如果你最近几个月一直在折腾大模型应该会注意到一个很典型的现象同一个模型在不同人手里的表现完全是两个版本。有人只会丢一句“帮我写个方案”拿到的是空话套话堆出来的流水账有人提前定好角色、说清背景、限定格式拿到的是可以直接拿来改用的成稿。差别不在模型本身而在提示词也就是大家常说的提示词工程。我做了大量实操之后最大的感受是提示词工程不是一门玄学它更像是一种“结构化表达”的能力。这篇内容不谈理论模型也不堆术语就讲10个我反复验证过、真正能立刻上手的技巧同时给你一份可以直接复制改用的模板库。适合刚开始接触提示词工程、总觉得自己问出来的答案不够准的人也适合已经会写基础提示词、想把经验固化成套路的人。你不需要有编程基础只要会打字就能用上。1. 先把提示词工程拆清楚你到底在优化什么1.1 提示词的四个基本组成在给技巧之前先把提示词这个事拆开看。一个完整的提示词通常由四部分组成角色、任务、上下文、输出要求。角色告诉模型“你现在是谁”比如数据分析师、文案编辑、资深律师。模型不是真的成了这个人但这个设定会激活它记忆里对应的语言风格和思维偏好。任务你要模型做什么比如写一篇文章、总结一段会议记录、生成一段代码策略。上下文任务发生的背景、对象、目的以及你要处理的具体素材。输出要求输出的格式、长度、结构、禁忌事项。用个生活化类比这就像你给一位新来的临时帮手布置工作。你只说“把这件事做了”他大概率按自己理解来但如果你告诉他“你是前台大家马上来开会需要把这些材料按姓名排序后打印三份不要装订”他能把偏差控制在很小范围内。提示词工程做的工作就是把这份“临时工作说明书”写得足够清楚。1.2 为什么模板化是提示词工程的第一课很多人觉得写提示词是聊天想到什么说什么。但我的经验是临场发挥的提示词可能成功一两次但很难稳定复现。今天你这句话问出来效果好明天换个场景同样的说法可能就废了。模板化解决的就是“不可控”的问题。模板的本质是固定结构加可变变量。固定的是角色、任务流程、输出格式这些不容易变的部分可变的是具体素材、背景、题目这些每次都会不同的部分。一旦你把一条好用的提示词抽成模板之后只需要往里填内容就行。这能带来两个直接好处第一减少遗忘不用每次重新想“我上次是怎么问的”第二方便做测试你可以在同一套结构里换不同变量快速比较哪个结果更好。所以在下面的10个技巧里你会发现很多技巧最终会沉淀为模板。技巧是点模板是面两者配合才是完整的提示词工程。2. 十个能立刻上手的提示词技巧先放一张速查表方便你快速定位每个技巧单独看是一味药组合起来才是一张药方。序号技巧名核心作用1角色设定法锁定输出风格与专业视角2输出格式锚定让答案结构化、可解析3示例引导用范例代替抽象描述4步骤拆解法降低复杂任务的失误率5限制条件前置让约束更大概率被遵守6上下文与背景注入让答案贴合真实场景7负面指令明确排除不想要的内容8迭代式追问用多轮对话逐步逼近目标9长度与颗粒度控制精确控制信息密度10分隔符隔离变量区分“指令”与“数据”2.1 技巧一角色设定法这是最基础、见效最快的一招。在提示词开头直接给模型一个身份它的输出风格会明显向这个身份靠拢。比如你是一名有10年经验的数据分析师擅长从杂乱数据中发现异常。 请根据下面的销售数据用三句话告诉我本月最值得关注的异常并说明可能原因同样是分析数据没有角色设定时模型可能会给出很宽泛的“要保持增长趋势”“注意成本控制”这类废话有了“数据分析师”这个身份后它会更愿意用数据语言也会不自觉带上专业视角。注意角色不是越夸张越好。你说“你是世界上最厉害的数据分析师”效果反而可能不如“你有5年零售行业数据分析经验”。角色描述越具体、与任务越匹配效果越好。如果你想让它写营销文案就别说“你是程序员”如果你想让它解释法律条款就别说“你是小学老师”。角色与任务错位输出就会别扭。2.2 技巧二给模型一个输出格式如果你不指定输出格式模型会用默认的“通用文体”回答你段落式、带小标题、结尾总结。这些不是不好但往往不是你需要的。提示词工程里输出格式锚定是一个非常强力的杠杆。请用JSON格式输出包含以下字段名称、建议、风险等级。这个技巧在需要程序化处理结果时尤其重要。你让模型生成5个JSON对象它就会按固定结构给你后续解析、入库都方便。哪怕你只是让它写一份简洁总结也可以指定“用表格输出”“用三个分点”“用一段话但不要小标题”。我自己实测下来格式指定得越明确模型越不会擅自发挥。一个重要原因是格式本身是一种约束它把模型“自由发挥的空间”压缩了一部分。你不需要理解技术原理只需要记住任何你想让它输出的结构都值得写进提示词里。2.3 技巧三示例引导很多时候你描述不清楚自己想要的“感觉”但如果你直接给模型一两个输入输出示范它会秒懂。这就是示例引导也叫few-shot方法。请按示例风格回答问题。 示例 输入苹果是水果吗 输出是。这是水果分类问题中的基础概念。 现在回答 输入番茄是水果还是蔬菜你不用解释“什么是判断式回答”模型看到示例就会模仿示例的语言长度、句式、严谨度。这比你在提示词里写“请用简洁、判断式、不超过20字”更有效。示例引导还有一个隐藏好处它能帮助模型理解“边界”。比如你想让模型把长文分小节给它两个分节示例它就知道节点该切在哪里而不是随便断句。示例数量一般1到3个足够太多反而会让模型忽略你的其他指令。另外示例一定要贴近真实任务给一个不相干的示例还不如不给。2.4 技巧四步骤拆解法当任务比较复杂比如“帮我写一份竞品分析”模型很容易一次性吐出一堆泛泛而谈的内容。这时候你应该把任务拆成步骤让模型照着步骤一步步来。请按以下步骤完成竞品分析 1. 先列出你用来判断竞品优势的3个维度并说明选择理由 2. 再根据这3个维度分别分析目标竞品 3. 最后给出一个综合结论与可执行建议。这背后的逻辑是模型并行想清楚所有问题很难但跟着步骤一步步走每一步的压力就小得多。你可以把步骤理解为给模型搭了一串台阶。台阶越清晰它走偏的概率越低。不过要注意步骤不是越多越好。三到五步是最理想的区间超过七八步时模型容易出现前面步骤严格执行、后面步骤开始遗忘的情况。真遇到特别复杂的任务可以拆成多轮对话而不是单条超长提示词。2.5 技巧五限制条件前置你有没遇到过这种情况模型写了很长一段结尾才冒出一句“以上建议仅供参考”。你根本不想听这句。问题出在哪你很可能是把“不要放免责声明”这种要求写在提示词最后模型的注意力更多集中在开头和结尾但结尾处又有新的指令覆盖掉之前的意图。所以把限制条件放在提示词靠前的位置尤其是输出格式、长度、禁忌这些“硬约束”。输出不超过150字用口语化表达不出现“首先、其次、最后”等过渡词。 请根据以下内容写一段产品推荐文案限制条件前置还能让你写提示词时形成习惯先立规矩再给素材。我发现很多输出的问题并不是模型能力不够而是约束条件写得太晚、太散模型根本没读到。记住一个原则重要的事先说。2.6 技巧六提供上下文与背景“帮我写一封邮件”和“客户上周反馈安装过程太慢我们已经更新了教程请帮我写一封道歉并附新教程链接的邮件”这两者的输出质量完全不一样。模型不知道你的真实处境它只能从你给的文字里推断背景。你提供的信息越具体它的回答就越贴近你的需求。上下文不需要很长但要包含三个关键信息这件事发生在什么场景目标对象是谁这件事需要达到什么效果。背景我是某SaaS产品的运营用户开通率一直正常 但本周有3个企业客户反馈“登录后看不到数据看板”。 目标写一封给客户的通知说明这是已知问题技术团队正在修复 预计24小时内恢复并给一个临时查看数据的方法。注意上下文不是越多越好。塞进一堆和任务无关的信息反而会分散模型注意力。你只需要提供和决策直接相关的背景其他都可以不写。2.7 技巧七负面指令许多提示词新手只知道告诉模型“要做什么”忘了告诉它“不做什么”。负面指令的作用是给模型划一条边界避免它犯常见的错误。请不要使用“赋能”“抓手”“闭环”这类空泛词汇 不要输出与主题无关的开场白 不要用感叹号堆砌情绪。这里有两个细节。第一负面指令越具体越好。如果写“不要写得太官方”模型可能还是不知道具体该避免什么但如果你写“不要用‘尊敬的’这类敬语开头”它就非常清楚了。第二负面指令不宜过多。如果整条提示词全是“不要这样、不要那样”模型会不知所措。最合适的比例是正面指令为主负面指令做补充把最不能接受的几个点划出来就行。我常用一个技巧先让模型自由输出一版然后在下一次追问中把不喜欢的点变成负面指令比如“删除所有‘首先其次最后’把语气改成闲聊风格”。这比一开始就写一堆“不要”更容易控制。2.8 技巧八迭代式追问很多新手把提示词工程理解成“一口气写出完美提示词”但实际上大部分高可用提示词是靠多轮迭代改出来的。第一轮输出往往只是起点之后你需要像调音一样逐步逼近目标。第一轮帮我写5个朋友圈文案标题。 第二轮标题2和标题4的调性太正式了改成更口语化、带点好奇心的风格。 第三轮保留标题3另外4个改成疑问句同时控制字数在15字以内。迭代式追问的关键在于每一轮都要给出具体的修改方向而不是只说“感觉不对”“再改改”。你可以从风格、长度、结构、语气、用词等维度去约束它。这个过程看起来多花了几轮但最终得到的结果往往比第一轮就强制模型“一步到位”要好得多因为你可以随时调整方向。这个方法也适合用来“发现”好模板。当你通过几轮调整得到一段满意的输出后回头把整个过程里的有效指令抽出来组合成新的提示词模板下次直接复用。2.9 技巧九长度与颗粒度控制“短一点”“详细点”这类说法太模糊了。你说“短一点”模型可能只删掉一句话你说“详细点”它可能啰嗦到让你崩溃。所以与其用这种模糊形容词不如直接规定字数和颗粒度。请用100字以内概括这段话的核心观点不要分点不要举例。颗粒度指的是输出内容的拆解层次。比如“概括三段”和“概括成5个分点每个分点下再写一句支撑内容”信息密度完全不一样。你可以同时指定长度和颗粒度请用3个分点总结这篇报告每个分点不超过50字只保留与成本下降相关的结论。我在实际过程中发现模型对“字”的把握并不精准说100字可能写出130字。更稳妥的做法是设定一个范围比如“80到120字”同时要求“如果超过120字请精简后再输出”。这样等于给模型加了一个自检指令。2.10 技巧十用分隔符隔离变量当一个提示词里既有指令又有需要处理的具体内容时如果全部混在一起模型很容易分不清哪些是“它要做的任务”哪些是“它要处理的数据”。解决办法就是用分隔符把“数据”和“指令”切开。请把下面分隔符之间的文本翻译成英文并整理成三条要点 text 随着模型规模增大提示词的设计方法也需要从经验驱动转向结构化驱动。 /text你可以在任务里用---、、text、{input}等等任何不会与正文冲突的符号都可以。分隔符本质上是在告诉模型“这之间的内容是原料不要把它当成指令来执行。”这在做信息提取、格式转换、文本润色时特别有用。如果不加分隔符模型可能会把文本里的某句话误认为你的新指令导致输出跑偏。2.11 10个技巧的组合使用上面10个技巧不是互相排斥的实际操作中一条优秀提示词往往是好几个技巧的叠加。比如你是一名资深HR角色设定法。 请根据下面的岗位JD上下文筛选候选人简历任务。 先按“硬性技能”和“软性素质”两个维度打分步骤拆解 每个维度给出评分理由不要给出“建议录用/不录用”的结论负面指令。 候选人简历内容在三个#号之间 ### {候选人简历} ###这个例子里用了角色、背景、步骤、负面指令、分隔符5个技巧。你会发现技巧越多提示词越像一份结构化工作单输出的稳定度也越高。3. 可直接套用的模板库下面这些模板是我平时用的比较多、反复验证过的。你把变量用自己内容替换后即可使用。注意模板不是万能药如果效果不好优先检查变量是否给全。3.1 模板一需求分析助手适合产品经理、运营、任何需要拆解需求的人。它可以让模型从一句简单的“用户想要xxx”里拆出结构性方案。你是一位有5年经验的产品经理擅长从用户表达中识别真实需求。 请按以下流程完成需求分析 【背景】 {背景信息例如用户反馈首页加载慢点击后无反应} 【目标用户】 {目标用户} 【原始需求】 {用户的原始描述} 输出内容 1. 三个最可能的用户痛点按优先级排序 2. 两个可选解决方案说明各自的成本和落地难度 3. 一个推荐方案并给出推荐理由 4. 需要补充哪些信息才能进一步验证需求。 硬性要求 - 每个部分不超过150字 - 不使用“赋能”“抓手”等空泛词汇 - 如果信息不足请直接说“信息不足”不要猜测。这个模板用到的技巧是角色设定、步骤拆解、负面指令、信息不足时主动承认。它最大的价值是让模型不要“硬答”而是先承认信息缺口这样能减少很多臆测内容。3.2 模板二内容创作助手适合写公众号、小红书、朋友圈、产品介绍等短文案。它可以帮你生成有画面感、有带入感的文字而不是AI味十足的流水线内容。你是一名新媒体文案编辑擅长用“具体场景细节描述”写内容不喜欢说教。 请根据下面素材写一篇{平台}文案。 【素材】 {内容素材越具体越好} 【目标读者】 {读者类型比如25-35岁职场人} 【平台要求】 {平台风格比如小红书偏种草、公众号偏专业、朋友圈偏轻松} 【硬性要求】 - 字数控制在{字数}字以内 - 第一句必须用一个具体场景或问题引入不能写“大家好” - 每段不超过三句话 - 不要用“姐妹们”“家人们”等强行套近乎的表达 - 结尾给一个明确的行动建议。 输出格式 先给3个标题候选再写正文。我通常会把要表达的素材先压缩成几句话填进去。素材越具体模型越能写出真实感。比如只写“产品很耐用”就太虚你可以改成“这款背包用了三年只有拉链头有轻微磨损其他位置基本没变化”。3.3 模板三代码生成与审查助手这个模板适合程序员也适合产品经理偶尔需要写个小脚本验证想法。它把代码要求、运行环境、输入输出都结构化减少沟通成本。你是一位资深{Python/Java/JS...}开发工程师习惯写可读性强的代码。 请根据下面的需求完成{代码生成/代码审查}。 【需求描述】 {需求} 【运行环境】 {操作系统、依赖版本等} 【输入输出示例】 输入{示例输入} 输出{示例输出} 【额外要求】 - 必须包含必要的注释 - 需要处理空值和边界情况 - 不要使用已经废弃的库 - 如果需求描述不完整先列出“还不确定的问题”再给出代码 - 最后用100字以内说明你的设计思路。这个模板我试过让模型帮忙写数据清洗脚本也有让非技术同事用来向模型提开发需求。效果比直接说“帮我写个代码”好很多尤其是“先列出问题再给代码”这一点能避免模型拿着错误理解硬写一版。3.4 模板四数据分析与洞察适合拿到一堆数据不知道怎么看、或者想快速产出汇报材料的人。它的特点是不让模型空口说白话而是要求结论必须有数据支撑。你是一位商业数据分析师擅长从数据里找到“有行动意义”的结论。 【原始数据】 {表格/文本数据或至少是数据的关键维度} 【业务问题】 {你希望回答的问题} 输出要求 1. 第一句话直接给出核心结论不超过40字 2. 用最多5条分点列出数据支撑每条必须引用具体数字或对比 3. 明确说明当前数据可能存在的局限性 4. 如果数据不足以得出结论请直接说“信息不足”并列出还需要补充哪些数据 5. 不要臆测没有数据支撑的原因。 【可选】补充分析背景 {比如这是3月到4月的周活数据期间上线了新的推荐策略}实际用的时候我会先把表格粘贴进{原始数据}如果表格太长就用“关键维度数字”描述出来。模型给出来的分析可以作为初稿再让我自己调整效率高很多。3.5 模板五角色扮演与面试模拟这个模板适合准备面试、练习沟通表达的人。它利用角色扮演加流程控制模拟出一个可以陪你练的“面试官”。现在请你扮演{面试官角色}对我进行模拟面试。 【目标岗位】 {岗位名称} 【我的背景】 {学历、技能、项目经历、求职意向} 【面试风格要求】 {比如先问行为面试题再深挖项目经历提问要有挑战性} 【流程】 1. 先问我1个开场问题 2. 我回答后针对我的回答追问2个问题 3. 连续进行3轮后给出面试表现反馈 4. 反馈里要包括回答结构是否清晰、亮点是否突出、哪些地方需要改进。 注意不要一次性把所有问题列出来一轮一轮来。这个模板的巧妙之处在于要求“一轮一轮来”避免模型一次性把20个问题全甩给你。它也适合拿来练其他对话场景比如客户沟通、向上汇报、访谈准备。替换{面试官角色}和{流程}即可。3.6 如何扩展自己的模板库与其到处收集别人的模板我更建议你从自己的历史输出里沉淀模板。操作方法很简单每次你对模型输出不满意修改提示词并得到满意结果后就把这一段有效的指令复制出来把其中可以替换的内容统一替换成{变量}加一个备注说明使用场景存进自己的文档里。一段时间之后你会积累出一套个人模板库。这套模板库是你和模型之间最稳定的协作方式也是提示词工程带给你的最大资产。别人给的是鱼你自己沉淀的才是渔网。4. 常见问题与排查心得4.1 模型输出不听话先检查提示词这4个地方如果你发现模型输出总是偏离预期别急着怪模型先按下面顺序检查提示词。症状常见原因调整方案回答宽泛、空话多缺少角色设定和背景增加具体角色和场景描述结构混乱没有指定输出格式明确要求用列表、表格或JSON跑题指令与数据混在一起用分隔符把数据和指令切开绝对化表达多缺少负面指令增加“不要下绝对结论”“不要猜测”等约束我见过最多的问题是用户一口气给模型提了三个任务比如“帮我写标题、写正文、再做个Excel模板”。模型会抓不住重点每个任务都浅尝辄止。正确做法是一次只聚焦一个核心任务如果确实有多个任务先问自己哪个最重要把次要任务放到后续追问中。4.2 模板失效的三种场景再好的模板也有失灵的时候。我经历过三种典型情况。第一上下文窗口超出。当你把整篇文档塞进模板并让模型做总结时超出上下文窗口的内容会被截断或忽略输出会突然变得残缺。解决办法是先把内容分段或摘要再放进模板。第二任务本身主观性太强。比如“写一篇惊艳的文案”模板再详细也没有客观标准。这时你需要给模型更具体的“参照物”比如提供一篇你喜欢的同类文案让它对标风格而不是只描述“惊艳”。第三不同模型对模板的遵循程度不同。同一套模板在A模型上效果很好换到B模型上可能就失效。这很正常因为各家模型的训练数据、对指令的理解能力都不一样。模板需要按模型微调尤其是“复杂的格式要求”和“多步推理”大模型之间差异明显。4.3 模板效果的测试与迭代方法想要让模板越来越可靠你不能靠感觉得有方法。我的做法是做一个简单的“效果记录表”。固定条件同一个模型、同一个温度参数不要一边测模板一边换模型。只改一个变量每次只调整一个地方比如角色描述从“有经验”改成“有5年经验”或者把输出格式从列表改成JSON看效果变化。记录结果把每次输入、输出、你的满意度等级1-5分记录下来。满意就打高分不满意就记下问题点。快速迭代根据记录把低分模板拆开针对问题点做定向修改再测。坚持几次以后你会发现自己对“哪种提示词能带来哪种效果”越来越有直觉写提示词的速度也会快很多。5. 最后再分享几个实操心得提示词工程里没有一劳永逸但有一些经验能让你少走弯路。第一个心得是好的提示词不是一次性写出来的而是“逼”出来的。我自己很多模板都是在第一轮输出不满意之后针对不满意的地方加约束、加示例改了三四轮才定版。别怕第一版写得不够好重要的是记录下每一轮修改的原因下次写同类提示词时可以复用。第二个心得是模板里的变量越明显越不容易出错。用{背景}、{用户}这种清晰占位符比用“在这里填背景”更醒目替换时一目了然。花点时间把模板整理整齐长期看非常值得。第三个心得是提示词工程的核心目标不是让模型变得更强而是让你和模型之间的沟通成本更低。你写提示词时多花的那一分钟往往能帮你省下阅读和纠正输出的半小时。这套方法不一定适合所有场景但至少值得你从下一个任务开始试着把问题问得更完整一点。