如果你还觉得大模型只会回答“一二三四”式的标准答案那问题大概率不在模型而在提问方式。我过去一年把大模型深度嵌进了日常工作——写周报、做竞品分析、辅助编程、整理会议纪要前后测过上百条提示词踩过的坑能写满一张A4纸。这篇文章不聊概念不画饼直接把10个我实测有效、能立刻上手的提示词技巧整理给你并在最后附上一套沉淀好的模板库。无论你是上班族、自由职业还是产品、运营、研发照着用就能明显感觉到AI输出质量上了一个台阶。1. 先从底层逻辑说起提示词工程到底是什么、解决什么问题1.1 模型不是搜索引擎是推理引擎很多人一开始用大模型时特别容易失望原因只有一个拿它当搜索引擎用。搜索引擎是“你输入关键词它把现成的网页排给你”大模型是“你提需求它现场组织语言给你现编一段回答”。这是两种完全不同的逻辑。用搜索引擎你问“2024年新能源汽车销量”它给你一堆来源链接用大模型你问同样的问题它可能一本正经地给你编一个数字。这不是模型笨而是你把它用错了地方。模型擅长的是生成、归纳、改写、推理、模拟——凡是需要“综合信息形成新表达”的任务它都做得很好凡是需要“精确检索事实”的任务你应该去找搜索引擎或者把检索回来的素材喂给模型。理解了这条你就能理解为什么提示词工程这么重要。你不可能改变模型的能力边界但你可以通过提示词把任务引导到它最擅长的区域同时用约束条件规避它最容易翻车的那些坑。说白了提示词工程就是“让模型扬长避短的那门手艺”。1.2 一条好提示词的三要素背景、任务、约束我测试过很多提示词之后发现无论任务多复杂真正稳定有效的提示词都逃不开三个要素背景你是谁在什么场景下为什么需要这个输出条件限制是什么。任务具体要模型做什么事交付什么结果。约束对输出的要求比如长度、格式、风格、禁忌、评价标准。你可以把这当成一个通用公式好的提示词 清晰的背景 明确的任务 具体的约束。十个技巧拆到最后本质都在打磨这三件事。后面讲模板库时你会看到所有模板都是这三个要素的排列组合。2. 让模型先听懂你的需求技巧1-32.1 技巧1角色设定法——给模型一个“人设”这是一个最基础、见效最快的技巧在提示词开头告诉模型“你是什么人”。指定角色相当于给模型预设了回答的语气、用词习惯、内容筛选口径和知识侧重输出会立刻从“通用百科腔”变成“圈内人说话的感觉”。做一个对比。普通问法“用三种写法写一句茶饮品牌Slogan。”模型大概率给你三种平平无奇的句子。换角色设定“你是一位服务过多个新消费品牌的资深广告文案请为一家主打鲜果茶的品牌写三句可直接投放到地铁广告的Slogan目标用户是22-30岁的城市白领。”后面这种问法输出的句子在节奏感、画面感、品牌调性上会明显上一个档次。实操注意三点。第一角色要具体但不要夸张。写“资深广告文案”就够别写“拿过国际广告大奖的文案大师”人设越虚模型越倾向于用华丽辞藻掩盖内容空洞。第二角色设定要服务于任务不要每次都用“你是一位AI助手”这句话等于没说。第三如果任务跨领域可以设定一个复合角色比如“你是一位既懂数据分析又懂业务表达的咨询顾问”效果比单一角色更稳。2.2 技巧2结构化指令——用分隔符划清边界模型处理文本时对结构清晰的输入理解程度远高于一团浆糊。你如果一口气把背景、任务、要求、原文全部混在一个段落里发给它它很容易抓错重点。解决办法很简单用分隔符把各部分隔开。下面是我最常用的一套格式实战效果好到爆炸【背景】 我正在准备公司管理层周会汇报管理层关注投入产出比和进度风险对技术细节不关心。 【任务】 根据下面的项目周报原文整理一段适合口头汇报的摘要。 【要求】 1. 只保留与成本、进度、风险相关的信息 2. 删除所有技术术语和代码细节 3. 控制在200字以内 【周报原文】 在这里粘贴你的原文用【背景】【任务】【要求】这类标记模型就知道“噢这段是背景信息那段是我要处理的对象”。另外如果你粘贴的原文里包含大量括号、引号最好用三个反引号或者三引号把原文包起来避免模型把原文中的标记跟你的指令标记搞混。这个技巧背后的原理并不玄妙模型的注意力机制对边界清晰的文本更友好。你把“命令”和“素材”分得很清楚它就会在正确的位置执行正确的操作错误率大幅下降。2.3 技巧3上下文注入——信息越充分答案越精准有个特别常见的误区指望模型“猜到”你心里想的是什么。它猜不到。它的所有输出都基于你给它的上下文你提供的信息越完整它的猜测空间就越小给出的答案就越贴合你的真实需求。写邮件是典型的例子。你只说“帮我写一封催款邮件”模型只能按通用模板写大概率是客气、生硬、不痛不痒。但如果你把来龙去脉交代清楚结果会完全不同帮我写一封催款邮件。客户是合作3年的老客户账期30天目前已经逾期15天。此前电话联系过两次对方都以“财务流程慢”为由拖延。我们不想破坏关系但又必须推进回款。请你写一封语气礼貌但明确的催款邮件提到合同中有逾期违约金条款给3天宽限期落款是采购部杨经理。同样的任务信息量不同写出来的邮件角度、语气、力度完全不一样。这个道理跟跟同事沟通是一样的——你把前因后果说清对方才帮得上忙。但也要注意别走极端。上下文注入不是让你把所有信息一古脑全倒给它而是挑出跟任务最相关的2-4句关键背景。信息过载会让模型抓不住重点反而稀释了关键信息。3. 引导模型按你的思路思考技巧4-63.1 技巧4思维链引导——让模型先推理再作答这个大模型世界里特别反直觉的一点是直接要答案它给的答案往往不如“让它把推理过程写出来”之后给的答案准确。原因是模型生成文本是一步步预测的如果你直接让它“给答案”它可能直接从记忆里调出一个“听起来像对的答案”中间没有任何推理校验如果你要求它先把推理过程写出来它就把每一步计算和判断都显式化出错概率显著降低。拿一道简单的经营计算题举例。普通问法“一家店月固定成本5万客单价80元毛利率50%一个月卖多少单才能保本”模型可能直接给一个错误换算。更好的写法是请先列出一步一步的计算过程再得出最终保本销量。同时注明你的假设条件。让它先推演计算链条再给结论正确率能提升一大截。我在做数据分析类任务时也用过这个技巧——让它先把分析思路列出来再输出结论结果比直接问要扎实得多。不过思维链不是万能的。写营销文案、闲聊、头脑风暴这类创意任务你硬加一句“请一步一步思考”反而会让输出变得谨小慎微、毫无灵气。要用对场景数学计算、逻辑推理、方案比选、流程分析。3.2 技巧5Few-shot示例——给模型一个“参考答案”如果你的任务涉及风格模仿、格式转换、分类打标那么一个高质量示例胜过十句抽象描述。这就像教新同事做表你给他一份填好的样例他照着做基本不走样你光给他讲解规则他可能理解得很抽象。举例我想让模型把用户差评改写成客服回复话术请把下面的差评改写成客服回复话术。 示例 差评奶茶越做越难喝果粒少得可怜。 回复非常抱歉这次没能让您满意您的反馈我们已经记录会重点检查果粒的出料标准。另外给您补一张优惠券欢迎下次再来试试。 差评服务员态度很差等位半小时都没人理。 回复待生成模型看到“差评→回复”的示例就会自动模仿示例的语气、结构和道歉-解决两步走的格式。这比你说一百句“要礼貌、要诚恳、要解决问题”都管用。需要注意两点。第一示例数量1-3个足够太多反而让模型学着模仿示例本身而不是去完成你的任务。第二示例要选得典型最好一个示例覆盖一种风格边界。比如你想让模型既能写正式公文又能写俏皮朋友圈那两类示例各给一个。3.3 技巧6任务分解——大任务拆成小步骤这也是我踩过坑才学乖的。早期我喜欢让模型一口气完成一个大任务比如“帮我写一份创业计划书”模型倒是给了但内容浅、结构散、到处是套话。后来我改成“先列大纲再逐节写”质量提升非常明显。原因是模型单次生成的容量和质量是有限的任务越复杂它“发挥失常”的概率就越高。拆成小步骤相当于让每一步都落在模型的能力边界内每一步都能产出高质量结果。实操时可以参考这个流程第1步请列出社区团购小程序商业计划书的目录包含市场分析、竞品分析、运营策略、财务测算、风险控制五个部分。 第2步基于这个目录先写“市场分析”部分重点分析二线城市的社区消费特点不超过800字。 第3步在上一版基础上接着写“运营策略”部分……注意拆分粒度不要过细。拆到“每个步骤能独立交付一个结果”就好比如“写一个章节”而非“写一段话”中间不要频繁打断思路。如果你把任务拆得太碎对话上下文会拖得很长模型到后面的步骤时可能已经忘了前面的前提反而容易乱。4. 把输出主动权握在手里技巧7-104.1 技巧7输出格式约束——让结果可直接复用很多AI输出质量不差但格式完全不能直接用——要么没有结构化要么全是散文你还得花时间人工整理。解决这个问题只需要在提示词里把输出格式写清楚。我常用的格式约束主要有三种JSON结构化适合需要程序化解析的内容比如批量生成标题、抽取字段、整理数据。Markdown表格适合对比分析、维度拆分、列出优缺点。编号列表适合要点汇总、步骤流程、清单类输出。示例用法请把下面几条产品卖点整理成JSON数组每个对象包含name、price、selling_point三个字段。只输出JSON代码块不要任何解释。 产品信息 粘贴原文再比如对比分析“请用Markdown表格对比A方案和B方案从成本、效果、风险、落地难度四个维度展开最后一列写结论。”这样输出来的表格你直接截图就能用不用二次加工。这里有个坑要提醒格式约束一定要具体。你说“用表格”模型可能给一个纯文本表格你说“Markdown表格”它才会输出竖线分隔的表格。你说“JSON”它可能还额外输出一段解释性文字你说“只输出JSON代码块不要任何解释”才能得到干干净净的结果。4.2 技巧8负面提示——明确“不要做什么”做内容创作时模型有一种“默认腔调”非常喜欢用“总而言之”“值得注意的是”“随着时代发展”这类套话。你要是不说它每次都会带出来。解决办法就是在提示词里加上负面提示。负面提示的写法有讲究。你写“不要写废话”模型听不懂什么叫废话你写“删掉以‘首先’开头的句子”它就马上能执行。指令越具体执行越精准。来几条我常写的负面提示“不要使用感叹号。”“不要出现‘专业、高端、匠心’这些空泛词。”“直接从结论开始讲不要寒暄铺垫。”“不要输出任何法律法规相关表述只从商业运营角度分析。”“每条回答不超过50字不要写‘首先/其次/最后’。”负面提示跟正面要求搭配使用效果最好。比如正面说“请写得通俗易懂”负面补一句“不要使用专业术语”。两条一夹输出风格就在你想要的范围里稳定住了。4.3 技巧9迭代精调——在对话中逼近正确答案提示词工程从来不是“一次输入就完美交卷”的事更像是在跟一个不太了解你的新同事反复沟通。第一轮拿到粗坯后续通过追问、修正、补全一步步逼近你要的结果。我常用的是“三轮法”第一轮提一个相对模糊的需求让模型给你一个“基本上能看的底稿”这样你能快速看到它的理解方向。第二轮只提1-2个具体修改点。比如“把第二段的口吻改得轻松一点像朋友聊天像公众号睡前小文不要那么正式。”第三轮处理细节和润色。“把开头那个背景铺垫删掉直接以一个提问句开始。”每一步都只动1-2处别一次塞给它五个修改要求。修改点太多模型不知道优先级最后往往只完成了最显眼的一两个其他全丢了。每一轮改到什么程度、有没有把你上次的要求落实到都要在下一轮开头确认一下。这个技巧看着简单但真用得好的人不多因为多数人没有耐心做第二轮、第三轮。你多花两分钟多问两轮得到的产出质量比一次性重写要强得多。4.4 技巧10模板化沉淀——把好提示词变成资产最后这个技巧是提示词工程能持续复利的核心把你的好提示词沉淀成模板。我们每次从零写提示词效率低质量还不稳定。一旦把已验证有效的提示词改成“填空式模板”就等于把零散经验变废为宝。我自己整理模板库时固定按五段结构角色告诉模型它是什么人。背景说明使用场景。任务明确具体动作。要求详列约束条件。输出格式规定交付样式。举个例子一个“通用方案生成模板”就是【角色】你是一位具有10年经验的{领域}专家擅长把复杂问题讲清楚。 【背景】我正在{场景}需要{目标}。 【任务】请完成{具体任务}。 【要求】 1. 先列出关键思路再展开 2. 使用通俗语言避免堆砌专业术语 3. 输出控制在{字数}字以内 【输出格式】{格式要求}每次要用时把花括号里的变量换掉直接发。半分钟搞定一个高质量请求。模板库建好后要定期跟进优化哪些模板稳定好用就留下来哪些经常要返工就复盘调整。到后期你会发现自己处理大部分任务时根本不需要临场构思提示词从模板库里调一个改改就行。5. 可直接复用的提示词模板库这是全文的干货仓库。我把我日常最常用的六类模板整理如下可以保存下来直接改着用。5.1 通用型任务模板适用场景最多写方案、做总结、写文案、做讲解都能套。【角色】你是一位具有10年经验的{领域}专家擅长把复杂问题讲清楚。 【背景】我正在{场景}需要{目标}。 【任务】请完成{具体任务}。 【要求】 1. 先列出关键思路再展开 2. 使用通俗语言避免堆砌专业术语 3. 输出控制在{字数}字以内 【输出格式】{格式要求}5.2 写作润色类模板适合周报润色、邮件改写、文章重写。【角色】你是一位资深文案编辑擅长保留原意并提升表达效果。 【任务】对下面的文本进行{润色/缩写/改写}。 【要求】 - 保持原文核心信息和语气 - 把{空泛词}替换成更具体的表达 - 删掉所有“首先/其次/最后/总之”等连接词 - 最终输出控制在{字数}字以内 【原文】 粘贴原文这个模板特别好用的一点是你可以告诉它“把空泛词替换掉”它就真的会替你揪出“很棒”“很好”这类词换成有画面感的表达。5.3 分析与决策类模板适合竞品分析、方案对比、做决定前的权衡。【背景】我正在考虑{决策问题}主要影响因素包括{因素列表}。 【任务】请从{角度1}、{角度2}、{角度3}三个维度分析这个问题。 【要求】 1. 先列出每一步的分析过程和依据 2. 明确指出每个选项的适用场景和制约条件 3. 不要和稀泥给出明确的优先级建议 【输出格式】用Markdown表格对比并增加一列“结论”这个模板是“思维链技巧格式约束技巧”的组合应用。适合那些你自己也没完全想清楚、需要模型帮你把思路盘清楚的任务。5.4 学习与讲解类模板让模型当私人教师给它一个明确的教学框架。【角色】你是一位耐心的私人教师擅长用生活化类比讲解抽象概念。 【任务】用面向零基础者的方式解释{概念}。 【要求】 1. 先给一个生活化类比 2. 再给出正式定义 3. 点出最常见的理解误区 4. 最后出3道自测题并附答案 【额外约定】如果问题本身描述有误先纠正错误再回答。第4条“自测题”是学习场景里最值的它把单向阅读变成主动回忆记忆深度完全不一样。5.5 内容创作类模板做小红书文案、短视频脚本、公众号推文时直接套这个结构。【角色】你是一位写过多个10w爆款的新媒体编辑擅长调动情绪、制造张力。 【背景】我的账号定位是{账号定位}目标读者是{人群画像}。 【任务】围绕主题“{主题}”写一篇{字数}字左右的推文。 【要求】 - 开头用一句高冲突感的话引入拒绝铺垫 - 中间逻辑清晰每段都要有具体的案例或场景描写 - 结尾给读者一个可执行的建议 - 不要使用感叹号不要使用“震撼/惊艳/必看”等营销词 【输出格式】输出正文即可不需要标题5.6 编程辅助类模板我是搞数据分析的日常写代码场景特别多这模板是我用了一年存的。【背景】我在做{项目}使用{语言/框架}核心目的是{目标}。 【任务】实现{功能}。 【要求】 1. 输出完整可运行的代码 2. 关键逻辑需要加注释说明每一步的作用 3. 指出可能出现的边界条件和异常处理建议 4. 如果有多种实现方式给出你最推荐的一种并说明理由 【输出格式】代码块输出先给出整体思路再贴代码给模型交代清楚项目环境和目标比堆砌一长串代码片段要有效得多。它给你的代码通常可以直接跑通。6. 高频问题与排查技巧实录讲完了技巧和模板最后这部分全是我在实际使用中记录下来的排查经验和避坑心得应该能帮你省掉不少摸索时间。6.1 模型输出太啰嗦怎么办啰嗦主要原因是“约束不够”。排查思路按顺序走第一步确认是否给了字数上限。没有的话加上“输出控制在150字以内”。第二步加上负面提示“不要出现寒暄和铺垫直接从要点开始”。第三步提升角色专业度“你只输出关键结论不做额外解释”。我自己的一个案例让AI写周报摘要默认输出四五百字加约束后压到180字左右信息一点没丢反而因为去掉了空话读起来更清晰。6.2 模型胡编乱造怎么办模型“一本正经地胡说八道”基本是事实性任务的通病。解决办法不是迷信某一个提示词而是改变任务设计让模型基于指定材料作答“基于以下参考文章回答问题不要使用文章外的信息。”主动要求它注明不确定性“如果信息超出你的把握范围直接回答‘不确定’不要猜测。”把“预测”请求改成“基于已知信息推演”“结合你掌握的数据给出一个趋势判断并标注哪些部分是推测。”别让模型凭记忆回答涉及精确数据的问题要么给它素材要么让它区分“事实”和“推测”。做到这一点编造率会下降很多。6.3 模型不听指挥格式总是乱“我让它输出表格它给我一堆文本。”这种情况我遇到太多次了根因多半在提示词不够具体。按这顺序排查说“表格”的时候默认模型不知道你要的是Markdown表格要明确写“用Markdown表格输出”。复杂格式给示例。比如“按下面这个格式输出{示例}”它就能照着来。一个对话里不要同时要求太多种格式比如“既要JSON又要表格又要列表”模型容易顾此失彼。拆成多轮或者只保留最关键的一种。格式乱的时候少责怪模型多检查提示词是否给了足够的“格式上下文”。6.4 判断提示词质量的快速检查法我每次写完一条提示词都会花五秒钟自问三句如果把这句话发给一个新同事他能准确执行吗我有没有限定输出格式、长度和风格我对结果的评价标准是什么能不能量化如果三个都是“能”这条提示词大概率好用。如果连你自己都觉得“这个任务本来就说不清楚”那就先别急着发花一分钟把任务边界再理一理。这个“三问法”也是我帮同事审提示词时最关键的一套逻辑。最后分享一个真实感受。提示词工程说到底不是跟模型较劲而是练习“怎么把需求表达清楚”。我自己从“一个简单问题扔过去、答案不满意就骂”到“写提示词前先花半分钟想背景、任务、约束”半年下来AI输出一次通过率高了好几倍。这十个技巧和模板都是从那些“差一点就对了”的对话里抠出来的。把它们真正用起来你会明显感觉到不是模型变强了而是你的发问方式成熟了。