1. 动手之前先搞清楚提示词工程的底层逻辑1.1 提示词的本质不是命令而是约束与引导多数人理解提示词就是“命令AI做某件事”。这个理解没错但不准确。大语言模型本质上是一个超大规模的下一个词预测器你给它一段文字它根据训练时见过的海量语料预测下一个词最应该是什么然后一个词一个词地往下续写。提示词不是命令行里的指令而是生成内容的“初始条件”和“约束边界”。打个比方。你让一个新来的实习生“写一份竞品分析”他不了解你的业务、不知道你关心的维度、不知道汇报对象是谁写出来的东西大概率是百度百科式的信息罗列。你不是在“命令”他而是要给他足够多的方向和约束他才能产出你要的东西。模型也是一样而且模型的“脑补”能力更强你不给约束它就按训练集中最常见的路径走。所谓提示词工程就是用一组限定条件把模型的生成路径收窄到你的预期范围内约束得越清晰发挥就越可控。1.2 提示词工程优化的是四个维度我把提示词的好坏拆成四个维度来评估质量、格式、成本、稳定。维度核心问题典型优化手段质量输出是否准确、相关、有深度角色设定、上下文注入、思维链格式是否易于解析、与流程对接结构化输出、格式锚点成本单位输出消耗的token是否可控精简提示词、少样本示例稳定多次运行结果是否可靠一致约束条件清单、自检与复核这四个维度经常需要做取舍。比如要求结构化JSON输出格式稳定性提高了但token消耗也会增加加一堆限制条件质量可能变稳但创造类任务就容易被框死。真正的提示词工程不是“写得越漂亮越好”而是在当前任务目标下做成本收益权衡。我写任何提示词之前都会先问自己一句这次我到底最看重哪个维度想清楚再动手输出质量能提升一个档次。1.3 模板库的正确打开方式先理解再抄最后改网上流传的提示词模板很多但直接复制去用效果往往不如预期。原因很简单模板里每个词组都可能承担特定作用场景一变效果就飘了。我自己用任何模板之前都会先做“三问”拆解这个模板在限定什么它给模型提供了哪些背景信息如果去掉某一句输出会往哪个方向漂移带着这三个问题去用模板才能真正看透套路背后的逻辑。后面第3章有12个可以直接用的模板建议你先拆解我的模板再用自己的场景替换很快会形成手感。抄模板不是目的把模板变成自己的才值钱。2. 直接能抄的10个提示词技巧每个都配了正反示例2.1 技巧一角色设定让AI切换到专家模式角色设定就是在提示词开头把AI设定为某个身份。这个技巧我几乎每天都在用也是见效最快的一个。为什么有效大模型的训练语料覆盖了不同职业、不同场景的文本。当你写出“你是十年经验的供应链计划员”相当于把模型里供应链相关知识的分布权重调高输出时调用的术语、分析框架、行文风格都会贴近这个角色。我第一次试这个技巧时AI的输出从“说教式科普”变成了“懂行的同行在交流”那种体验确实奇妙。反例“帮我写一份库存分析报告。”正例“你是一名有8年快消行业经验的供应链计划员擅长发现库存结构问题。请根据以下库存数据输出一份库存分析报告重点回答哪些SKU存在滞销风险、哪些存在缺货风险、补货建议是什么。”角色设定记住三个要素经验年限、擅长领域、服务对象。一个完整的角色描述会让AI快速进入状态。注意别滥用角色角色和任务不匹配时会出现严重的输出噪音比如让AI扮演“金牌销售”写代码写出来的代码都透着一股浮夸味还不如不设。2.2 技巧二结构化输出用格式框住答案需要数据化输出时必须明确告诉AI输出格式否则它默认用散文回答你。结构化输出是在提示词里直接指定JSON结构、字段名或分段规范让返回结果可以直接对接流程。反例“把以下对话整理成会议纪要。”正例“把以下对话整理成会议纪要JSON字段meeting_date会议日期、attendees参会人数组、decisions决议数组、action_items待办事项数组每个元素包含owner负责人、deadline截止时间、task任务描述。没有的信息填null不要编造。”结构化输出特别适合自动化流程。我踩过最典型的坑是只写“输出JSON”结果AI自由发挥给自己编了一套字段名下游解析脚本直接爆炸。所以给字段时一定要同时说明字段含义和取值类型模型才知道该怎么填。2.3 技巧三少样本示例一个例子胜过十句解释想让AI按特定风格或格式工作给它一个高质量示例比解释十句话都管用。这个技巧的原理是few-shot learning模型看到示例后会把它当作参照物自觉对齐输出风格和结构。反例“用专业、简洁的格式写周报包含本周完成、下周计划、风险点。”正例先给AI一个完整的周报示例比如“本周完成完成了新用户注册流程重构注册转化率从32%提升到38%下周计划上线推送策略v2风险点短信渠道成本上涨20%。”然后说“请按上面的格式把我的零散记录整理成周报……”示例要选你真正想要的风格一个高质量的示例比十个凑数的示例强。举个例子教AI写产品文案给它一条真正打动过你的文案它模仿出来的风格就有七八分像你给它三条风格混乱的示例它反而会迷失方向。少样本示例的关键是“少而精”不是“多而杂”。2.4 技巧四思维链逼AI先把思路写出来碰到推理、计算、分析类任务直接让AI给答案容易出错。引导它把推理过程展开准确率会明显提升。这就是思维链英文叫Chain-of-Thought本质是让模型把“推理空间”摊在桌面上生成结果之前先建立充分的前提检查。反例“这批数据环比下降15%可能是什么原因”正例“请逐步分析这批数据环比下降15%的原因先列出你观察到的关键指标变化再列出可能影响这些指标的内部因素和外部因素最后按可能性从高到低给出3个假设并为每个假设给出验证方法。”数值计算类任务可以再加一句“先写下计算步骤和公式再计算结果”正确率提升非常明显。我试过让AI直接算“年化收益率”七次错三次加了思维链指令后基本稳定在十次全对。代价是输出变长、token消耗增加但对于高价值任务这点成本完全值得。2.5 技巧五约束条件清单把“不要”说清楚创作类任务最容易失控字数超标、语气不对、用词夸张。解决办法是给出一份清晰的约束条件清单把评判标准前置到提示词里。反例“帮我写一条小红书风格的咖啡店文案。”正例“请写一条小红书风格咖啡店文案约束条件1. 字数不超过150字2. 语气轻松口语化不使用‘必去’‘绝绝子’等夸张表达3. 必须包含店铺地址、营业时间4. 目标读者是25-35岁上班族结尾给一个行动引导。”约束条件清单的本质是把验收标准写进提示词。模型在生成时就会自动“检查”自己有没有踩线。我实战下来的体感是写三五个明确、可量化的约束效果远好过一大段“请务必写得生动有趣”这种模糊描述。约束条件尽量写成“可判断”的形式字数、用词、结构、是否包含某个信息越具体越容易被模型执行。2.6 技巧六格式锚点用开头几个字锁定输出结构格式锚点和结构化输出不一样。结构化输出定义的是“输出结果的格式规范”格式锚点是直接把输出的开头几个字写在提示词末尾逼模型顺着这个结构往下写。做法很简单。需要AI输出“结论—理由—建议”三段就在提示词结尾加上请按以下格式输出 结论 理由 建议模型看到这几行会被强制顺着结构展开很难跑偏。我第一次用这个方法是在批量生成竞品分析的时候要求每份报告都按“头部玩家—腰部玩家—尾部玩家”三段呈现。加上格式锚点之后输出稳定度明显提升不再出现AI自己发明第四段的情况。格式锚点适合所有需要统一输出模板的重复性任务把结构字段和分隔符都写在提示词里模型会严格遵守。2.7 技巧七分步拆解把大任务切成小台阶一次对话想完成超大任务结果往往平庸且易错。更稳的方式是多轮对话把大任务按阶段拆解。一步一个脚印每步都给模型明确的小目标错误率会大幅降低。反例“帮我写一篇8000字的行业分析报告。”正例“先给我一个行业分析报告大纲包含行业现状、市场规模、竞争格局、发展趋势、风险点。确认大纲后我再给你每一步的素材你分章节撰写。”这种“大纲先行”的思路利用的是分步决策的稳定性。每一步模型只处理一个小目标自然比一口气完成全篇要稳。写代码也一样先让AI出伪代码再逐步实现每个函数最后联调。分步拆解的本质是把“大任务管理”能力从自己身上平移到提示词流程里这比任何花哨技巧都重要。2.8 技巧八负面提示告诉AI哪些是雷区除了告诉AI要做什么还得告诉它不要做什么。大模型生成文本时倾向于使用训练语料中出现频率最高的表达而这些高频表达恰恰就是套话。负面提示相当于把雷区标记出来让模型主动绕开。反例“写一份年终总结语气真诚一点。”正例“写一份年终总结语气真诚。不要使用‘时光飞逝’‘在领导的关怀下’‘受益匪浅’之类的套话不要出现‘首先其次最后’的排比结构不要超过800字。”负面提示的关键是具体化。你说“不要套话”模型不知道什么是套话你说“不要出现‘时光飞逝’‘光阴荏苒’”模型一听就懂。我一般会把一个行业里最高频的套话列出来直接喂进去当“黑名单”效果比反复强调“请真诚”好太多。2.9 技巧九上下文注入给足背景再提问模型能参考的只有你输入的信息。你不给它背景它就用训练语料里的常识脑补。很多提示词效果差问题不是技巧不够而是上下文提供得太少。反例“帮我分析一下这个月的销售情况。”——AI根本不知道“这个月”是哪个月也不知道销售数据在哪里。正例“以下是我司2024年6月分区域销售数据表格。背景公司主要客户是中小型连锁便利店6月进入夏季饮品品类占比上升。请分析1. 哪个区域增速最快2. 哪些品类拖了后腿3. 给7月的备货和营销建议。”上下文注入最容易被忽略但对输出质量的影响最大。我给自己定的标准很简单如果让一个完全不了解情况的新同事来读这条提示词他能不能不追问就完成任务能说明背景够了不能继续补。写提示词之前花两分钟补背景比写完再花二十分钟去纠正答案划算得多。2.10 技巧十自检与复核让AI当自己的裁判模型一次生成的答案未必是它“最好的答案”。让它换个视角检查一遍能暴露出不少以前没注意到的问题。这个技巧用的场景是结合自检指令要求模型以审查者的身份重新审视自己的输出。反例“这段代码有没有bug”正例“以下代码是刚才生成的订单金额计算函数请以代码审查者的角度检查1. 是否存在边界条件漏洞2. 浮点计算是否有精度风险3. 异常分支是否覆盖。发现问题直接给出修正后的完整代码。”自检提示词有效的原因是让模型从“生成者”切到“审查者”模式。训练数据里这两种模式的文本行为差别很大审查模式会更挑剔地对待内容。对事实型任务我会加一句“标记输出中可能不准确的地方标注为待验证”防止模型过度自信地编造。3. 附模板库12个高频场景复制就能用3.1 模板库使用说明花30秒看懂替换逻辑这套模板库一共12个模板覆盖写作、分析、编程、学习办公四大类。模板里用{花括号}标出了需要替换的内容复制后直接替换即可。建议先通读一遍模板结构理解每个模块的作用再投入正式使用。如果效果不理想优先检查是不是替换时漏掉了关键背景。模板可以解决“从0到1”但“从1到100”还是得靠你自己微调。3.2 写作类模板模板1小红书风格的种草文案。你是一名擅长生活消费内容的小红书博主目标读者是{25-35岁城市上班族}。请为{产品名称/服务名称}写一条种草文案。 要求 1. 字数控制在{150}字以内。 2. 语气轻松口语化不要使用“必去”“绝绝子”等夸张用词。 3. 开头用场景痛点切入中间给2-3个亮点结尾给行动引导。 4. 必须包含以下信息{关键信息如价格、地址、优惠活动}。模板2工作周报。把以下零散记录整理成一封结构化周报 本周完成{粘贴你的记录} 下周计划{粘贴你的记录} 风险与求助{粘贴你的记录} 输出格式 本周完成 - 事项1结果/数据 - 事项2结果/数据 下周计划 - 计划1预计完成时间 风险与求助 - 风险描述需要的支持 语气专业简洁每件事不超过2行。模板3英文商务邮件。你是一名外企助理帮我写一封英文商务邮件。目的{跟进客户/申请延期/确认会议}。 背景{一句话说明背景}。 要点{列出必须包含的要点}。 语气{正式/礼貌/直接}。 输出格式 主题XXX 正文{称呼}{正文}{落款} 请在正文末尾给2个备选主题。3.3 分析类模板模板4数据分析报告。你是{行业}领域的资深数据分析师。以下是{数据背景}请输出一份分析报告。 数据{粘贴数据表或说明} 分析要求 1. 先定义关键指标再给出结论。 2. 给出3个最重要的发现每个发现附数据依据。 3. 指出数据中可能的异常或口径问题。 4. 给出下一步行动建议。 输出格式结论摘要 / 关键发现 / 风险提示 / 行动建议模板5竞品分析。你是一名产品经理请对{竞品名称}和{自家产品}做竞品分析。 维度定位、目标用户、核心功能、商业模式、差异化优势、短板。 要求每个维度先给结论再给论据最后输出一份SWOT分析总字数不超过{800}字。模板6会议纪要。把以下会议记录整理成结构化纪要 原始记录{粘贴会议聊天/录音转写} 输出要求 1. 提取议题、结论、待办事项。 2. 待办事项必须包含负责人、截止时间。 3. 语气中立不添加原始记录中没有的信息。 4. 没有提到的信息标为“待确认”。 输出格式 议题 / 结论 / 待办事项负责人-截止时间3.4 编程类模板模板7Bug定位。你是资深后端工程师。以下代码在{运行场景}下出现{现象}。 代码{粘贴代码} 报错信息{粘贴日志} 请逐步排查先复述代码逻辑再列出可能原因按概率排序最后给出修复代码。 注意不要只给结论要给出排查过程。模板8代码审查。请对以下代码做代码审查重点检查性能瓶颈、边界条件、安全隐患、可读性。 代码{粘贴代码} 输出格式 问题列表严重程度从高到低/ 每个问题对应的代码位置 / 修改建议 如果能写出优化后的完整代码请在最后附上。模板9SQL生成。你是数据分析师。我有一个数据表 表结构{粘贴建表语句或字段说明} 业务需求{描述需求} 请生成SQL查询 1. 先用一句话复述需求确认我理解无误。 2. 写出SQL加注释。 3. 给出可能的性能优化建议例如是否需要加索引。3.5 学习与办公模板模板10概念讲解。你是擅长把复杂概念讲清楚的学习教练。请用三层方式讲解{概念} 1. 一句话通俗版本用生活类比。 2. 300字专业说明包含核心术语。 3. 一个应用案例说明这个概念在实际中怎么用。 最后输出3个自测题和答案。模板11学习计划。我每天有{时长}学习时间目标是在{周期}内学会{主题}。我目前的基础{描述}。 请制定学习计划 1. 按周拆解目标。 2. 每周给具体练习任务。 3. 每周末给一个自测方法。 4. 遇到卡点时的应对策略。模板12头脑风暴。你是创新方法专家。我需要解决{问题}。 请用以下方法各给出3个想法 1. 反向思考如果故意把事情做坏会是什么样 2. 类比迁移其他行业怎么解决类似问题 3. 极端化如果把资源无限放大或缩小会怎么解决 最后对12个想法排序并说明排序理由。4. 避坑实录我踩过的8个提示词大坑4.1 提示词不是越长越好我见过不少新手拼命堆字一个提示词里塞了五个任务、七个约束、两个示例结果AI输出又空又乱。原因很简单约束之间互相冲突模型的注意力被稀释了。长度不等于质量。如果一个提示词超过500字先停下来问自己能不能拆成两轮对话。我给自己定的规矩是单条提示词不超过400字超过就做减法。4.2 “一步到位”陷阱最坑人“帮我写篇论文”“帮我做个完整方案”任务太大时模型只能给一个平均水平的回答。正确做法是拆成多轮先定框架再补细节最后统一润色。拆任务的能力本质上比堆提示词技巧更值钱因为它是通用的项目管理能力。写提示词之前先画一条任务拆解线把每个节点的输入输出想清楚再动手跟AI对话。4.3 模板不能跨场景直接套模板库给的是骨架解决不了所有场景。我自己踩过的坑是把数据分析报告模板套到一个完全没有数据输入的场景里模型就开始一本正经地编数据。后来我学乖了套模板前先检查“我提供的背景信息是否足够支撑模板里的每个要求”如果某部分信息缺失要么补信息要么在提示词里明确写“此部分无数据标为待补充”。4.4 效果不稳定别只怪提示词很多AI产品可以调temperature参数也就是随机性。创意类任务可以把temperature调高一点让输出更有想象力分类、抽取、代码等高精度任务要调低让输出更稳定。同一个提示词连续跑五次结果差别很大先检查参数再怀疑提示词。模型版本更新也会影响效果同一个提示词在上一个版本好用新版本可能效果退化这不是你的问题保留历史版本、重新调参就行。4.5 别把AI的输出当事实模型会一本正经地胡说八道引用不存在的文献、编造数据都是常规操作。越是专业领域越要小心这个坑。我处理事实性任务时一定会在提示词里加一句“没有的信息标为待验证不要编造”但即便如此重要事实依然要人工复核。AI是辅助工具不是真相来源。4.6 提示词版本管理被严重忽视提示词和代码一样需要版本管理。我在本地维护了一张表格任务描述、模型版本、提示词正文、输出效果打分1-5分、问题记录、迭代方向。坚持记录两周你会发现自己对提示词的理解会有实质提升。记录逼着你把“模糊感觉”转成“可验证的迭代”这比收藏一百个模板都管用。4.7 只顾着抄模板没建立自己的模式抄模板本身没问题问题在于只抄不拆。我前面说的“三问拆解法”——这个模板在限定什么提供了哪些背景去掉某一句后输出会怎么变——每次用模板都过一遍。拆过十几个模板之后你慢慢就会在脑子里建立起自己的套路库知道什么场景该用什么结构这才是真正属于自己的提示词体系。4.8 角色设定与任务错位的尴尬角色设定不是装饰。把AI设定成“金牌销售”却让它做SQL优化输出会带着一股浮夸味甚至影响分析的客观性。设定角色前先确认角色的知识领域和任务需求是否匹配如果不匹配宁可不设角色直接用“你是一名数据分析师”这种朴素设定反而更稳。5. 从会用迈向精通建立自己的提示词体系5.1 提示词效果日志怎么记很多人学提示词工程最大的问题不是技巧不够而是从不复盘。我建议你建一张提示词效果日志表记录四类信息任务目标、提示词原文、输出评分、诊断结论。每次效果不好就写下你认为原因是什么以及下一版要怎么改。两周之后回看你会发现自己已经能预测某些提示词结构会引发什么输出问题这种预判能力才是真正值钱的东西。5.2 技巧组合拳复杂任务怎么叠加单个技巧用熟了以后就要学会组合使用。拿写产品推广方案举例完整流程是这样先用角色设定和上下文注入让模型进入状态并补足背景再用约束条件清单和格式锚点固定内容和结构然后通过多轮对话分步拆解生成大纲、初稿、终稿最后用自检与复核去检查逻辑漏洞和事实错误。四个环节下来输出的质量会明显高于单轮直接生成的版本。技巧之间是乘法关系不是加法关系。5.3 一个适用于新手的练习路径想上手又不知道从哪开始的话给你一个我验证过的路径。第一周只练角色设定和上下文注入把这两个练成肌肉记忆第二周加结构化输出和格式锚点开始产出可直接落地的内容第三周练分步拆解和思维链处理复杂任务第四周把剩下的技巧全部串起来用效果日志做个复盘。一个月后你再回头看你第一周的提示词会明显感觉差距巨大。我在实际使用中最深的一个体会是提示词工程不是“一次写对”而是“快速迭代”。你不需要追求一条提示词就完美你需要的是快速发现问题、定位问题、修正问题的能力。模板库只是起点把模板改成自己的风格把技巧内化成下意识的习惯才是真正把这项技能学到手。