先说明一点这篇文章不是“看完了就觉得懂了”的科普贴而是我在实际写提示词、调提示词、被提示词坑过很多次之后攒下来的一套能直接抄进工作流里的操作方法。如果你正在跟ChatGPT、Kimi、通义、文心这类大模型打交道觉得“AI有时候聪明有时候傻”写出来的东西总是差那么点意思那问题大概率不在模型而在你给出去的那段话。提示词工程不是什么高深学科说白了就是研究怎么把需求说清楚、让模型一次就懂、少返工。这篇文章里的10个技巧全部都是我在真实业务场景中验证过、能实际提升输出质量的。文章后面附带一套可直接复制的模板库不只是演示“模板长什么样”连每个模板适合什么场景、怎么改参数、容易踩什么坑都会一并说清。这10个技巧最初没有刻意分类但写着写着发现它们其实指向同一个目标把模糊的期望变成可执行的约束。角色设定给模型一个立场负向排除划掉雷区格式约定指明呈现方式示例驱动说明风格方向——每一层都是在替模型减少猜你心思的难度。换个角度理解提示词工程的本质是翻译工作。人类脑子里的“想要的感觉”是模糊的模型能处理的是结构化的指令。所谓技巧其实是一套翻译规则目标要拆、上下文要给、输出要限、边界要划、例子要举、提问要拆、语气要定、迭代要留、长度要控、步骤要分。与其把这10个技巧当成10个散招不如把它当成一套组合工具。就像做饭角色设定是选菜系上下文注入是备菜格式约束是装盘迭代反馈是尝味道。单个技巧或许只是锦上添花组合起来使用才真正稳定。所以模板库部分我特意把多个技巧合并写成了一个个可直接复制的整体模板而不是让读者自己去拼装。这也是我发现的一个反经验结论好的提示词不追求“一步到位”而是追求“每一步都很稳”。与其憋一个万能提示词不如在对话过程中不断补充细节二次、三次追问地把问题边界收窄。做提示词工程最忌讳的就是拿“写个方案”“写篇文章”这种需求直接问模型。模型不是不想帮你是它不知道该把钱花在哪里。这里有个我自己琢磨出来的经验口诀叫“五件套检查法”。每次提示词写得没底就顺着这五件事自查一遍这个提示词给模型的位置和视角了吗说的是“你想让它做什么”还是“你希望它是什么样”前者是任务后者是角色两者不冲突但一定要先说角色。交代足够背景了吗你只丢一句“帮我写封回信”模型不知道你和对方什么关系、此前发生过什么、你希望回信的立场是什么。背景信息就是模型的脚手架没有脚手架它只能瞎盖。输出格式你说了吗要表格、要点、段落还是code很多提示词效果不好恰恰是因为“格式”成了最后一个没人管的需求。有没有告诉模型不做什么这就是“不要用列表”“不要用太官方的语气”这些负向指令的价值。有没有给模型一个自我纠错的机会结尾加一句“如果信息不足请列出你需要的补充信息”这个提示词就更像一个真人在跟你确认需求而不是AI在硬猜。这五件事做完哪怕技巧一条都没记住提示词的水准也已经超过大部分人了。接下来我把10个技巧逐个拆开讲清楚。每个技巧都会说三件事为什么有效、怎么用、容易踩什么坑。技巧一角色锚定角色锚定是我使用频率最高的技巧。给模型设定一个具体角色本质上是在设定一种语言生成的先验分布。一个“资深律师”和一个“小学生作文老师”给出的文本用词、句式、逻辑组织方式天然不同角色提示就是在替模型锁定这层差异。比如“帮我把这段产品文案改得正式一点”改成“你是一名品牌公关总监请把这段给媒体通稿的产品介绍改得正式、克制、信息密度高”效果差异肉眼可见。用角色锚定有两个关键点。角色要具体不要只说“你是专家”“你是服务过50家大型制造企业的ERP实施顾问”才算锚定得住。角色要跟任务匹配让“育儿博主”去写“年报分析”反而会跑偏。技巧二任务动词前置很多人写提示词是把背景写了一大段真正要做什么放在最后一行。模型理解能力强还好稍微弱一点就容易被前面的背景信息带偏。把任务动词前置是降低理解成本最便宜的方式。“分析这份销售数据找出连续三个月下降的产品线”——用“分析”这个动词开头比“这里有一份销售数据你看一下”来得明确得多。动词越精准越好。“写”“生成”“总结”“提炼”“改写”“翻译”每个动词对应的输出要求完全不同用混了模型就会无所适从。技巧三格式即答案一部分历史是实际编造表格的格式让你的提示词直接规定输出结构是提升提示词成功率性价比最高的操作。与其让模型发挥创造力排布内容不如先给它一张清晰的表格骨架让它填内容。对比一下“列出客户投诉的原因和解决对策”和“用表格列出客户投诉的前5大原因并针对每项原因给出两点解决对策表头为序号、原因、解决对策、紧急程度”后者明显更容易得到结构化结果。格式约束还有一个额外的好处当输出是固定结构时后续做程序化解析、清洗或人工检查都更方便。技巧四示例驱动示例驱动的建议是当你想描述“是什么感觉”时一段50字的样例比200字的形容词有效得多。模型对模式的学习能力远强于对抽象指令的遵循能力给它一个小样本它就顺着这个模式去生成。想让它“按品牌年轻化调性改写”——这句话太抽象“按这个风格改写‘不跟生活较劲但要跟平庸叫板’”——样例直接定义了什么叫“年轻化调性”。示例驱动是各类大模型能力里最被低估的技巧没有之一。特别是文案改写、标题生成、风格模仿类任务一个示例顶得上一百个形容词。技巧五负数约束给提示词加上“不要什么”的约束效果往往比只告诉它“要什么”更立竿见影。因为AI生成时不会来回审自己的思路但它会一般性地优先匹配你提到的词汇负面词汇也一样会参与匹配。比如写会议纪要加上“不要使用列表以外的格式不要加入礼节性用语不要对参会者发言做价值判断”会议纪要的质量会立刻干净起来。负数约束的关键是具体。不要写“不要太啰嗦不要官方化”要写“不要出现‘综上所述’‘赋能’‘抓手’等词汇不要出现超过30个字的单句”。技巧六拆分提问给模型一个大而全的任务它大概率会均匀地把力气分配到每个部分结果就是每个部分都不够深入。把大任务拆成多个小问题分步提问是使输出质量提升最直接的方式。写“做一份市场分析报告”这样的提示词模型给出来的往往是空泛框架。可如果先问“这个行业过去三年的主流获客渠道变化是什么”再问“这些渠道的转化率大概在什么水平”接着问“给新进入者建议优先选择哪个渠道及理由”三次提问拿到的东西一定比一次大而全的提问深得多。这就是“拆分提问”的思路每问深入一个细节逐步逼近答案。原因很简单模型的注意力窗口在一次回答内容有限分散到多个问题上就会稀释质量。技巧七思维链思维链这个技巧是让模型先解释推理过程再给出结论。对数学计算、逻辑分析、方案评价这类复杂推理任务很有用理论上的原因是人是用步骤推导答案的模型连续生成的token里本身就携带推理路径显式要求它写出来会让答案更严谨。比如不要直接问“这组数据说明了什么问题”而让模型先“列出数据包含的主要指标和变化趋势各用一个自然段分析最后给出结论”。这其实是在强迫模型先完成推理再基于推理结果给结论而不是跳过推理直接猜。思维链不适合轻松随意的写作任务那些场景下用这个技巧反而会让文字显得僵硬。技巧八上下文注入大模型的知识储备很强但它不知道你的行业、你的用户、你的项目背景。上下文注入就是把这些关键信息“喂”给模型让它站到你的信息场上说话。写“帮我写一封给客户的调研问卷开场信”模型会写出一封极其正确的废话。可如果你给它加上“客户群体是一线城市的互联网产品运营人员平均年龄26岁对行业术语已经很熟悉我们触达目的是邀请参加一场关于效率工具的线上工作坊”这封信的敲定程度就完全不同了。上下文注入的关键是选择性。不是给所有资料而是给出影响回答方向的几个核心变量就足够了。资料太多反而会稀释模型对核心诉求的注意力。技巧九输出长度控制“简短一些”“长一点”这种描述对模型来说几乎没有约束力。但“控制在100字以内”“输出3个要点每个要点不超过50字”这类限定是精确可信的。一个亲测有效的写法是“用三段话回答每段不超过100字第一段给结论第二段给理由第三段给行动建议。”长度控制加上段落功能说明模型对结构的把握会准确得多。你可能会觉得100字和200字差异不大但模型跟人一样连你不较真的细节它也会一并草率处理。你明确了数字它才会按数字的尺子去搭内容。技巧十迭代修正这个技巧不能算“一次就能写对”的手段但它其实是整个提示词工程中最值得投入时间的一个设计。一次两次就聊出满意答案的人很少优秀提示词几乎都是“第一版可以看第二版开始好第三版才真正好用”。我的习惯是任何复杂任务至少留出三轮对话的余量。第一轮是需求理解让模型复述它理解到的任务第二轮是输出试运行根据结果补充细节第三轮是最终打磨修正具体用词和格式。迭代修正的本质是把和模型对话当成与人类同事协作而不是当成使用搜索引擎。你在对话中不断补充的新信息本身就是最有价值的“上下文注入”。上面10个技巧是这套打法的基础。下面把这些技巧组合成可以直接复用的模板库从场景切入每个模板附带参数替换说明。模板库的使用方式很简单复制到输入框把你自己的信息填入【占位符】位置删掉解释说明直接发送即可。在实际使用中我强烈建议先把模板原样跑一遍看看输出大概什么水准再逐步替换成自己的内容。因为模板跑出来的输出偏差如果过大多半不是你填的信息出了问题而是模型本身对模板的那套口味不契合需要调整模板里的风格约定词。模板一角色融合任务模板适用场景需要专业视角看待问题单次任务质量要求高。模板如下 你是一名【岗位角色】服务过【行业类型】客户擅长【核心技能】。请基于以下背景完成【具体任务】。背景信息【关键事实1】【关键事实2】【关键事实3】要求表达风格【风格形容词如“直接、克制、少修饰”】以【输出格式如“三段式短文/表格/要点”】呈现不要出现【排除项】如果信息不足列出你需要的补充资料。以“新手写作教练”为例写一篇500字的公众号文章招募写作训练营学员。模板“吃”进去之后的效果通常从“广告感强烈的售课文案”变成“有方法论沉淀、有体感的教练式文字”。模板二格式与结构硬约束模板适用场景报告、纪要、方案等对结构要求严格的文本。模板如下 请将以下原始内容按要求格式化输出。原始内容【粘贴你的资料】输出格式要求一级结构为【确定大标题】下的【确定小节数】个小节每个小节先给核心结论再给支撑细节所有细节用【列表/表格】呈现全文不超过【数字】字禁止【排除项】硬性格式最考验的是指标的合理性。刚开始使用时字数限制可以放宽先看结构再收紧字数。模板三示例驱动的风格转化模板适用场景改文案、写标题、定调性需要模仿特定语言风格。模板如下 你擅长将普通文字改写为有风格感的表达。请将这段文字 【原始文本】改写为以下风格 【示例文本】要求保留原文的核心信息点【信息点1】【信息点2】语气接近【示例文本】的节奏和用词习惯控制在【字数】以内不要直接复制【示例文本】中的实词这个模板的核心是两个区别一是“保留信息点”这让改写有根二是“不要直接复制实词”这让改写有变化。两个约束一起用改写质量远高于只给一句“按这个风格写”。模板四多轮深挖访谈模板适用场景选题研究、用户调研、竞品分析等连续性深度内容挖掘。模板如下 我将向你提供一段背景信息。请你以【提问者角色】的身份向我提问逐步深入了解以下主题【主题】。第一轮先问我三个最关键的问题然后根据我的回答继续追问。每次追问都面向决策目标【决策目标】。背景信息 【你的已知信息】这个模板的价值在于它把主动权交还给了提问者——也就是你。模型成了采访者而不是答题者这套方法对“你有一些思路但还没理清”的场景非常有效它帮你在对话中把思路拉直。模板五复述与自检模板适用场景需求确认、测试AI理解能力、辅助学习。模板如下 我将给你一段任务描述。请先不要执行任务用你自己的话复述你理解的任务目标、输出要求和使用场景然后列出你在执行过程中可能遇到的3个理解难点。确认无误后再开始执行。任务描述 【你的任务原文】这个模板的妙用是当你不确定自己给的提示词是否足够清晰时加上这一步让模型先复述一遍需求。它复述得越准确后面执行就越可靠。很多时候模型“回答得不对”其实是在“理解阶段”就已经跑偏了。模板六头脑风暴互补模板适用场景点子产出、创意发想、方案开辟思路。模板如下 我们正在进行【主题】的头脑风暴。我先说出我的初步想法你来负责挑战它、补充它并提出我可能忽略的方向。我的初步想法 【你的想法】请给我三类反馈这个想法的3个潜在问题3个可以立即执行的优化方向3个你看来我未想到的全新切入点这个模板每次都能给出高质量反馈的原因在于它把模型定位成“思考伙伴”而不是“答题机器”触发它调用批判性思维参与任务而不是顺着用户的话去讨好式认同。模板七总结提炼多级抽提模板适用场景长文总结、会议纪要、资料压缩。模板如下 请将以下内容分为两级提炼。第一级用300字概括全文核心逻辑包括背景、转折和结论。 第二级用5个列表项列出全文最重要的5条信息每条不超过30字。资料来源 【粘贴内容】做一个实操细节说明两级提炼这个设定并不是多多益善压缩层次拉得太开模型容易失焦。二级提炼是最均衡的选择。模板八翻译与本地化模板适用场景跨语言内容生产、多语言宣发、资料外译。模板如下 你是一名专业译员擅长技术/商务/营销领域的【目标语言】本地化。请将以下内容翻译为【目标语言】要求不逐字直译按目标语言表达习惯重新组句保留专业术语准确度不随意替换行业惯用词风格目标为【风格描述如“简洁有力/商务正式/轻松口语”】翻译后附加一段不超过100字的翻译策略说明重点是最后的策略说明它能让模型解释为什么选择这种翻译你也能从中判断翻译的质量是否值得信任。模板九数据分析解读模板适用场景表格数据、报表指标、增长数据的初步解读。模板如下 你是一名数据分析师。以下是一组【业务场景】的数据请按以下步骤分析先列出数据中最显著的3个变化点分析每个变化点可能的原因并按可能性排序指出数据中可能相互矛盾或需要进一步验证的地方数据 【粘贴数据表或指标】“指出矛盾点”这个要求特别关键。它逼着模型不盲信数据而是做批判性判断往往能挖出你看数据的盲区。模板十文案一键改写模板适用场景公众号、朋友圈、小红书、短视频脚本等社交内容快速改写。模板如下 你是一名社交媒体内容专家擅长将同一件事用不同平台的语言风格表达。原始素材 【你的素材或口吻随意的一句话】请输出3个版本的改写 版本A朋友圈风格真实、克制、有个人态度不超过150字 版本B小红书风格有场景感、有情绪、突出实用信息带3个emoji不超过250字 版本C公众号风格逻辑清晰、有知识增量内部分三小段每段不超过150字改完后请用一句话分别解释每个版本的核心调性和适用人群。这个模板适合做内容矩阵。同一个素材改三个版本既节约时间也能通过不同平台跑数据反推用户口味。前面给的是能直接抄的“正手”这一节说反手那些看起来很合理、实际很容易翻车的写法和注意事项。有些提示词乍一看逻辑通顺发给模型后却频繁产出废稿。我梳理了几个典型的“翻车现场”做成速查表方便你在调试时对号入座常见现象深层原因修复手段回答空泛、口号化目标太大缺少具体场景和数据锚点补上上下文注入给出更细的背景、对象、示例回复格式混乱只给了内容要求、没给格式约束增加格式约束模板明确要表格、分段或列表生成内容跑偏任务描述里同时塞进去多个问题拆分提问一次只让模型聚焦一个子任务风格自说自话过度依赖“语气词”暗示缺少角色锚定明确角色用具体角色来锁定语气输出质量“薛定谔”依赖单轮提问没有迭代反馈用多轮对话的迭代修正每次针对上一版输出补约束内容有权威感的废话缺少负向排除指令加上“不要出现……否则……”的负向限制模型“一本正经胡说八道”要求输出的内容超出模型可靠知识边界提供可信资料片段让模型基于资料作答开头正确但越写越走样任务链路过长模型在中段失去方向把长任务切成多个短任务或把任务步骤写进提示词的输出格式里这8类问题解释了提示词工程里大部分“为什么AI这么蠢”的真实原因。模型不是蠢是你的提示词在某个环节给它留了太多自由发挥的余地。还有一些“软性禁忌”不会被模型识别成错误但会明显拉低输出品质。说几个实际操作中最容易踩的雷。第一堆砌同义形容词。比如“要专业、要高级、要有深度、要权威感”这些词加得越多模型越不知道哪个优先最后输出会试图平均用力。不如只选定一个主形容词再提供一个具体示例文本。第二用“说人话”这类模糊负向指令。模型对“说人话”的理解来自训练数据里的差评文本和生活化文本大概率会输出另一种“过于口语化”的结果。更好的写法是“避免使用任何专业术语所有概念必须用一个生活化类比解释”。第三把提示词写成“万能式”请求。“你是一个聪明的AI请帮我……”这种开头完全没有信息量等于没有提示词。真正的提示词应该从角色、任务、格式、约束四个层级递进。我自己调试提示词的经验是遵循三个稳字原则信息要能给到明处、不留给模型猜的余地格式约束要前置不要等它生成完再空想“怎么调整”如果感觉输出不对劲先去检查输入里缺了什么而不是抱怨模型不够聪明。再单独强调一个很多人忽略的实操环节提示词的调试和测试方法。如果你长期要用某类提示词建议保留一份“调试日志”。记录每次提示词的版本变化、模型输出、你调整的原因以及最终效果如何。这种记录习惯的价值很快会显现不要靠记忆重造提示词那是最低效的做法。具体调试可以分为三个轮次。第一轮是“跑得通”。先不加复杂约束用最简单的版本测试模型是否能理解任务。这一轮唯一目标是“不跑偏”输出格式乱、风格不对都无所谓。第二轮是“立规矩”。在跑得通的基础上逐步加入格式约束和负向排除。每加一条就重新测试一次观察输出是否有改善。一次只加一条不要三个约束一起上。第三轮是“定风格”。把角色、示例、风格描述这些高敏感性参数加进去调节到输出风格最合适的版本。此时你会明显看到提示词从“能用”变成“好用”。三轮调试法比试图一口气写出一条完美的提示词要靠谱得多。主要原因在于每步只改动一个变量你能清楚地感知到“哪一条提示词在真正决定输出质量”这对后续精准调整很有价值。最后再分享一些我在各种场景里的使用心得看看这些技巧组合到一起后在真实世界中的状态。内容创作场景比如写公众号文章。我一般是先让模型生成三个选题方向从中选定一个后用“角色锚定格式约束”生成大纲再根据大纲一段段填充内容。整篇文章写完后用“示例驱动负面约束”做一轮风格统一和删减。整个过程看起来比直接让AI“写一篇文章”多做了好几步但效果是“修改稿”而不是“重写稿”。产品运营场景比如写活动文案。用“头脑风暴互补模板”想活动主题用“文案一键改写模板”出不同渠道的推广文案再用“格式与结构硬约束模板”生成活动细则。每一条模板都在负责任务链条上的一段比单独靠一个万能提示词强得多。学习研究场景比如读一些深度行业资料。我先用“总结提炼多级抽提模板”把核心逻辑压缩出来然后用“多轮深挖访谈模板”扮演同行评审逆向提问、挑战结论。这相当于学习进程中嵌了一个随时可对话的导师。这里有一点必须先说清楚提示词工程不是魔法模板更不是银弹。输入垃圾的提示词顶多只能得到“排列整齐的垃圾”。模板的价值是帮你把思考过程固化成可复现的步骤让你不必每次都从零开始想“怎么让AI听得懂我”。但真正让这套体系发挥价值的是你对业务目标的理解、对输入的整理、对输出质量的判断力。提示词只是表达的工具你才是内容的决策者。每篇高质量输出背后其实是三条线在同时工作一条是你对任务的透彻理解一条是你对模型的准确预期还有一条是你对结果的自我标准。这三个维度有一项模糊提示词就会塌陷。写到这里又想起一个很实用的习惯。我每次写完提示词准备发之前都会自己在脑海里“预演”一遍如果我是模型按照这段提示词我会从哪里入手、能用到哪些信息、拿什么格式输出。如果这个预演能顺利走通提示词基本就没有大问题如果预演卡壳了那卡住的地方就是提示词需要补全的地方。这个习惯不花时间但能省掉大量无意义的试错。所谓提示词工程实战做到最后就是这样一个朴素的动作在按下回车之前先替模型把路想好。
大模型提示词工程实战：10个提升输出质量的技巧与模板库
先说明一点这篇文章不是“看完了就觉得懂了”的科普贴而是我在实际写提示词、调提示词、被提示词坑过很多次之后攒下来的一套能直接抄进工作流里的操作方法。如果你正在跟ChatGPT、Kimi、通义、文心这类大模型打交道觉得“AI有时候聪明有时候傻”写出来的东西总是差那么点意思那问题大概率不在模型而在你给出去的那段话。提示词工程不是什么高深学科说白了就是研究怎么把需求说清楚、让模型一次就懂、少返工。这篇文章里的10个技巧全部都是我在真实业务场景中验证过、能实际提升输出质量的。文章后面附带一套可直接复制的模板库不只是演示“模板长什么样”连每个模板适合什么场景、怎么改参数、容易踩什么坑都会一并说清。这10个技巧最初没有刻意分类但写着写着发现它们其实指向同一个目标把模糊的期望变成可执行的约束。角色设定给模型一个立场负向排除划掉雷区格式约定指明呈现方式示例驱动说明风格方向——每一层都是在替模型减少猜你心思的难度。换个角度理解提示词工程的本质是翻译工作。人类脑子里的“想要的感觉”是模糊的模型能处理的是结构化的指令。所谓技巧其实是一套翻译规则目标要拆、上下文要给、输出要限、边界要划、例子要举、提问要拆、语气要定、迭代要留、长度要控、步骤要分。与其把这10个技巧当成10个散招不如把它当成一套组合工具。就像做饭角色设定是选菜系上下文注入是备菜格式约束是装盘迭代反馈是尝味道。单个技巧或许只是锦上添花组合起来使用才真正稳定。所以模板库部分我特意把多个技巧合并写成了一个个可直接复制的整体模板而不是让读者自己去拼装。这也是我发现的一个反经验结论好的提示词不追求“一步到位”而是追求“每一步都很稳”。与其憋一个万能提示词不如在对话过程中不断补充细节二次、三次追问地把问题边界收窄。做提示词工程最忌讳的就是拿“写个方案”“写篇文章”这种需求直接问模型。模型不是不想帮你是它不知道该把钱花在哪里。这里有个我自己琢磨出来的经验口诀叫“五件套检查法”。每次提示词写得没底就顺着这五件事自查一遍这个提示词给模型的位置和视角了吗说的是“你想让它做什么”还是“你希望它是什么样”前者是任务后者是角色两者不冲突但一定要先说角色。交代足够背景了吗你只丢一句“帮我写封回信”模型不知道你和对方什么关系、此前发生过什么、你希望回信的立场是什么。背景信息就是模型的脚手架没有脚手架它只能瞎盖。输出格式你说了吗要表格、要点、段落还是code很多提示词效果不好恰恰是因为“格式”成了最后一个没人管的需求。有没有告诉模型不做什么这就是“不要用列表”“不要用太官方的语气”这些负向指令的价值。有没有给模型一个自我纠错的机会结尾加一句“如果信息不足请列出你需要的补充信息”这个提示词就更像一个真人在跟你确认需求而不是AI在硬猜。这五件事做完哪怕技巧一条都没记住提示词的水准也已经超过大部分人了。接下来我把10个技巧逐个拆开讲清楚。每个技巧都会说三件事为什么有效、怎么用、容易踩什么坑。技巧一角色锚定角色锚定是我使用频率最高的技巧。给模型设定一个具体角色本质上是在设定一种语言生成的先验分布。一个“资深律师”和一个“小学生作文老师”给出的文本用词、句式、逻辑组织方式天然不同角色提示就是在替模型锁定这层差异。比如“帮我把这段产品文案改得正式一点”改成“你是一名品牌公关总监请把这段给媒体通稿的产品介绍改得正式、克制、信息密度高”效果差异肉眼可见。用角色锚定有两个关键点。角色要具体不要只说“你是专家”“你是服务过50家大型制造企业的ERP实施顾问”才算锚定得住。角色要跟任务匹配让“育儿博主”去写“年报分析”反而会跑偏。技巧二任务动词前置很多人写提示词是把背景写了一大段真正要做什么放在最后一行。模型理解能力强还好稍微弱一点就容易被前面的背景信息带偏。把任务动词前置是降低理解成本最便宜的方式。“分析这份销售数据找出连续三个月下降的产品线”——用“分析”这个动词开头比“这里有一份销售数据你看一下”来得明确得多。动词越精准越好。“写”“生成”“总结”“提炼”“改写”“翻译”每个动词对应的输出要求完全不同用混了模型就会无所适从。技巧三格式即答案一部分历史是实际编造表格的格式让你的提示词直接规定输出结构是提升提示词成功率性价比最高的操作。与其让模型发挥创造力排布内容不如先给它一张清晰的表格骨架让它填内容。对比一下“列出客户投诉的原因和解决对策”和“用表格列出客户投诉的前5大原因并针对每项原因给出两点解决对策表头为序号、原因、解决对策、紧急程度”后者明显更容易得到结构化结果。格式约束还有一个额外的好处当输出是固定结构时后续做程序化解析、清洗或人工检查都更方便。技巧四示例驱动示例驱动的建议是当你想描述“是什么感觉”时一段50字的样例比200字的形容词有效得多。模型对模式的学习能力远强于对抽象指令的遵循能力给它一个小样本它就顺着这个模式去生成。想让它“按品牌年轻化调性改写”——这句话太抽象“按这个风格改写‘不跟生活较劲但要跟平庸叫板’”——样例直接定义了什么叫“年轻化调性”。示例驱动是各类大模型能力里最被低估的技巧没有之一。特别是文案改写、标题生成、风格模仿类任务一个示例顶得上一百个形容词。技巧五负数约束给提示词加上“不要什么”的约束效果往往比只告诉它“要什么”更立竿见影。因为AI生成时不会来回审自己的思路但它会一般性地优先匹配你提到的词汇负面词汇也一样会参与匹配。比如写会议纪要加上“不要使用列表以外的格式不要加入礼节性用语不要对参会者发言做价值判断”会议纪要的质量会立刻干净起来。负数约束的关键是具体。不要写“不要太啰嗦不要官方化”要写“不要出现‘综上所述’‘赋能’‘抓手’等词汇不要出现超过30个字的单句”。技巧六拆分提问给模型一个大而全的任务它大概率会均匀地把力气分配到每个部分结果就是每个部分都不够深入。把大任务拆成多个小问题分步提问是使输出质量提升最直接的方式。写“做一份市场分析报告”这样的提示词模型给出来的往往是空泛框架。可如果先问“这个行业过去三年的主流获客渠道变化是什么”再问“这些渠道的转化率大概在什么水平”接着问“给新进入者建议优先选择哪个渠道及理由”三次提问拿到的东西一定比一次大而全的提问深得多。这就是“拆分提问”的思路每问深入一个细节逐步逼近答案。原因很简单模型的注意力窗口在一次回答内容有限分散到多个问题上就会稀释质量。技巧七思维链思维链这个技巧是让模型先解释推理过程再给出结论。对数学计算、逻辑分析、方案评价这类复杂推理任务很有用理论上的原因是人是用步骤推导答案的模型连续生成的token里本身就携带推理路径显式要求它写出来会让答案更严谨。比如不要直接问“这组数据说明了什么问题”而让模型先“列出数据包含的主要指标和变化趋势各用一个自然段分析最后给出结论”。这其实是在强迫模型先完成推理再基于推理结果给结论而不是跳过推理直接猜。思维链不适合轻松随意的写作任务那些场景下用这个技巧反而会让文字显得僵硬。技巧八上下文注入大模型的知识储备很强但它不知道你的行业、你的用户、你的项目背景。上下文注入就是把这些关键信息“喂”给模型让它站到你的信息场上说话。写“帮我写一封给客户的调研问卷开场信”模型会写出一封极其正确的废话。可如果你给它加上“客户群体是一线城市的互联网产品运营人员平均年龄26岁对行业术语已经很熟悉我们触达目的是邀请参加一场关于效率工具的线上工作坊”这封信的敲定程度就完全不同了。上下文注入的关键是选择性。不是给所有资料而是给出影响回答方向的几个核心变量就足够了。资料太多反而会稀释模型对核心诉求的注意力。技巧九输出长度控制“简短一些”“长一点”这种描述对模型来说几乎没有约束力。但“控制在100字以内”“输出3个要点每个要点不超过50字”这类限定是精确可信的。一个亲测有效的写法是“用三段话回答每段不超过100字第一段给结论第二段给理由第三段给行动建议。”长度控制加上段落功能说明模型对结构的把握会准确得多。你可能会觉得100字和200字差异不大但模型跟人一样连你不较真的细节它也会一并草率处理。你明确了数字它才会按数字的尺子去搭内容。技巧十迭代修正这个技巧不能算“一次就能写对”的手段但它其实是整个提示词工程中最值得投入时间的一个设计。一次两次就聊出满意答案的人很少优秀提示词几乎都是“第一版可以看第二版开始好第三版才真正好用”。我的习惯是任何复杂任务至少留出三轮对话的余量。第一轮是需求理解让模型复述它理解到的任务第二轮是输出试运行根据结果补充细节第三轮是最终打磨修正具体用词和格式。迭代修正的本质是把和模型对话当成与人类同事协作而不是当成使用搜索引擎。你在对话中不断补充的新信息本身就是最有价值的“上下文注入”。上面10个技巧是这套打法的基础。下面把这些技巧组合成可以直接复用的模板库从场景切入每个模板附带参数替换说明。模板库的使用方式很简单复制到输入框把你自己的信息填入【占位符】位置删掉解释说明直接发送即可。在实际使用中我强烈建议先把模板原样跑一遍看看输出大概什么水准再逐步替换成自己的内容。因为模板跑出来的输出偏差如果过大多半不是你填的信息出了问题而是模型本身对模板的那套口味不契合需要调整模板里的风格约定词。模板一角色融合任务模板适用场景需要专业视角看待问题单次任务质量要求高。模板如下 你是一名【岗位角色】服务过【行业类型】客户擅长【核心技能】。请基于以下背景完成【具体任务】。背景信息【关键事实1】【关键事实2】【关键事实3】要求表达风格【风格形容词如“直接、克制、少修饰”】以【输出格式如“三段式短文/表格/要点”】呈现不要出现【排除项】如果信息不足列出你需要的补充资料。以“新手写作教练”为例写一篇500字的公众号文章招募写作训练营学员。模板“吃”进去之后的效果通常从“广告感强烈的售课文案”变成“有方法论沉淀、有体感的教练式文字”。模板二格式与结构硬约束模板适用场景报告、纪要、方案等对结构要求严格的文本。模板如下 请将以下原始内容按要求格式化输出。原始内容【粘贴你的资料】输出格式要求一级结构为【确定大标题】下的【确定小节数】个小节每个小节先给核心结论再给支撑细节所有细节用【列表/表格】呈现全文不超过【数字】字禁止【排除项】硬性格式最考验的是指标的合理性。刚开始使用时字数限制可以放宽先看结构再收紧字数。模板三示例驱动的风格转化模板适用场景改文案、写标题、定调性需要模仿特定语言风格。模板如下 你擅长将普通文字改写为有风格感的表达。请将这段文字 【原始文本】改写为以下风格 【示例文本】要求保留原文的核心信息点【信息点1】【信息点2】语气接近【示例文本】的节奏和用词习惯控制在【字数】以内不要直接复制【示例文本】中的实词这个模板的核心是两个区别一是“保留信息点”这让改写有根二是“不要直接复制实词”这让改写有变化。两个约束一起用改写质量远高于只给一句“按这个风格写”。模板四多轮深挖访谈模板适用场景选题研究、用户调研、竞品分析等连续性深度内容挖掘。模板如下 我将向你提供一段背景信息。请你以【提问者角色】的身份向我提问逐步深入了解以下主题【主题】。第一轮先问我三个最关键的问题然后根据我的回答继续追问。每次追问都面向决策目标【决策目标】。背景信息 【你的已知信息】这个模板的价值在于它把主动权交还给了提问者——也就是你。模型成了采访者而不是答题者这套方法对“你有一些思路但还没理清”的场景非常有效它帮你在对话中把思路拉直。模板五复述与自检模板适用场景需求确认、测试AI理解能力、辅助学习。模板如下 我将给你一段任务描述。请先不要执行任务用你自己的话复述你理解的任务目标、输出要求和使用场景然后列出你在执行过程中可能遇到的3个理解难点。确认无误后再开始执行。任务描述 【你的任务原文】这个模板的妙用是当你不确定自己给的提示词是否足够清晰时加上这一步让模型先复述一遍需求。它复述得越准确后面执行就越可靠。很多时候模型“回答得不对”其实是在“理解阶段”就已经跑偏了。模板六头脑风暴互补模板适用场景点子产出、创意发想、方案开辟思路。模板如下 我们正在进行【主题】的头脑风暴。我先说出我的初步想法你来负责挑战它、补充它并提出我可能忽略的方向。我的初步想法 【你的想法】请给我三类反馈这个想法的3个潜在问题3个可以立即执行的优化方向3个你看来我未想到的全新切入点这个模板每次都能给出高质量反馈的原因在于它把模型定位成“思考伙伴”而不是“答题机器”触发它调用批判性思维参与任务而不是顺着用户的话去讨好式认同。模板七总结提炼多级抽提模板适用场景长文总结、会议纪要、资料压缩。模板如下 请将以下内容分为两级提炼。第一级用300字概括全文核心逻辑包括背景、转折和结论。 第二级用5个列表项列出全文最重要的5条信息每条不超过30字。资料来源 【粘贴内容】做一个实操细节说明两级提炼这个设定并不是多多益善压缩层次拉得太开模型容易失焦。二级提炼是最均衡的选择。模板八翻译与本地化模板适用场景跨语言内容生产、多语言宣发、资料外译。模板如下 你是一名专业译员擅长技术/商务/营销领域的【目标语言】本地化。请将以下内容翻译为【目标语言】要求不逐字直译按目标语言表达习惯重新组句保留专业术语准确度不随意替换行业惯用词风格目标为【风格描述如“简洁有力/商务正式/轻松口语”】翻译后附加一段不超过100字的翻译策略说明重点是最后的策略说明它能让模型解释为什么选择这种翻译你也能从中判断翻译的质量是否值得信任。模板九数据分析解读模板适用场景表格数据、报表指标、增长数据的初步解读。模板如下 你是一名数据分析师。以下是一组【业务场景】的数据请按以下步骤分析先列出数据中最显著的3个变化点分析每个变化点可能的原因并按可能性排序指出数据中可能相互矛盾或需要进一步验证的地方数据 【粘贴数据表或指标】“指出矛盾点”这个要求特别关键。它逼着模型不盲信数据而是做批判性判断往往能挖出你看数据的盲区。模板十文案一键改写模板适用场景公众号、朋友圈、小红书、短视频脚本等社交内容快速改写。模板如下 你是一名社交媒体内容专家擅长将同一件事用不同平台的语言风格表达。原始素材 【你的素材或口吻随意的一句话】请输出3个版本的改写 版本A朋友圈风格真实、克制、有个人态度不超过150字 版本B小红书风格有场景感、有情绪、突出实用信息带3个emoji不超过250字 版本C公众号风格逻辑清晰、有知识增量内部分三小段每段不超过150字改完后请用一句话分别解释每个版本的核心调性和适用人群。这个模板适合做内容矩阵。同一个素材改三个版本既节约时间也能通过不同平台跑数据反推用户口味。前面给的是能直接抄的“正手”这一节说反手那些看起来很合理、实际很容易翻车的写法和注意事项。有些提示词乍一看逻辑通顺发给模型后却频繁产出废稿。我梳理了几个典型的“翻车现场”做成速查表方便你在调试时对号入座常见现象深层原因修复手段回答空泛、口号化目标太大缺少具体场景和数据锚点补上上下文注入给出更细的背景、对象、示例回复格式混乱只给了内容要求、没给格式约束增加格式约束模板明确要表格、分段或列表生成内容跑偏任务描述里同时塞进去多个问题拆分提问一次只让模型聚焦一个子任务风格自说自话过度依赖“语气词”暗示缺少角色锚定明确角色用具体角色来锁定语气输出质量“薛定谔”依赖单轮提问没有迭代反馈用多轮对话的迭代修正每次针对上一版输出补约束内容有权威感的废话缺少负向排除指令加上“不要出现……否则……”的负向限制模型“一本正经胡说八道”要求输出的内容超出模型可靠知识边界提供可信资料片段让模型基于资料作答开头正确但越写越走样任务链路过长模型在中段失去方向把长任务切成多个短任务或把任务步骤写进提示词的输出格式里这8类问题解释了提示词工程里大部分“为什么AI这么蠢”的真实原因。模型不是蠢是你的提示词在某个环节给它留了太多自由发挥的余地。还有一些“软性禁忌”不会被模型识别成错误但会明显拉低输出品质。说几个实际操作中最容易踩的雷。第一堆砌同义形容词。比如“要专业、要高级、要有深度、要权威感”这些词加得越多模型越不知道哪个优先最后输出会试图平均用力。不如只选定一个主形容词再提供一个具体示例文本。第二用“说人话”这类模糊负向指令。模型对“说人话”的理解来自训练数据里的差评文本和生活化文本大概率会输出另一种“过于口语化”的结果。更好的写法是“避免使用任何专业术语所有概念必须用一个生活化类比解释”。第三把提示词写成“万能式”请求。“你是一个聪明的AI请帮我……”这种开头完全没有信息量等于没有提示词。真正的提示词应该从角色、任务、格式、约束四个层级递进。我自己调试提示词的经验是遵循三个稳字原则信息要能给到明处、不留给模型猜的余地格式约束要前置不要等它生成完再空想“怎么调整”如果感觉输出不对劲先去检查输入里缺了什么而不是抱怨模型不够聪明。再单独强调一个很多人忽略的实操环节提示词的调试和测试方法。如果你长期要用某类提示词建议保留一份“调试日志”。记录每次提示词的版本变化、模型输出、你调整的原因以及最终效果如何。这种记录习惯的价值很快会显现不要靠记忆重造提示词那是最低效的做法。具体调试可以分为三个轮次。第一轮是“跑得通”。先不加复杂约束用最简单的版本测试模型是否能理解任务。这一轮唯一目标是“不跑偏”输出格式乱、风格不对都无所谓。第二轮是“立规矩”。在跑得通的基础上逐步加入格式约束和负向排除。每加一条就重新测试一次观察输出是否有改善。一次只加一条不要三个约束一起上。第三轮是“定风格”。把角色、示例、风格描述这些高敏感性参数加进去调节到输出风格最合适的版本。此时你会明显看到提示词从“能用”变成“好用”。三轮调试法比试图一口气写出一条完美的提示词要靠谱得多。主要原因在于每步只改动一个变量你能清楚地感知到“哪一条提示词在真正决定输出质量”这对后续精准调整很有价值。最后再分享一些我在各种场景里的使用心得看看这些技巧组合到一起后在真实世界中的状态。内容创作场景比如写公众号文章。我一般是先让模型生成三个选题方向从中选定一个后用“角色锚定格式约束”生成大纲再根据大纲一段段填充内容。整篇文章写完后用“示例驱动负面约束”做一轮风格统一和删减。整个过程看起来比直接让AI“写一篇文章”多做了好几步但效果是“修改稿”而不是“重写稿”。产品运营场景比如写活动文案。用“头脑风暴互补模板”想活动主题用“文案一键改写模板”出不同渠道的推广文案再用“格式与结构硬约束模板”生成活动细则。每一条模板都在负责任务链条上的一段比单独靠一个万能提示词强得多。学习研究场景比如读一些深度行业资料。我先用“总结提炼多级抽提模板”把核心逻辑压缩出来然后用“多轮深挖访谈模板”扮演同行评审逆向提问、挑战结论。这相当于学习进程中嵌了一个随时可对话的导师。这里有一点必须先说清楚提示词工程不是魔法模板更不是银弹。输入垃圾的提示词顶多只能得到“排列整齐的垃圾”。模板的价值是帮你把思考过程固化成可复现的步骤让你不必每次都从零开始想“怎么让AI听得懂我”。但真正让这套体系发挥价值的是你对业务目标的理解、对输入的整理、对输出质量的判断力。提示词只是表达的工具你才是内容的决策者。每篇高质量输出背后其实是三条线在同时工作一条是你对任务的透彻理解一条是你对模型的准确预期还有一条是你对结果的自我标准。这三个维度有一项模糊提示词就会塌陷。写到这里又想起一个很实用的习惯。我每次写完提示词准备发之前都会自己在脑海里“预演”一遍如果我是模型按照这段提示词我会从哪里入手、能用到哪些信息、拿什么格式输出。如果这个预演能顺利走通提示词基本就没有大问题如果预演卡壳了那卡住的地方就是提示词需要补全的地方。这个习惯不花时间但能省掉大量无意义的试错。所谓提示词工程实战做到最后就是这样一个朴素的动作在按下回车之前先替模型把路想好。
