1. 想清楚再动手提示词工程到底在解决什么问题聊提示词工程之前我先说一个真实感受这东西入门五分钟精通好几年。我见过太多人觉得“提示词不是随便写两句就行吗”结果真到了用的时候要么输出全是车轱辘话要么结果和预期差了十万八千里。我自己在几个实战项目里反复打磨了几十版提示词之后才慢慢总结出一套“能稳定出活”的写法。这篇就把我认为最值得立刻上手的 10 个技巧讲透后面还附一份可以直接拿去改的模板库省得你从零开始试错。先回到基本面。大语言模型的本质是一个根据前文预测下一个词的概率系统。你给它的文字决定了它后续所有输出的“可能性空间”。提示词工程本质上就是把这套概率空间往你想要的方向收窄角色、背景、步骤、格式、约束、示例都是在帮模型缩小“瞎猜”的范围。很多人说提示词是“魔法”其实不是它更像是在指挥一个知识丰富但没有方向感的实习生。你指令写得越具体他能做对的可能性就越高你只说“帮我写个好文案”他只能靠运气猜你心中那个“好”到底是什么。这也是为什么“模板库”这个概念能流行起来。一个好的模板等于把你所有踩过的坑、试过的有效表达固化下来下次换主题、换产品只需要改变量不用重新整理逻辑。但我也提醒一句模板不是圣旨它必须跟着模型版本、任务类型和业务场景做调整。同一个模板在 A 模型上效果好换到 B 模型上可能失灵这很正常原因我后面会展开讲。1.1 提示词工程的本质从“玄学”到“工程”我最早用大模型的时候也以为提示词就是“多说点好话”或者“态度强硬一点”。后来发现真正拉开差距的不是语气而是信息结构。你给模型的信息按照重要程度大致可以分为五层角色、任务、上下文、格式、边界。角色决定它用什么视角说话任务决定它干什么上下文决定它依靠哪些材料来干格式决定它怎么呈现结果边界决定哪些事绝对不能干、哪些情况必须停下。如果这五层全部清晰输出质量基本就有了保证。另一个关键点是“一次只解决一个问题”。很多人写提示词喜欢把所有需求塞进一句话“帮我写一封给客户的活动邀请邮件要有吸引力顺便分析一下最近三个月的销售数据再做个对比表。”你看这句话里有三种任务模型必然会顾此失彼。工程化的思路是拆解先让模型按照你给的模板生成邮件草稿再单独让另一个对话去分析数据最后再整合。每一步都简单明确出错的概率就大大降低了。1.2 为什么别人的优秀模板到了你手里就不灵这是我在实践中被问得最多的问题。同样一个热门模板别人用起来很好你复制过去却觉得“模型变笨了”。原因通常是三个。第一模型版本不同。老版本模型对复杂指令的理解能力弱新版本又可能产生新的“偏好”所以同一个模板在不同版本上效果不可能完全一致。第二任务领域不同。一个擅长写小红书文案的模板拿去让模型写代码注释自然水土不服因为角色的专业语境不匹配。第三你没有把“你独有的背景信息”填进去。模板里的“角色”“受众”“风格”不是装饰你必须认真替换成真实场景否则模型只能拿通用知识硬凑。所以我在日常工作中把模板当成“骨架”而不是“成品”。每一次使用前我都会对着模板做三件事确认角色描述是否准确、补充当前任务的背景和已知条件、检查输出格式是否是我真正想要的。磨刀不误砍柴工这个准备过程通常不到五分钟但能省下后续大把改稿时间。2. 十个能立刻上手的技巧每一招都从实战里筛出来下面这 10 个技巧是我从实际项目里被“虐”出来的不是教科书式的理论。每个技巧我会讲清楚怎么用、为什么有效、以及最容易踩的坑。2.1 技巧一给模型分配一个明确角色先定立场再谈内容很多人写提示词上来就是“帮我写一段产品介绍”这种写法最大的问题是没有立场。模型不知道你是要写给自己看的内部文档还是写给消费者的营销文案更不知道写出来要给谁看。角色设定的作用就是替模型“预装”一套视角和话术体系。我常用的写法是“你是一位有 10 年经验的家用电器产品经理擅长从用户痛点出发写产品说明书。请帮我写一段 300 字左右的扫地机器人新品介绍。”比起“帮我介绍下这个产品”这段提示词给模型提供了足够多的判断依据它知道要用产品经理的语言知道要从痛点切入也知道大致的篇幅。模型输出的内容自然会更贴近行业表达而不是空泛的“智能科技改变生活”。这里有个反直觉的坑角色不是越夸张越好。你让它扮演“全球顶级营销大师”除非你真的需要那种浮夸风格否则容易导致输出全是宏大词和没依据的承诺。角色要“贴题”不要“炫技”。2.2 技巧二把任务写成步骤清单不要写成一团描述我在初期写提示词时有个坏习惯喜欢用一大段自然语言描述任务。比如“你先分析一下这些数据总结出几个关键点再看看有没有异常的地方最好做个表格”。模型确实能勉强执行但执行顺序和重点全凭它自己发挥结果经常和我心里想的不一样。后来我改成把任务拆成编号步骤“第一步列出这份销售数据中销量最高的 3 个产品第二步对比它们过去 3 个月的增长率第三步用表格展示并给出每个产品的关键词第四步如果发现数据异常请单独在段落末尾说明。”这样写模型的注意力会被“步骤”牵着走遗漏关键点的概率大大降低。你可以把它理解为给实习生发工作任务清单一句话的说明只会换来一堆追问而编号步骤能让对方直接开始干。需要注意步骤数量控制在 5 步以内比较稳妥。超过 5 步的复杂流程建议拆成多次对话否则模型可能在执行后半段时已经把前面的要求忘得差不多了。2.3 技巧三背景信息要足但别把无关信息全塞进去大模型没有记忆它唯一能依赖的就是当前这次对话里的上下文。你如果不在提示词里告诉它必要的背景它就只能靠训练数据里的“常识”来猜。比如让模型帮你写一封投诉回复邮件你至少得说明投诉者是谁、投诉原因是什么、公司对此事的态度是什么、回复口径的底线在哪里。这些背景越具体模型的回复就越不会出格。但背景信息也不是越多越好。我见过有人把几十页产品资料一次性粘进提示词只为了问一个“第二段话怎么润色”结果模型被大量无关信息干扰反而忽略了核心指令。更好的做法是只摘录与当前任务直接相关的段落并明确说“请只依据上面提供的资料作答不要添加额外信息”。上下文就像给模型的“临时工作记忆”里面该放什么、不该放什么你要替它把好关。2.4 技巧四用输出格式约束结果让它开箱即用这条技巧对效率的提升是立竿见影的。很多人在提示词里只写“帮我总结一下”结果模型给你一段长篇大论你还得自己重新整理。更聪明的做法是直接指定输出格式“请用 Markdown 表格输出列名分别是产品名、适用人群、价格区间、推荐理由。”模型会自动把内容塞进表格里你复制出来就能用。对于更偏技术的场景可以直接要求 JSON 格式“输出 JSON包含 title 和 key_points 两个字段key_points 是字符串数组。”这样生成的结果可以直接被程序读取省去人工解析成本。格式要求越具体模型的“自由发挥空间”越小。实操中我发现格式指令最好放在提示词的后半段并且用一句“严格按照格式输出”来收尾模型“跑偏”的概率会明显下降。2.5 技巧五把边界条件写清楚让模型知道什么情况下必须“亮红灯”大部分模型都会在信息不足时“一本正经地瞎编”这是它的本能因为生成流畅内容比承认“不知道”要自然得多。但我们使用模型时往往希望它诚实。解决办法就是在提示词里明确画出一条边界。我常用的写法是“如果上面的资料中没有提到某类信息禁止你猜测请直接回复‘信息不足’并把缺失的信息项列出来。”比如在客服场景里你可以说“如果客户问的问题不在本知识库范围内不要自行回答请回复标准话术您可以留下联系方式专员会在 1 个工作日内答复。”这个技巧本质上是在教模型“拒绝执行”它需要你的明确授权才敢停下来。不过要注意否定式约束不能太多。你如果连写七八个“不要”模型反而会混乱有时为了避开“不要A”而误伤“想要B”的内容。最好的策略是每一条“不要”后面跟着一个“而是”给它一个可执行选项。2.6 技巧六给例子比给定义更管用少讲道理多摆事实想让模型理解你的风格偏好最直接的方法就是给它一个“示范”。比如你想让它用某种轻松幽默的文案风格写公众号开头与其描述“要有网感、接地气、带点自嘲”不如直接给它一段你满意的开头示例输入是“周末加班”输出是“别人周五晚上开始浪我周五晚上开始改第三版 PPT 的错别字”。这叫少样本提示是几乎所有高级提示词玩法的底层逻辑。模型的抽象能力很强但对“具体长什么样”的感知更敏感。你给两个高相关度的例子它就能比较准确地推断出你要的风格、结构、篇幅和语气。例子质量决定输出质量。我建议示例至少两个最好一个展示“理想状态”一个展示“不理想状态该怎么改”这样模型可以同时学习正反两面。如果示例本身质量和你要的方向不一致模型就会学错这一点务必留意。2.7 技巧七一次只让模型做一件事复杂任务拆成多轮对话有个现象在实战中非常典型你让模型同时做“改写润色 翻译 提炼关键词”它最后往往哪件事都没做扎实。这是因为每一步处理都会改变文本状态后面的任务基于前面已经“变形”的内容继续操作误差会被逐步放大。正确做法是拆成多轮对话。第一轮“请先润色下面这段话保证语感流畅。”拿到结果后第二轮“请把上一轮润色后的文本翻译成英文。”第三轮再从英文里提炼关键词。每次只设定一个任务模型的注意力最集中输出质量最稳定。如果你确实只想通过一次对话得到最终完整结果那就把“拆解后的步骤”明确写进提示词并且每一步都让模型“只输出中间结果”。有时候我也会用“先生成大纲等我说继续再写正文”的方式来控制节奏效果非常稳。2.8 技巧八主动要求模型提问让它在动手前补齐信息大多数人在向模型提需求时会默认“我已经把需求说清楚了”但实际上漏了一堆关键前提。比如你让模型“写一个产品上线方案”它不知道你的目标用户是谁、预算多少、团队几个人、上线渠道是什么它只能按通用模板给你一份“看起来很对、但无法落地”的方案。解决这个问题有个很反常识但极好用的技巧在你觉得需求模糊时直接在提示词里加一句“如果你认为需求存在歧义先不要生成内容请先向我提 3 个关键问题”。模型会真的停下来问你问题。你把答案补给它之后再让它继续输出质量会完全不一样。我甚至会把这句话写进团队内部的“提示词规范”里。它本质上是在用模型的反问机制帮你完成一次需求澄清。唯一的坑是模型有些版本可能会问出特别宽泛的问题比如“你的目标是什么”这时候你得在提示词里限定它“问题必须具体到可执行的程度”。2.9 技巧九用否定句限制风格快速排除雷区我原本对“不要怎样”这类指令持保留态度因为老觉得它会带来更多不确定性。但实测了几次之后我发现否定句在风格控制上意外好用。比如写正式邮件时你加一句“不要用‘首先、其次、最后’这类过渡词不要用感叹号不要出现‘亲’‘哈’这类口语词”模型的输出立刻会收敛很多。原因可能在于风格类问题往往“正面描述”说不清楚。你说“要正式”模型对“正式”的理解跨度很大但你说“不要出现某些具体元素”它很容易执行。因为否定是在“排除候选词”相当于给它划掉了好几个明显错误答案。不过我还是建议否定句不要超过三句而且最好配上一条正向要求。比如“不要用套话尽量用短句和具体细节说话”。这样一来模型既有禁区又有方向不会为了避开一个坑而跳进另一个坑。2.10 技巧十学会迭代和追问而不是推倒重来最容易被忽略的技巧其实是“多轮修改”。很多用户拿到第一版不满意的结果就立刻开一个新对话重新问一遍结果发现新答案没继承之前正确的内容反而更糟。更高效的方式是在原对话里继续追加指令“保留第 2 段的表述重写第 1 段和第 3 段整体语气更口语化一点。”这样模型能基于已经生成的内容做局部修正好的部分被保留坏的部分被替换质量和速度都更好。迭代式修改也意味着你要养成“版本管理”的习惯。同一段提示词今天改过哪个词、哪个例子最好随手记下来。我一般会在文档里保留每次改动的历史版本这样一旦新改法失灵可以快速回到上一次的好版本。这个过程听起来琐碎但真正在项目里跑久了你会发现它才是提示词工程最值钱的方法论。3. 模板库拿来即用的五个提示词模板下面这份模板库是我自己日常用得最多的几个你复制过去以后只需要把方括号里的内容改掉即可。每个模板我附了一句“使用提醒”告诉你最容易忽略的地方。3.1 万能写作模板适合公众号、小红书、产品文案# 角色 你是一位深耕[领域]内容创作的资深编辑擅长用[轻松专业/理性克制/温暖治愈]的语言表达。 # 任务 请围绕「[主题]」写一篇[体裁]目标读者是[人群]。 # 背景信息 [这里写清楚你要传达的核心信息、已有素材、风格偏好等] # 内容结构 - 开头直接抛出读者痛点或一个反常识观点 - 正文分[数字]个小点展开每一点包含核心观点具体例子 - 结尾给出一句可供执行的建议不要写空话 # 风格约束 - 每段不超过[数字]字多用短句 - 不要用“首先、然后、最后”这类连接词 - 不要用感叹号和网络烂梗 - 尽量用具体细节代替形容词 # 输出格式 输出正文即可无需解释。使用提醒这个模板最核心的是“背景信息”和“风格约束”两部分。背景信息越具体越能避免模型写出一堆正确的废话风格约束要按你的真实偏好去调整别完全照抄。3.2 数据分析提炼模板让模型帮你从素材里挖结论# 角色 你是一名有五年经验的数据分析师擅长从原始素材中提炼关键洞察。 # 原始素材 [粘贴你要分析的文本、表格或数据摘要] # 任务 请从上面的素材中提炼出 3 个最有价值的结论并用数据本身作为支撑依据。 # 边界条件 - 只能基于我提供的素材作答不得补充素材之外的信息 - 如果素材中缺少支撑某结论的数据请明确说明“缺少数据”不要猜测 - 每个结论控制在 60 字以内 # 输出格式 表格列名结论、支撑数据、对业务的意义。使用提醒这条模板在“素材质量”上要求很高。你粘贴的内容如果是零散的模型能提炼的也有限。建议先把原始材料做一次基础清洗再丢进去效果会翻倍。3.3 头脑风暴/起名模板适合产品命名、活动创意、选题方向# 角色 你是一位创意策划擅长为一个[品类/主题]输出多样化的灵感方向。 # 任务 围绕「[主题]」给我[数字]个创意方向要求每个方向都足够具体不能停留在抽象概念。 # 参考示例 输入给一款速溶咖啡做推广主题 输出主打“清晨 30 秒清醒”的打工人口号配套场景是地铁通勤/办公桌 # 要求 - 每个方向用 2-3 句话描述 - 不要重复相似的表达 - 至少包含 1 个用户痛点驱动型方向1 个品牌调性驱动型方向使用提醒这个模板里的参考示例很重要它决定了模型输出的“颗粒度”。你示例越具体模型给的方向就越可落地。如果你什么示例都不给模型大概率会给你一堆“突破自我、追求卓越”之类的空话。3.4 代码调试模板让模型帮你定位问题# 角色 你是一位后端开发专家擅长根据报错信息和代码上下文定位 bug。 # 我的代码 [粘贴相关代码片段] # 报错信息 [粘贴完整报错日志] # 需求说明 这个功能本来的预期行为是[描述预期结果] # 任务 请分析可能的原因并按可能性从高到低排序给出排查步骤。每个步骤要包含具体操作方式和期望看到的现象。 # 边界条件 如果没有足够信息不要直接给结论请先列出你还需要我提供哪些信息。使用提醒给模型贴代码时一定要同时告诉它“预期行为”是什么否则它只能从代码本身反推有时会答非所问。报错日志尽量贴全不要只贴最后一行。3.5 会议纪要模板把混乱的聊天记录变成结构化文档# 角色 你是一位高效的项目助理擅长把口语化讨论整理成清晰可执行的会议纪要。 # 原始记录 [粘贴聊天记录/语音转文字内容] # 任务 请输出一份会议纪要包含会议背景、关键讨论点、明确决议、待办事项。 # 待办事项要求 每条待办必须包含负责人如果有、动作、期望完成时间如果原始记录中没有这些信息请标注“待补充”。 # 输出格式 - 会议背景150 字以内 - 关键讨论点分点列出每点不超过 80 字 - 待办事项用表格列名事项、负责人、截止时间、备注使用提醒这种模板对原文的“信息完整性”要求很高。如果原始记录里没有责任人和时间模型只能靠猜我一般会明确标注“待补充”避免后续跟进出错。4. 常见问题与排查技巧实录我整理了在实战中最常遇到的 6 类问题每一类都给你对应的排查方向和解决动作。你可以把它当成一张速查表出问题时照着排查。现象可能原因排查方向与操作输出泛泛而谈没有实质内容角色、受众、场景不够具体补充背景信息加入目标用户画像和明确风格约束输出格式始终不对只描述了格式没有给示例在提示词中附一个“期望输出示例”并强调严格按格式输出生成内容明显存在事实错误模型在自由编造缺少边界限定“只能依据我提供的资料”作答并允许它说“信息不足”同一提示词结果忽好忽坏温度参数偏高或提示词有歧义调低 temperature 参数给提示词增加编号步骤和示例回答太啰嗦抓不住重点没有限制篇幅和结构明确“不超过 200 字”“用 3 个要点”等硬性长度约束模型忽略了一部分指令指令太多任务过重缩短提示词拆成多轮对话一次只做一件事4.1 一个笨但极其有效的排查方法单变量调试很多朋友遇到提示词效果不好第一反应是“把整段重写”。这其实是最浪费时间的做法因为你永远不知道是哪一句、哪个词导致了效果变化。我自己的习惯是像调代码一样调提示词先保存当前版本然后只改一个变量其他全部不动。比如这轮测试只加角色设定下一轮测试只加输出格式再下一轮测试只调整示例。一次只改一处看结果差异这样才能快速定位“最有价值的指令是哪几条”。我的具体操作是建一个“提示词调试表”四列版本号、改动内容、模型输出摘要、效果评分。别小看这个土办法它让我少走了至少一半弯路。如果你想更系统一点可以同时测 3 个候选版本每次只保留效果最好的那一个再基于它继续迭代。这个方法我用了很久稳定且可靠。4.2 为什么给模型“好角色”了输出还是不对劲我一开始也觉得角色设定是万能药后来发现角色设定的效果取决于“角色与任务的相关性”。你让模型扮演“资深律师”去写小红书文案它可能会不自觉用上书面的法律腔调反而不适合社交媒体传播。角色设定的本质是借用一个“专业的语言体系和判断框架”所以角色必须和任务高度匹配。另一个常见问题是角色描述太模糊。只说“你是一位专家”等于没说。好的角色描述应该包含三个要素领域、经验年限、擅长的工作方式。比如“你是一位有 8 年私域运营经验的社群经理擅长把用户痛点转化为日常话术”这样模型才知道自己该用什么颗粒度的语言来回答问题。4.3 输出格式复杂时模型容易偷工减料有时候你会想要一个比较复杂的 JSON 结构模型却只生成一部分字段或者干脆返回一串“示例说明”而不是纯 JSON。这个问题多半出在“格式指令放的位置”和“示例缺失”上。我建议格式要求放在提示词最后因为模型对最后一段文字的印象最深。另外一定要单独写一句“只输出纯 JSON不要加任何解释”否则它会把说明文字也塞进来。如果你用的模型对复杂 JSON 支持不好最简单的办法是拆两步第一步先让模型按表格输出字段内容第二步再把它转成 JSON。虽然多了一步但稳定性高得多。4.4 上下文太长或太短该怎么判断上下文太短模型缺少判断依据上下文太长模型注意力容易被稀释。怎么判断“刚刚好”我一般看两个信号如果输出里出现了“根据我的了解”“一般来说”这类词说明它开始依赖训练数据里的通用常识大概率是资料给少了如果输出里有一大段和当前任务无关的内容说明你给的背景里有杂质需要清理。理想状态是模型能引用你资料里的原文细节同时不新增你不知道的信息。为了保证这个效果我在提示词里经常会加一句“请只基于我提供的材料进行回答。如果必须引用材料中没有的信息请标注‘推测’。”这句话成本极低但对输出质量的提升很明显。5. 一个可以让你少走一年弯路的习惯最后分享一个我用了很久的习惯把提示词当成代码来管理而不是当成一次性聊天内容。每次修改前保存旧版本每次上线前用一个“固定测试集”验证效果团队的每个成员共用一套基础模板但保留个人调整记录。这套流程听起来很重但它解决了一个核心问题当输出质量突然下降时你能快速定位是模型版本变了、参数变了、还是提示词被谁改掉了。我个人在实操中最深的体会是提示词工程的瓶颈不在于“你会不会写漂亮话”而在于你有没有一套可重复、可验证的迭代机制。技巧再多如果不记录、不复盘、不沉淀成模板下一次你还是会从零开始。希望上面这些内容能让你少踩几个我当年踩过的坑。
提示词工程实战：十个高效技巧与可直接套用模板库
1. 想清楚再动手提示词工程到底在解决什么问题聊提示词工程之前我先说一个真实感受这东西入门五分钟精通好几年。我见过太多人觉得“提示词不是随便写两句就行吗”结果真到了用的时候要么输出全是车轱辘话要么结果和预期差了十万八千里。我自己在几个实战项目里反复打磨了几十版提示词之后才慢慢总结出一套“能稳定出活”的写法。这篇就把我认为最值得立刻上手的 10 个技巧讲透后面还附一份可以直接拿去改的模板库省得你从零开始试错。先回到基本面。大语言模型的本质是一个根据前文预测下一个词的概率系统。你给它的文字决定了它后续所有输出的“可能性空间”。提示词工程本质上就是把这套概率空间往你想要的方向收窄角色、背景、步骤、格式、约束、示例都是在帮模型缩小“瞎猜”的范围。很多人说提示词是“魔法”其实不是它更像是在指挥一个知识丰富但没有方向感的实习生。你指令写得越具体他能做对的可能性就越高你只说“帮我写个好文案”他只能靠运气猜你心中那个“好”到底是什么。这也是为什么“模板库”这个概念能流行起来。一个好的模板等于把你所有踩过的坑、试过的有效表达固化下来下次换主题、换产品只需要改变量不用重新整理逻辑。但我也提醒一句模板不是圣旨它必须跟着模型版本、任务类型和业务场景做调整。同一个模板在 A 模型上效果好换到 B 模型上可能失灵这很正常原因我后面会展开讲。1.1 提示词工程的本质从“玄学”到“工程”我最早用大模型的时候也以为提示词就是“多说点好话”或者“态度强硬一点”。后来发现真正拉开差距的不是语气而是信息结构。你给模型的信息按照重要程度大致可以分为五层角色、任务、上下文、格式、边界。角色决定它用什么视角说话任务决定它干什么上下文决定它依靠哪些材料来干格式决定它怎么呈现结果边界决定哪些事绝对不能干、哪些情况必须停下。如果这五层全部清晰输出质量基本就有了保证。另一个关键点是“一次只解决一个问题”。很多人写提示词喜欢把所有需求塞进一句话“帮我写一封给客户的活动邀请邮件要有吸引力顺便分析一下最近三个月的销售数据再做个对比表。”你看这句话里有三种任务模型必然会顾此失彼。工程化的思路是拆解先让模型按照你给的模板生成邮件草稿再单独让另一个对话去分析数据最后再整合。每一步都简单明确出错的概率就大大降低了。1.2 为什么别人的优秀模板到了你手里就不灵这是我在实践中被问得最多的问题。同样一个热门模板别人用起来很好你复制过去却觉得“模型变笨了”。原因通常是三个。第一模型版本不同。老版本模型对复杂指令的理解能力弱新版本又可能产生新的“偏好”所以同一个模板在不同版本上效果不可能完全一致。第二任务领域不同。一个擅长写小红书文案的模板拿去让模型写代码注释自然水土不服因为角色的专业语境不匹配。第三你没有把“你独有的背景信息”填进去。模板里的“角色”“受众”“风格”不是装饰你必须认真替换成真实场景否则模型只能拿通用知识硬凑。所以我在日常工作中把模板当成“骨架”而不是“成品”。每一次使用前我都会对着模板做三件事确认角色描述是否准确、补充当前任务的背景和已知条件、检查输出格式是否是我真正想要的。磨刀不误砍柴工这个准备过程通常不到五分钟但能省下后续大把改稿时间。2. 十个能立刻上手的技巧每一招都从实战里筛出来下面这 10 个技巧是我从实际项目里被“虐”出来的不是教科书式的理论。每个技巧我会讲清楚怎么用、为什么有效、以及最容易踩的坑。2.1 技巧一给模型分配一个明确角色先定立场再谈内容很多人写提示词上来就是“帮我写一段产品介绍”这种写法最大的问题是没有立场。模型不知道你是要写给自己看的内部文档还是写给消费者的营销文案更不知道写出来要给谁看。角色设定的作用就是替模型“预装”一套视角和话术体系。我常用的写法是“你是一位有 10 年经验的家用电器产品经理擅长从用户痛点出发写产品说明书。请帮我写一段 300 字左右的扫地机器人新品介绍。”比起“帮我介绍下这个产品”这段提示词给模型提供了足够多的判断依据它知道要用产品经理的语言知道要从痛点切入也知道大致的篇幅。模型输出的内容自然会更贴近行业表达而不是空泛的“智能科技改变生活”。这里有个反直觉的坑角色不是越夸张越好。你让它扮演“全球顶级营销大师”除非你真的需要那种浮夸风格否则容易导致输出全是宏大词和没依据的承诺。角色要“贴题”不要“炫技”。2.2 技巧二把任务写成步骤清单不要写成一团描述我在初期写提示词时有个坏习惯喜欢用一大段自然语言描述任务。比如“你先分析一下这些数据总结出几个关键点再看看有没有异常的地方最好做个表格”。模型确实能勉强执行但执行顺序和重点全凭它自己发挥结果经常和我心里想的不一样。后来我改成把任务拆成编号步骤“第一步列出这份销售数据中销量最高的 3 个产品第二步对比它们过去 3 个月的增长率第三步用表格展示并给出每个产品的关键词第四步如果发现数据异常请单独在段落末尾说明。”这样写模型的注意力会被“步骤”牵着走遗漏关键点的概率大大降低。你可以把它理解为给实习生发工作任务清单一句话的说明只会换来一堆追问而编号步骤能让对方直接开始干。需要注意步骤数量控制在 5 步以内比较稳妥。超过 5 步的复杂流程建议拆成多次对话否则模型可能在执行后半段时已经把前面的要求忘得差不多了。2.3 技巧三背景信息要足但别把无关信息全塞进去大模型没有记忆它唯一能依赖的就是当前这次对话里的上下文。你如果不在提示词里告诉它必要的背景它就只能靠训练数据里的“常识”来猜。比如让模型帮你写一封投诉回复邮件你至少得说明投诉者是谁、投诉原因是什么、公司对此事的态度是什么、回复口径的底线在哪里。这些背景越具体模型的回复就越不会出格。但背景信息也不是越多越好。我见过有人把几十页产品资料一次性粘进提示词只为了问一个“第二段话怎么润色”结果模型被大量无关信息干扰反而忽略了核心指令。更好的做法是只摘录与当前任务直接相关的段落并明确说“请只依据上面提供的资料作答不要添加额外信息”。上下文就像给模型的“临时工作记忆”里面该放什么、不该放什么你要替它把好关。2.4 技巧四用输出格式约束结果让它开箱即用这条技巧对效率的提升是立竿见影的。很多人在提示词里只写“帮我总结一下”结果模型给你一段长篇大论你还得自己重新整理。更聪明的做法是直接指定输出格式“请用 Markdown 表格输出列名分别是产品名、适用人群、价格区间、推荐理由。”模型会自动把内容塞进表格里你复制出来就能用。对于更偏技术的场景可以直接要求 JSON 格式“输出 JSON包含 title 和 key_points 两个字段key_points 是字符串数组。”这样生成的结果可以直接被程序读取省去人工解析成本。格式要求越具体模型的“自由发挥空间”越小。实操中我发现格式指令最好放在提示词的后半段并且用一句“严格按照格式输出”来收尾模型“跑偏”的概率会明显下降。2.5 技巧五把边界条件写清楚让模型知道什么情况下必须“亮红灯”大部分模型都会在信息不足时“一本正经地瞎编”这是它的本能因为生成流畅内容比承认“不知道”要自然得多。但我们使用模型时往往希望它诚实。解决办法就是在提示词里明确画出一条边界。我常用的写法是“如果上面的资料中没有提到某类信息禁止你猜测请直接回复‘信息不足’并把缺失的信息项列出来。”比如在客服场景里你可以说“如果客户问的问题不在本知识库范围内不要自行回答请回复标准话术您可以留下联系方式专员会在 1 个工作日内答复。”这个技巧本质上是在教模型“拒绝执行”它需要你的明确授权才敢停下来。不过要注意否定式约束不能太多。你如果连写七八个“不要”模型反而会混乱有时为了避开“不要A”而误伤“想要B”的内容。最好的策略是每一条“不要”后面跟着一个“而是”给它一个可执行选项。2.6 技巧六给例子比给定义更管用少讲道理多摆事实想让模型理解你的风格偏好最直接的方法就是给它一个“示范”。比如你想让它用某种轻松幽默的文案风格写公众号开头与其描述“要有网感、接地气、带点自嘲”不如直接给它一段你满意的开头示例输入是“周末加班”输出是“别人周五晚上开始浪我周五晚上开始改第三版 PPT 的错别字”。这叫少样本提示是几乎所有高级提示词玩法的底层逻辑。模型的抽象能力很强但对“具体长什么样”的感知更敏感。你给两个高相关度的例子它就能比较准确地推断出你要的风格、结构、篇幅和语气。例子质量决定输出质量。我建议示例至少两个最好一个展示“理想状态”一个展示“不理想状态该怎么改”这样模型可以同时学习正反两面。如果示例本身质量和你要的方向不一致模型就会学错这一点务必留意。2.7 技巧七一次只让模型做一件事复杂任务拆成多轮对话有个现象在实战中非常典型你让模型同时做“改写润色 翻译 提炼关键词”它最后往往哪件事都没做扎实。这是因为每一步处理都会改变文本状态后面的任务基于前面已经“变形”的内容继续操作误差会被逐步放大。正确做法是拆成多轮对话。第一轮“请先润色下面这段话保证语感流畅。”拿到结果后第二轮“请把上一轮润色后的文本翻译成英文。”第三轮再从英文里提炼关键词。每次只设定一个任务模型的注意力最集中输出质量最稳定。如果你确实只想通过一次对话得到最终完整结果那就把“拆解后的步骤”明确写进提示词并且每一步都让模型“只输出中间结果”。有时候我也会用“先生成大纲等我说继续再写正文”的方式来控制节奏效果非常稳。2.8 技巧八主动要求模型提问让它在动手前补齐信息大多数人在向模型提需求时会默认“我已经把需求说清楚了”但实际上漏了一堆关键前提。比如你让模型“写一个产品上线方案”它不知道你的目标用户是谁、预算多少、团队几个人、上线渠道是什么它只能按通用模板给你一份“看起来很对、但无法落地”的方案。解决这个问题有个很反常识但极好用的技巧在你觉得需求模糊时直接在提示词里加一句“如果你认为需求存在歧义先不要生成内容请先向我提 3 个关键问题”。模型会真的停下来问你问题。你把答案补给它之后再让它继续输出质量会完全不一样。我甚至会把这句话写进团队内部的“提示词规范”里。它本质上是在用模型的反问机制帮你完成一次需求澄清。唯一的坑是模型有些版本可能会问出特别宽泛的问题比如“你的目标是什么”这时候你得在提示词里限定它“问题必须具体到可执行的程度”。2.9 技巧九用否定句限制风格快速排除雷区我原本对“不要怎样”这类指令持保留态度因为老觉得它会带来更多不确定性。但实测了几次之后我发现否定句在风格控制上意外好用。比如写正式邮件时你加一句“不要用‘首先、其次、最后’这类过渡词不要用感叹号不要出现‘亲’‘哈’这类口语词”模型的输出立刻会收敛很多。原因可能在于风格类问题往往“正面描述”说不清楚。你说“要正式”模型对“正式”的理解跨度很大但你说“不要出现某些具体元素”它很容易执行。因为否定是在“排除候选词”相当于给它划掉了好几个明显错误答案。不过我还是建议否定句不要超过三句而且最好配上一条正向要求。比如“不要用套话尽量用短句和具体细节说话”。这样一来模型既有禁区又有方向不会为了避开一个坑而跳进另一个坑。2.10 技巧十学会迭代和追问而不是推倒重来最容易被忽略的技巧其实是“多轮修改”。很多用户拿到第一版不满意的结果就立刻开一个新对话重新问一遍结果发现新答案没继承之前正确的内容反而更糟。更高效的方式是在原对话里继续追加指令“保留第 2 段的表述重写第 1 段和第 3 段整体语气更口语化一点。”这样模型能基于已经生成的内容做局部修正好的部分被保留坏的部分被替换质量和速度都更好。迭代式修改也意味着你要养成“版本管理”的习惯。同一段提示词今天改过哪个词、哪个例子最好随手记下来。我一般会在文档里保留每次改动的历史版本这样一旦新改法失灵可以快速回到上一次的好版本。这个过程听起来琐碎但真正在项目里跑久了你会发现它才是提示词工程最值钱的方法论。3. 模板库拿来即用的五个提示词模板下面这份模板库是我自己日常用得最多的几个你复制过去以后只需要把方括号里的内容改掉即可。每个模板我附了一句“使用提醒”告诉你最容易忽略的地方。3.1 万能写作模板适合公众号、小红书、产品文案# 角色 你是一位深耕[领域]内容创作的资深编辑擅长用[轻松专业/理性克制/温暖治愈]的语言表达。 # 任务 请围绕「[主题]」写一篇[体裁]目标读者是[人群]。 # 背景信息 [这里写清楚你要传达的核心信息、已有素材、风格偏好等] # 内容结构 - 开头直接抛出读者痛点或一个反常识观点 - 正文分[数字]个小点展开每一点包含核心观点具体例子 - 结尾给出一句可供执行的建议不要写空话 # 风格约束 - 每段不超过[数字]字多用短句 - 不要用“首先、然后、最后”这类连接词 - 不要用感叹号和网络烂梗 - 尽量用具体细节代替形容词 # 输出格式 输出正文即可无需解释。使用提醒这个模板最核心的是“背景信息”和“风格约束”两部分。背景信息越具体越能避免模型写出一堆正确的废话风格约束要按你的真实偏好去调整别完全照抄。3.2 数据分析提炼模板让模型帮你从素材里挖结论# 角色 你是一名有五年经验的数据分析师擅长从原始素材中提炼关键洞察。 # 原始素材 [粘贴你要分析的文本、表格或数据摘要] # 任务 请从上面的素材中提炼出 3 个最有价值的结论并用数据本身作为支撑依据。 # 边界条件 - 只能基于我提供的素材作答不得补充素材之外的信息 - 如果素材中缺少支撑某结论的数据请明确说明“缺少数据”不要猜测 - 每个结论控制在 60 字以内 # 输出格式 表格列名结论、支撑数据、对业务的意义。使用提醒这条模板在“素材质量”上要求很高。你粘贴的内容如果是零散的模型能提炼的也有限。建议先把原始材料做一次基础清洗再丢进去效果会翻倍。3.3 头脑风暴/起名模板适合产品命名、活动创意、选题方向# 角色 你是一位创意策划擅长为一个[品类/主题]输出多样化的灵感方向。 # 任务 围绕「[主题]」给我[数字]个创意方向要求每个方向都足够具体不能停留在抽象概念。 # 参考示例 输入给一款速溶咖啡做推广主题 输出主打“清晨 30 秒清醒”的打工人口号配套场景是地铁通勤/办公桌 # 要求 - 每个方向用 2-3 句话描述 - 不要重复相似的表达 - 至少包含 1 个用户痛点驱动型方向1 个品牌调性驱动型方向使用提醒这个模板里的参考示例很重要它决定了模型输出的“颗粒度”。你示例越具体模型给的方向就越可落地。如果你什么示例都不给模型大概率会给你一堆“突破自我、追求卓越”之类的空话。3.4 代码调试模板让模型帮你定位问题# 角色 你是一位后端开发专家擅长根据报错信息和代码上下文定位 bug。 # 我的代码 [粘贴相关代码片段] # 报错信息 [粘贴完整报错日志] # 需求说明 这个功能本来的预期行为是[描述预期结果] # 任务 请分析可能的原因并按可能性从高到低排序给出排查步骤。每个步骤要包含具体操作方式和期望看到的现象。 # 边界条件 如果没有足够信息不要直接给结论请先列出你还需要我提供哪些信息。使用提醒给模型贴代码时一定要同时告诉它“预期行为”是什么否则它只能从代码本身反推有时会答非所问。报错日志尽量贴全不要只贴最后一行。3.5 会议纪要模板把混乱的聊天记录变成结构化文档# 角色 你是一位高效的项目助理擅长把口语化讨论整理成清晰可执行的会议纪要。 # 原始记录 [粘贴聊天记录/语音转文字内容] # 任务 请输出一份会议纪要包含会议背景、关键讨论点、明确决议、待办事项。 # 待办事项要求 每条待办必须包含负责人如果有、动作、期望完成时间如果原始记录中没有这些信息请标注“待补充”。 # 输出格式 - 会议背景150 字以内 - 关键讨论点分点列出每点不超过 80 字 - 待办事项用表格列名事项、负责人、截止时间、备注使用提醒这种模板对原文的“信息完整性”要求很高。如果原始记录里没有责任人和时间模型只能靠猜我一般会明确标注“待补充”避免后续跟进出错。4. 常见问题与排查技巧实录我整理了在实战中最常遇到的 6 类问题每一类都给你对应的排查方向和解决动作。你可以把它当成一张速查表出问题时照着排查。现象可能原因排查方向与操作输出泛泛而谈没有实质内容角色、受众、场景不够具体补充背景信息加入目标用户画像和明确风格约束输出格式始终不对只描述了格式没有给示例在提示词中附一个“期望输出示例”并强调严格按格式输出生成内容明显存在事实错误模型在自由编造缺少边界限定“只能依据我提供的资料”作答并允许它说“信息不足”同一提示词结果忽好忽坏温度参数偏高或提示词有歧义调低 temperature 参数给提示词增加编号步骤和示例回答太啰嗦抓不住重点没有限制篇幅和结构明确“不超过 200 字”“用 3 个要点”等硬性长度约束模型忽略了一部分指令指令太多任务过重缩短提示词拆成多轮对话一次只做一件事4.1 一个笨但极其有效的排查方法单变量调试很多朋友遇到提示词效果不好第一反应是“把整段重写”。这其实是最浪费时间的做法因为你永远不知道是哪一句、哪个词导致了效果变化。我自己的习惯是像调代码一样调提示词先保存当前版本然后只改一个变量其他全部不动。比如这轮测试只加角色设定下一轮测试只加输出格式再下一轮测试只调整示例。一次只改一处看结果差异这样才能快速定位“最有价值的指令是哪几条”。我的具体操作是建一个“提示词调试表”四列版本号、改动内容、模型输出摘要、效果评分。别小看这个土办法它让我少走了至少一半弯路。如果你想更系统一点可以同时测 3 个候选版本每次只保留效果最好的那一个再基于它继续迭代。这个方法我用了很久稳定且可靠。4.2 为什么给模型“好角色”了输出还是不对劲我一开始也觉得角色设定是万能药后来发现角色设定的效果取决于“角色与任务的相关性”。你让模型扮演“资深律师”去写小红书文案它可能会不自觉用上书面的法律腔调反而不适合社交媒体传播。角色设定的本质是借用一个“专业的语言体系和判断框架”所以角色必须和任务高度匹配。另一个常见问题是角色描述太模糊。只说“你是一位专家”等于没说。好的角色描述应该包含三个要素领域、经验年限、擅长的工作方式。比如“你是一位有 8 年私域运营经验的社群经理擅长把用户痛点转化为日常话术”这样模型才知道自己该用什么颗粒度的语言来回答问题。4.3 输出格式复杂时模型容易偷工减料有时候你会想要一个比较复杂的 JSON 结构模型却只生成一部分字段或者干脆返回一串“示例说明”而不是纯 JSON。这个问题多半出在“格式指令放的位置”和“示例缺失”上。我建议格式要求放在提示词最后因为模型对最后一段文字的印象最深。另外一定要单独写一句“只输出纯 JSON不要加任何解释”否则它会把说明文字也塞进来。如果你用的模型对复杂 JSON 支持不好最简单的办法是拆两步第一步先让模型按表格输出字段内容第二步再把它转成 JSON。虽然多了一步但稳定性高得多。4.4 上下文太长或太短该怎么判断上下文太短模型缺少判断依据上下文太长模型注意力容易被稀释。怎么判断“刚刚好”我一般看两个信号如果输出里出现了“根据我的了解”“一般来说”这类词说明它开始依赖训练数据里的通用常识大概率是资料给少了如果输出里有一大段和当前任务无关的内容说明你给的背景里有杂质需要清理。理想状态是模型能引用你资料里的原文细节同时不新增你不知道的信息。为了保证这个效果我在提示词里经常会加一句“请只基于我提供的材料进行回答。如果必须引用材料中没有的信息请标注‘推测’。”这句话成本极低但对输出质量的提升很明显。5. 一个可以让你少走一年弯路的习惯最后分享一个我用了很久的习惯把提示词当成代码来管理而不是当成一次性聊天内容。每次修改前保存旧版本每次上线前用一个“固定测试集”验证效果团队的每个成员共用一套基础模板但保留个人调整记录。这套流程听起来很重但它解决了一个核心问题当输出质量突然下降时你能快速定位是模型版本变了、参数变了、还是提示词被谁改掉了。我个人在实操中最深的体会是提示词工程的瓶颈不在于“你会不会写漂亮话”而在于你有没有一套可重复、可验证的迭代机制。技巧再多如果不记录、不复盘、不沉淀成模板下一次你还是会从零开始。希望上面这些内容能让你少踩几个我当年踩过的坑。
