、邮件沟通。模板A爆款短文案角色设定你是一位拥有8年经验的社交媒体文案策划擅长用简洁有力的文字抓住读者注意力。任务为一款【产品名称】撰写【数量】条用于【平台名称】的推广文案。产品信息【一句话说明产品核心卖点】【目标人群】【价格定位】每条文案要求字数控制在【30-60字】开头必须制造【好奇心/紧迫感/共鸣】不得使用顶级极致完美等夸张词汇结尾引导用户【点击链接/留言咨询/立即购买】模板B公众号长文改写角色设定你是一位资深编辑深谙公众号内容的节奏和排版。任务请将我提供的初稿改写成适合公众号发布的文章。改写要求开头200字要有钩子能吸引读者继续读下去每个小标题用疑问句或数字句式比如为什么80%的人都会做错这一步段落尽量短小单段不超过4行适当插入加粗、强调词方便扫读结尾添加一个互动性问题引导评论区讨论我的初稿【粘贴】4.2 编程开发类模板面向场景代码生成、代码优化、Bug排查、技术方案设计、代码解释。模板A功能代码生成角色设定你是一位有10年经验的【后端/前端/算法】工程师代码风格偏向简洁、可维护、有完整注释。任务请用【编程语言】编写一个【功能描述】。具体要求输入输出格式【详细描述】需要考虑的边界条件【列出边界情况】性能要求【如单次调用耗时不超过200ms】请给出完整代码和关键逻辑的注释说明模板BBug排查角色设定你是一位擅长调试的资深程序员思维严谨善于通过逐步排查定位问题。任务下面这段代码运行时报错【错误信息】请帮我分析原因并给出修复方案。代码【粘贴代码】请按以下步骤输出先判断错误信息的直接触发原因分析可能隐藏的设计缺陷给出修复后的完整代码说明如何设计测试用例来避免同类问题4.3 数据分析与决策类模板面向场景数据分析、市场调研、商业决策、方案选型。模板A数据分析报告角色设定你是一位数据分析专家擅长从数据中提取有商业价值的洞察。任务基于我提供的数据输出一份分析报告。数据【粘贴数据或表格】报告结构要求数据概览核心指标的变化趋势关键洞察找出3个最值得关注的业务发现并解释背后的可能原因潜在风险指出数据中可能存在的噪音或误导行动建议基于数据给出3个可落地的优化建议必须有优先级排序模板B方案选型对比角色设定你是一位有过多次技术选型经验的技术负责人。任务帮我对比以下几个候选方案【方案A、方案B、方案C】对比维度要求成本包含显性成本和隐性成本技术成熟度和生态丰富度团队学习成本长期维护风险是否满足未来3年的扩展需求输出格式请用Markdown表格输出每个维度下给出结论一句话理由。最后给出你的推荐排序和核心理由。4.4 学习、阅读、总结类模板面向场景读论文、读书笔记、会议纪要、学习计划制定。模板A复杂知识讲解角色设定你是一位擅长把复杂概念讲简单的老师善于使用类比和生活中的例子。任务请帮我彻底弄懂【概念/主题】。讲解要求先给出这个概念的一句话通俗定义用2-3个生活化类比解释核心机制说明这个概念在实际应用中的典型场景指出初学者最常见的3个理解误区最后用一个简单的例子带我从头到位推演一遍模板B长文总结角色设定你是一位擅长信息压缩的助理能在保留关键信息的前提下大幅精简篇幅。任务下面是【文章/报告/会议记录】内容请帮我做结构化总结。【粘贴内容】输出格式一句话核心观点三个关键要点每个不超过30字最重要的数据/论据值得进一步查证或讨论的地方如果要用社交媒体语气转述请再给一句话版本4.5 提示词模板使用注意事项模板库不是万能的有几个点必须提醒第一任何模板都不可能一次命中。模板的作用是帮你节省从烂prompt到及格prompt的时间距离优秀prompt还需要你根据具体场景微调。不要指望套模板就万事大吉。第二建议你先用模板跑一轮然后按上一章讲的技巧九进行迭代。模板搞不定的细节恰恰是你能发挥个人经验的差异化地方。第三模板里的角色设定部分不是装饰品。在大多数模型里角色设定的优先级很高会直接影响整个输出的语气和含金量务必根据任务认真改写。5. 我遇到的高频翻车现场和排查方法再好的提示词也会翻车。这一章我把自己在实践中踩过的坑、见过的翻车现场整理出来并附上对应的排查思路希望能省去你走弯路的时间。5.1 模型答非所问怎么办症状你问A模型回答的内容看起来在聊A但实际完全没踩在你的需求点上。常见原因你的提示词里混入了太多无关背景模型抓错了重点。排查方法先把提示词精简到只剩任务指令核心约束看输出是否变准。如果变准了再逐步加回背景信息找到那个导致偏题的变量。另外一个常见原因是你没有用分隔符把背景和指令区分开。模型分不清哪部分是任务哪部分是参考信息。这时候可以加明显的标记【背景信息】 …… 【任务指令】 …… 【输出要求】 ……结构化分隔符能让模型准确地定位我要你干什么。5.2 模型输出太短或太水怎么治症状要求写2000字的文章结果只给了500字或者给了很多字但全是空泛的表达。排查思路长度不合格说明你的长度约束可能不够明确。尽量详细这种表达没有量化约束力。试试这样说正文部分不少于1500字分6个以上的段落每段至少包含一个具体的案例或数据。内容太水则说明你给的信息量不足。模型没有足够的素材就只能用通用论述来凑字数。解决方法是补充具体信息比如产品细节、目标用户画像、行业背景、你了解的数据。给模型足够的弹药它才能打准。5.3 模型一本正经地编造事实怎么防症状模型给出了一些人名、文献、数据但你一查发现根本不存在。这是幻觉问题完全消除不现实但可以显著降低。按我在3.8节的建议加上你不知道的就说不知道。这相当于给模型开了绿灯让它能安全地承认知识盲区。如果你对内容的准确性要求比较高还有一个进阶操作明确要求模型提供信息来源或者要求它区分基于已知事实和基于推测的输出。另外涉及关键数据和引用时永远要人工核验——AI生成内容适合做初稿但不能直接当作真相来用。5.4 模型的语气和风格不对味怎么调症状你想要轻松幽默模型给了一本正经的公文风你想要专业犀利模型给了一堆讨好式废话。这种问题根源在于你只提了风格需求却没用案例给模型锚定。调法有两个第一用肯定否定双重约束请用轻松的互联网口吻来写不要使用此外综上所述值得注意的是之类的书面词汇不要用赋能抓手这类空词。第二给一个具体的参照样本比如像公众号XXX的风格一样写。给参照样本比任何抽象描述都管用。5.5 对话中途模型失忆怎么应对症状前面聊得好好的突然在某一个回答里模型像完全忘了之前确认过的信息。应对方法分预防和补救两步。预防在关键任务开始时把核心信息在提示词内再次完整复述一遍。补救如果发现模型失忆主动把之前的关键结论重新贴进对话里并用请基于以下信息继续来拉回注意力。记住一个原则重要的信息重复三遍都不嫌多别指望模型替你记忆。6. 最后说几句大实话絮絮叨叨写了这么多最后分享一点我的个人体会。提示词工程这个东西入门门槛极低人人都觉得自己会天花板极高能写出精准、稳定、可复用的提示词的人在所有AI使用者里占比很小。差别在哪我觉得就一个字练。别光看技巧把文中这些模板拿过去找一个你手头真实的任务花30分钟照着改一遍。跑一次不满意就按迭代的思路再调一次。来回调个四五轮你就能明显感觉到自己写提示词的手感不一样了。还有一个小习惯分享给大家每次AI给出让你眼前一亮的高质量输出时倒回去把它和你的原始提示词放在一起看分析一下到底为什么有效。是在哪里限制得精准还是哪里给了足够的背景把这些经验沉淀下来你的提示词水平就能持续往上走。提示词工程不是魔法它是可以被总结、被学习、被复制的技能。希望这篇文章能成为你技能清单上的一块垫脚石。
提示词工程实战：10个技巧让你的AI输出质量倍增
1. 提示词工程到底是什么先把这个事说透这两年AI工具遍地都是ChatGPT、Claude、文心一言、通义千问、Kimi、豆包还有各种AI编程助手、AI绘画工具。你会发现一个很有意思的现象同一款工具有人用起来像神兵利器有人用起来像个智障。差别在哪儿十有八九出在提示词上。提示词工程说白了就是一门和人对话的艺术——这里的人指的是大语言模型。你给的指令越清晰、越结构化模型给你的反馈就越准、越可用。反过来如果你只是甩一句帮我写个方案那模型只能靠猜猜出来的东西自然离你的预期差得远。我最早接触提示词工程的时候也觉得这玩意玄乎感觉像是某种咒语掌握了什么神秘公式就能让AI言听计从。实际用下来发现根本不是这么回事。提示词的本质是沟通是把你脑子里的需求翻译成模型能理解的语言。这个翻译质量越高AI的输出质量就越高。这篇文章会把我在各种项目里反复验证过的10个技巧全部拆开讲每一个都会配上对比案例让你直接看到烂提示词和好提示词之间的差距有多大。文末还附带了一套我自己整理的模板库覆盖文案、编程、数据分析、学习、总结等高频场景你完全可以照着抄。适合谁看不管你是刚接触AI工具的小白还是已经在用AI写代码、写方案、做分析的进阶玩家这篇文章都能帮你把提示词水平往上拉一截。尤其是那些觉得AI也就那样的朋友大概率是你还没掌握正确的打开方式。2. 写提示词之前先理解大模型的几大脾气很多人写不好提示词不是因为不懂技巧而是因为不理解模型的工作方式。在开始讲10个技巧之前我先把大模型的几个脾气交代清楚这决定了后面所有技巧的底层逻辑。2.1 大模型在预测不是在理解大语言模型本质上是一个超大规模的下一个词预测器。它生成每一个词都是基于前面的所有文字去计算最可能接下去的词是什么。这意味着什么意味着模型并不像人一样真正理解你的意图它是在跟你玩概率游戏。这就带来一个关键结论你需要尽可能减少模型的猜测空间。指令越模糊模型可预测的范围越大输出就越飘指令越精确模型的选择范围越小输出就越贴近你的需求。我见过很多人抱怨AI写的东西全是正确的废话。对因为如果你不给出具体的要求模型就会按最大概率路径走生成最安全、最通用的内容——也就是正确的废话。这不是模型蠢是你给它的约束不够。2.2 上下文窗口是模型的工作区域模型每次对话都会有一个上下文窗口你可以把它理解为模型的工作台。你的提示词、历史对话、背景资料都在这个工作台上摆放着。模型回答问题时只能在窗口内的信息基础上进行推演窗口之外的东西它看不见。所以有一个高频踩坑点很多人和AI对话到一半发现AI忘了前面说过的事情就开始骂AI记性差。实际上多数时候不是记性差而是对话太长早期信息被挤出了窗口或者早期信息在更近的上下文中被淹没了。理解这一点之后你的提示词策略就会改变核心信息和关键需求宁可重复一遍也不要指望模型自动记住。2.3 角色设定和语气会影响输出的分布同样的一个问题如果你加一句你是一位从业十年的资深律师模型的输出会立刻往专业、严谨、术语多的方向倾斜。这背后的逻辑还是概率加上了角色设定就等于给模型提供了更多的背景上下文模型会顺着这个背景调整后续文字的分布。这不是玄学这是提示词工程最基础的应用之一。专业角色、目标受众、输出风格这些信息都应该在提示词里明确写出来让模型在正确的人设下生成内容。理解了大模型这三个脾气我们再来谈具体技巧你会觉得每一个技巧都顺理成章——因为它们本质上都是在解决这三大脾气带来的问题。3. 10个立刻能上手的核心技巧逐个拆给你看下面这10个技巧是我在大量实战中筛选出来的每个都是高性价比操作不需要什么复杂框架看完就能用。我会按重要性排序前面的几个影响最大。3.1 技巧一给模型一个明确的身份和工作背景这是我反复强调、收益最大的一个技巧。不管你要写文案、写代码、做分析先给模型设定一个身份和背景输出的质量会立刻上一个台阶。对比一下烂提示词写一份新品咖啡的推广文案。好提示词假设你是一家精品咖啡品牌的资深品牌策划拥有十年消费品营销经验。现在我们要推出一款名为山雾的耶加雪菲冷萃咖啡目标人群是25-35岁的都市白领他们注重生活品质但又有一定价格敏感度。请在40字以内写一段小红书风格的种草文案语气亲切自然不要用夸张词。差别很明显。烂提示词给了模型太多自由发挥空间输出结果大概率是醇香浓郁、回味无穷这类套话。好提示词包含了角色、产品信息、目标人群、字数限制、平台调性、用词禁忌模型的输出会精准得多。实操心得角色设定不要只写一句话尽量带上年龄、经验、擅长领域这几个信息越具体输出风格越稳定。3.2 技巧二把你的所有约束写在一处不要指望模型猜很多人写提示词时心里有个误区以为说一句要专业的就够了。问题是专业这个词对不同人、不同场景意味着完全不同的东西。对模型来说专业同样是个模糊词。好提示词的思路是把你能想到的所有约束条件一次性列清楚。包括但不限于长度要求多少字、多少段、多少条风格要求正式/轻松/活泼/克制结构要求按什么顺序、分几个部分内容边界哪些不能写、哪些必须写目标读者给谁看的交付格式纯文本、表格、列表、JSON、Markdown我自己常用的做法是在提示词末尾专门加一个约束清单区块用列表把所有条件列出来。这样有两个好处一是模型能完整看到所有限制二是后续如果某条约束没满足我可以精准指出请你特别注意第3条而不是让模型瞎猜。3.3 技巧三给足示例而不是只说抽象要求这是提示词工程里公认的高效手段。想让模型按你的风格输出最直接的办法就是给它看一个你想要的例子。这叫作少样本提示。举个例子你想让AI帮你写产品卖点。烂做法是“帮我把这款耳机写成抖音流行的卖点文案。”好做法是给它一个示例以下是目前抖音上比较火的蓝牙耳机文案风格样例 这耳机戴上去世界立刻安静了降噪强到地铁上都听不见报站关键是续航一周不夸张后悔没早点换现在请参考这个风格为我写的耳机写一段同风格的卖点文案。我的耳机主打卖点是半入耳设计佩戴无感、通话降噪清晰、199元超高性价比。你看有了样例模型的输出就有了锚点它知道你想要的抖音风具体长什么样而不是它自己脑补的那一套。示例可以是一个完整的成品也可以是好与坏的对比比如一段这种不好和一段这种好效果更佳。3.4 技巧四大任务拆成小步骤让模型一步步来遇到复杂任务时最忌讳一句话全砸给模型。比如帮我制定一份年度营销计划模型可能给你写出一大堆泛泛而谈的内容看起来都有道理但什么都落不了地。更高效的做法是拆解成多个步骤每个步骤单独和模型对话或者在一条提示词中要求模型分步骤执行。举个例子我在做行业分析报告时经常这样组织请按照以下步骤帮我完成一份关于新能源汽车充电桩行业的分析 第一步梳理行业宏观背景包括政策环境、市场规模、增长趋势控制300字 第二步分析产业链上中下游的核心参与者及商业模式 第三步总结当前行业面临的3个核心挑战 第四步给出2025-2026年的3个趋势预判。 每一步完成后稍作停顿等我确认后再继续下一步。这样处理的好处是每个步骤模型都能集中精力处理单一任务输出质量比一口气写完高得多。而且过程中我可以随时介入、修正方向不会等模型全部生成了才发现方向跑偏。3.5 技巧五要求模型先思考再输出压制直觉式回答大模型为了追求流畅往往会直接给出一个看起来合理但经不起推敲的答案。这个问题的根源在于模型天生倾向于快思考而非慢思考。解决办法很简单明确要求模型先内部推理再给最终答案。这就成了所谓的思维链提示。最朴素但有效的写法就是加一句 在给出最终答案之前请先逐步分析你的思考过程但不要把完整的思考过程展示出来只需要在回答前加上一段不超过50字的推理摘要。还有一种做法是要求模型以特定结构输出请先列出你对这个问题的3个关键判断依据然后基于这些依据给出结论。比如你问AI一个数学应用题直接问可能得到错误答案但如果你加一句先一步一步推导最后总结答案正确率会明显提升。这一招在数据分析、逻辑推理场景下特别管用。3.6 技巧六指定输出格式让AI的输出直接可用很多人的提示词只关注让AI说什么忽略了让AI怎么说。但实际上指定输出格式能极大提高后续处理效率。尤其当你需要把AI输出直接粘贴进某个系统、文档、表格里时格式就是刚需。我自己最常指定的格式包括请用表格输出对比结果列为……行为……请用Markdown格式输出一级标题、二级标题用标准用法请输出JSON格式包含字段A、B、C请用有序列表列出步骤每条不超过20字举一个实际案例我需要让AI帮我整理会议纪要请读取以下会议记录输出一份结构化的会议纪要格式要求 【会议主题】一句话概括 【参会人】列表 【讨论要点】每条要点不超过50字按发言顺序排列 【决议事项】编号列表 【待办事项】用Markdown表格输出待办内容、负责人、截止时间你不觉得吗一旦格式指定清楚AI的输出就从一段文字墙变成了可以直接归档的文档。这在工作流里特别值钱省去了大量二次整理时间。3.7 技巧七主动提供背景信息而不是让AI当算命先生还有一种高频失误用户试图用极少的上下文让AI做高难度的专业判断。比如直接说我该不该换工作这个方案行不行AI只能凭猜测瞎答。正确的思路是像给朋友介绍情况一样把背景信息尽量交代清楚。好的提示词背景信息经常占80%的篇幅指令只占20%。我自己总结了一个万能公式背景信息三要素当前状况 目标 已有的尝试或限制例如 背景我是一名电商运营负责店铺月销售额大约30万主要卖家居日用品。目前尝试过和两个小红书博主合作带来了一些流量但转化率很低只有0.8%。老板要求下个月涨到40万预算只有5000元。 问题请基于以上情况给出3个提高转化的具体方案要求每个方案包含执行步骤、成本预估、预期效果。这种提示词模型能精准地接住你的问题给出的建议有据可依而不是泛泛而谈。记住AI不知道你脑子里想的那些事你不写它就只能猜。3.8 技巧八允许模型说不知道减少幻觉大模型的幻觉问题是目前最头疼的问题之一。模型为了让自己看起来知道会一本正经地编造事实。这个在写代码、写研究类内容时尤其危险因为编出来的API函数、论文引用、数据来源表面看着像真的实际是假的。缓解幻觉有一招很朴素在提示词里明确允许模型说不知道、说不确定。我常用的句子有这些如果你不清楚这个信息请直接说资料中没有相关信息不要编造。以上回答中哪部分是你的推测请在文末标注。如果信息不够先告诉我需要补充什么再给出建议。这些句子听起来很简单但确实能显著降低模型一本正经胡说八路的概率。因为它特有了一种合法的出口通道不必为了保持一致性而硬编。另外一个很实用的技巧是要求模型区分事实和推测。比如请把已知信息与推测信息分开说明这样即便模型给出了一些推测你也能一眼识别出来。3.9 技巧九把一次对话当作多轮迭代而不是一锤子买卖很多人的习惯是让AI一次生成不满意就重新开一个新对话重头再来。这其实浪费了大模型最有价值的一个特性——多轮对话能力。好的提示词工程很少一次性完成而是不断追问、修正、优化。我把这个流程叫作提示词迭代循环第一个回合给出需求让AI生成初稿。 第二个回合指出不满意之处要求修改你的第2段关于竞品分析的内容太笼统请基于XX竞品的实际情况重新写。 第三个回合对整体风格进行调整整体语气过于书面请改成更口语化的表达。 ……这里有一个小技巧在多轮对话中不要简单说改一下或不对而是明确指出具体位置和改进方向。比如第二段的第三个论点逻辑不顺就比这段写得不好强得多因为模型没有能力猜到你到底对哪不满意。多轮迭代还有一个进阶玩法让AI逐轮加深。比如第一轮让你写一个大纲第二轮让你基于大纲展开第三轮让你加入数据案例第四轮让你压缩篇幅……就像盖房子一样一层一层往上搭而不是一次浇筑。3.10 技巧十建立属于自己的提示词库做版本管理这个技巧看起来不那么技术但对长期效率的提升却是最大的。我用了一年多以后回头看真正拉开人与人差距的不是某一次巧妙的提示词而是一个持续积累、可复用的提示词资产库。我的做法很简单每次调试成功、效果很好的提示词我会立刻保存到一个专用的文档或Notion数据库里。文档里每条提示词都标注了适用场景、使用效果、注意事项、最后一次更新时间。每次有优化我会复制成一个新版本而不是直接覆盖旧的。这样万一新版不稳定还能回退到旧版。坚持三个月你手里就会积累几十个精心打磨过的提示词模板。以后再遇到类似任务直接调库不用从零开始设计。这本质上就是在积累你自己的提示词资产越用越值钱。我给自己的提示词库分了几大类文案写作、编程开发、数据分析、学习理解、工作总结、生活决策。每一类下再按场景细分。这套分类逻辑我会在下一章的模板库里完整呈现。4. 常用提示词模板库照着抄就能用上一章讲了10个技巧这一章直接上干货。我把日常最高频使用的提示词模板整理出来每一个都经过实战验证你可以直接复制替换参数后使用。4.1 文案写作类模板面向场景产品文案、公众号推文、小红书笔记、短视频脚本、邮件沟通。模板A爆款短文案角色设定你是一位拥有8年经验的社交媒体文案策划擅长用简洁有力的文字抓住读者注意力。任务为一款【产品名称】撰写【数量】条用于【平台名称】的推广文案。产品信息【一句话说明产品核心卖点】【目标人群】【价格定位】每条文案要求字数控制在【30-60字】开头必须制造【好奇心/紧迫感/共鸣】不得使用顶级极致完美等夸张词汇结尾引导用户【点击链接/留言咨询/立即购买】模板B公众号长文改写角色设定你是一位资深编辑深谙公众号内容的节奏和排版。任务请将我提供的初稿改写成适合公众号发布的文章。改写要求开头200字要有钩子能吸引读者继续读下去每个小标题用疑问句或数字句式比如为什么80%的人都会做错这一步段落尽量短小单段不超过4行适当插入加粗、强调词方便扫读结尾添加一个互动性问题引导评论区讨论我的初稿【粘贴】4.2 编程开发类模板面向场景代码生成、代码优化、Bug排查、技术方案设计、代码解释。模板A功能代码生成角色设定你是一位有10年经验的【后端/前端/算法】工程师代码风格偏向简洁、可维护、有完整注释。任务请用【编程语言】编写一个【功能描述】。具体要求输入输出格式【详细描述】需要考虑的边界条件【列出边界情况】性能要求【如单次调用耗时不超过200ms】请给出完整代码和关键逻辑的注释说明模板BBug排查角色设定你是一位擅长调试的资深程序员思维严谨善于通过逐步排查定位问题。任务下面这段代码运行时报错【错误信息】请帮我分析原因并给出修复方案。代码【粘贴代码】请按以下步骤输出先判断错误信息的直接触发原因分析可能隐藏的设计缺陷给出修复后的完整代码说明如何设计测试用例来避免同类问题4.3 数据分析与决策类模板面向场景数据分析、市场调研、商业决策、方案选型。模板A数据分析报告角色设定你是一位数据分析专家擅长从数据中提取有商业价值的洞察。任务基于我提供的数据输出一份分析报告。数据【粘贴数据或表格】报告结构要求数据概览核心指标的变化趋势关键洞察找出3个最值得关注的业务发现并解释背后的可能原因潜在风险指出数据中可能存在的噪音或误导行动建议基于数据给出3个可落地的优化建议必须有优先级排序模板B方案选型对比角色设定你是一位有过多次技术选型经验的技术负责人。任务帮我对比以下几个候选方案【方案A、方案B、方案C】对比维度要求成本包含显性成本和隐性成本技术成熟度和生态丰富度团队学习成本长期维护风险是否满足未来3年的扩展需求输出格式请用Markdown表格输出每个维度下给出结论一句话理由。最后给出你的推荐排序和核心理由。4.4 学习、阅读、总结类模板面向场景读论文、读书笔记、会议纪要、学习计划制定。模板A复杂知识讲解角色设定你是一位擅长把复杂概念讲简单的老师善于使用类比和生活中的例子。任务请帮我彻底弄懂【概念/主题】。讲解要求先给出这个概念的一句话通俗定义用2-3个生活化类比解释核心机制说明这个概念在实际应用中的典型场景指出初学者最常见的3个理解误区最后用一个简单的例子带我从头到位推演一遍模板B长文总结角色设定你是一位擅长信息压缩的助理能在保留关键信息的前提下大幅精简篇幅。任务下面是【文章/报告/会议记录】内容请帮我做结构化总结。【粘贴内容】输出格式一句话核心观点三个关键要点每个不超过30字最重要的数据/论据值得进一步查证或讨论的地方如果要用社交媒体语气转述请再给一句话版本4.5 提示词模板使用注意事项模板库不是万能的有几个点必须提醒第一任何模板都不可能一次命中。模板的作用是帮你节省从烂prompt到及格prompt的时间距离优秀prompt还需要你根据具体场景微调。不要指望套模板就万事大吉。第二建议你先用模板跑一轮然后按上一章讲的技巧九进行迭代。模板搞不定的细节恰恰是你能发挥个人经验的差异化地方。第三模板里的角色设定部分不是装饰品。在大多数模型里角色设定的优先级很高会直接影响整个输出的语气和含金量务必根据任务认真改写。5. 我遇到的高频翻车现场和排查方法再好的提示词也会翻车。这一章我把自己在实践中踩过的坑、见过的翻车现场整理出来并附上对应的排查思路希望能省去你走弯路的时间。5.1 模型答非所问怎么办症状你问A模型回答的内容看起来在聊A但实际完全没踩在你的需求点上。常见原因你的提示词里混入了太多无关背景模型抓错了重点。排查方法先把提示词精简到只剩任务指令核心约束看输出是否变准。如果变准了再逐步加回背景信息找到那个导致偏题的变量。另外一个常见原因是你没有用分隔符把背景和指令区分开。模型分不清哪部分是任务哪部分是参考信息。这时候可以加明显的标记【背景信息】 …… 【任务指令】 …… 【输出要求】 ……结构化分隔符能让模型准确地定位我要你干什么。5.2 模型输出太短或太水怎么治症状要求写2000字的文章结果只给了500字或者给了很多字但全是空泛的表达。排查思路长度不合格说明你的长度约束可能不够明确。尽量详细这种表达没有量化约束力。试试这样说正文部分不少于1500字分6个以上的段落每段至少包含一个具体的案例或数据。内容太水则说明你给的信息量不足。模型没有足够的素材就只能用通用论述来凑字数。解决方法是补充具体信息比如产品细节、目标用户画像、行业背景、你了解的数据。给模型足够的弹药它才能打准。5.3 模型一本正经地编造事实怎么防症状模型给出了一些人名、文献、数据但你一查发现根本不存在。这是幻觉问题完全消除不现实但可以显著降低。按我在3.8节的建议加上你不知道的就说不知道。这相当于给模型开了绿灯让它能安全地承认知识盲区。如果你对内容的准确性要求比较高还有一个进阶操作明确要求模型提供信息来源或者要求它区分基于已知事实和基于推测的输出。另外涉及关键数据和引用时永远要人工核验——AI生成内容适合做初稿但不能直接当作真相来用。5.4 模型的语气和风格不对味怎么调症状你想要轻松幽默模型给了一本正经的公文风你想要专业犀利模型给了一堆讨好式废话。这种问题根源在于你只提了风格需求却没用案例给模型锚定。调法有两个第一用肯定否定双重约束请用轻松的互联网口吻来写不要使用此外综上所述值得注意的是之类的书面词汇不要用赋能抓手这类空词。第二给一个具体的参照样本比如像公众号XXX的风格一样写。给参照样本比任何抽象描述都管用。5.5 对话中途模型失忆怎么应对症状前面聊得好好的突然在某一个回答里模型像完全忘了之前确认过的信息。应对方法分预防和补救两步。预防在关键任务开始时把核心信息在提示词内再次完整复述一遍。补救如果发现模型失忆主动把之前的关键结论重新贴进对话里并用请基于以下信息继续来拉回注意力。记住一个原则重要的信息重复三遍都不嫌多别指望模型替你记忆。6. 最后说几句大实话絮絮叨叨写了这么多最后分享一点我的个人体会。提示词工程这个东西入门门槛极低人人都觉得自己会天花板极高能写出精准、稳定、可复用的提示词的人在所有AI使用者里占比很小。差别在哪我觉得就一个字练。别光看技巧把文中这些模板拿过去找一个你手头真实的任务花30分钟照着改一遍。跑一次不满意就按迭代的思路再调一次。来回调个四五轮你就能明显感觉到自己写提示词的手感不一样了。还有一个小习惯分享给大家每次AI给出让你眼前一亮的高质量输出时倒回去把它和你的原始提示词放在一起看分析一下到底为什么有效。是在哪里限制得精准还是哪里给了足够的背景把这些经验沉淀下来你的提示词水平就能持续往上走。提示词工程不是魔法它是可以被总结、被学习、被复制的技能。希望这篇文章能成为你技能清单上的一块垫脚石。
