1. 先想清楚一件事提示词工程到底在工程什么我最早接触大语言模型的时候纯属玄学选手。问法是帮我写一个产品文案得到一坨正确的废话换成你是一个营销专家帮我写一个能让人下单的文案好像好了一点但也就好了一点点。后来一个做算法的朋友点醒我你不是在用AI你是在赌AI会读心术。这句话挺扎心但确实是很多人卡住的根本原因。提示词工程不是多写几句好话让AI高兴它的本质是把模糊的意图翻译成明确的约束。大语言模型的能力边界一直在扩展但有一点始终没变它不认识你不知道你脑子的上下文它只能根据你给的文字去猜你最可能想要的东西。提示词写得差不是AI笨是你给的约束不够。这篇文章要聊的是我在真实项目里反复验证过、能立刻用上的10个技巧以及一套直接抄走的模板库。不绕理论不搬论文全部是复制粘贴改一改就能跑的实操内容。适合刚开始接触提示词的新手也适合已经在用但总觉得输出不够稳的中级用户。1.1 大语言模型本质上是一台高级文字接龙机先花30秒理解底层机制后面所有技巧都从这里长出来。大语言模型的核心能力是根据已有的文字预测下一个最可能出现的词。你给它今天天气真它大概率接好你给它一句完整的话它会把可能出现的后续句子按照概率排列再挑一个组合出来。这个预测过程基于海量训练数据形成的统计规律所以它看起来懂语法、懂逻辑、懂常识但它并不像人一样有一个想表达的意思。这意味着一个关键结论你的提示词就是模型唯一的上下文。模型不知道你写这个提示词之前想了什么、你的业务背景是什么、你讨厌什么风格它只知道你打出来的这几个字。所以提示词工程的所有工作本质上都是在做一件事——把模型需要知道的上下文尽可能精确地塞进那几行文字里。用做饭来类比就很好懂。你对着厨师说做点好吃的他只能发挥想象力做出来可能完全不是你想吃的你跟他说做一道麻辣口味的川菜主料用鸡腿肉不要香菜不要姜辣度中辣最后要收汁他做出来的东西才真正接近你脑子里的那盘菜。提示词工程干的就是这件把需求说清楚的活只不过服务的对象是一个没有预判能力的文字接龙机。1.2 为什么同样的模型别人用出来的效果差好几倍我经常被问一个问题明明用的是同一个模型为什么你拿到的结果比我的好这么多差距往往不在模型而在提示词里藏了多少约束。我做过一个简单的对比实验让同一个模型写一段产品卖点说明第一组提示词只有这一句第二组提示词包含了目标用户画像、使用场景、行业调性、篇幅限制、语气要求、禁止词清单。结果是第二组的输出质量那些经常用AI的人一眼就能看出区别——一个是看起来没错但没什么用的泛泛之谈一个是可以直接放进详情页的成品。但这里要说明一点提示词不是越长越好。不是往里堆形容词就有用。真正有效的是结构化约束——每一个条件都在降低模型的猜测空间。后面要讲的10个技巧本质上就是10种给模型设置边界的方式每个技巧解决一个特定的模糊点。2. 三个基础技巧先把提示词写稳这三个技巧适合所有人尤其是刚入门的人。把这三个练成肌肉记忆你的提示词质量会立刻上一个台阶。2.1 技巧1角色设定给模型一个明确的人格视角角色设定大概是性价比最高的一个技巧因为它加一句话就能见效。原理很简单模型在训练数据里见过大量扮演特定角色的文本模式当你给它设定角色时它会自动切换到对应领域的词汇习惯、逻辑方式和语气。但大多数人的角色设定太敷衍了。你是一个AI助手等于没说你是一个营销专家稍微好一点但依然太宽泛。真正有效的角色设定需要包含三个维度身份你是什么领域的什么角色资历多深任务边界你在这个任务里负责什么、不负责什么受众你输出的东西是给谁看的我第一次感受到角色设定的威力是在写技术方案的时候。同样的需求用你是一位资深后端架构师请评估这个方案的缺陷比请帮我看看这个方案有什么问题得到的答案细节密度和严谨程度完全不在一个量级。原因是前者激活了模型在训练数据里学到的资深架构师那一大堆文本模式回答时会自动带入评审视角。2.2 技巧2任务拆解一次只让模型做一件事很多提示词翻车的根源是一次问太多。比如你问帮我写一份市场调研报告分析竞品优劣势顺便给出定价建议还要包含推广计划。模型确实会给你一份看似完整的报告但每个部分都很浅——因为它在一次生成过程中要分配注意力给四个任务最后只能在每个任务上都点到为止。正确的做法是拆开问。先让它做竞品分析得到结果后再基于这个结果问定价建议然后再基于前面的内容问推广计划。每一步的输出都是下一步的输入这样每个环节的质量都会高很多。这种方式有个专业叫法是链式提示chaining但在实操中它不需要什么高深技巧就是养成一个习惯一个提示词里只问一个问题只要求模型完成一个主要任务。如果任务确实复杂就在提示词里明确 第一步做什么第二步做什么第三步做什么让模型按流程走而不是一口气全做完。我自己的经验是写复杂提示词之前先在草稿纸上把任务拆成3到5个步骤然后用编号写进提示词。写完后通读一遍如果发现某一句话有顺便还有同时这类词基本就是拆得不够细的信号。2.3 技巧3格式预定义让输出开箱即用你有没有这种经历让AI输出一份商品对比表它给你来一大段文字让它列行动清单它给你写一段散文。你不说清楚格式模型就用自己的审美自由发挥而它的审美常常不是你要的。格式预定义就是在一开始就告诉模型我要的输出的样子。这个技巧能立刻提升实用性因为大部分人在使用AI时最终目的是要一个能直接用的产物而不是一篇要自己二次整理的文本。格式预定义的两种常见用法宏观格式比如用Markdown表格输出用Bullet Points列出输出为JSON格式分三段每段不超过100字。微观格式规定每个部分要有什么字段比如每一条包含问题描述、影响范围、解决建议、优先级。这个技巧有一个特别好的副产物当模型被限定格式后它的废话率会显著下降因为格式本身就构成了一种约束逼迫它把注意力放在内容填充上而不是纠结该怎么表达。3. 三个进阶技巧把输出质量再往上拉一个台阶基础技巧解决输出能不能用的问题进阶技巧解决输出好不好的问题。会了这三个你和普通玩家的差距就拉开了。3.1 技巧4少样本示例用参考答案给模型做示范让模型模仿比让模型创作更容易得到好结果。少样本提示Few-shot Prompting就是在提示词里给出1到3个输入输出的示例对告诉模型照着这个格式和调性来。举个例子。我常需要把技术需求转成用户故事如果只写把下面这个需求转成用户故事AI给的格式五花八门。但我加上一个示例需求用户可以在个人中心修改头像 用户故事作为注册用户我希望能够修改个人头像以便让我的个人资料更贴近真实形象。 验收标准用户从个人中心进入头像设置支持上传本地图片格式限jpg/png大小不超过5M上传成功后全站头像即时更新。再丢给它下一个需求它输出的用户故事格式就稳定了连验收标准的颗粒度都很接近。原理很好理解示例相当于给它一个从哪个方向猜测意图的锚点。你给的示例质量就是模型输出的质量上限所以示例一定得是你能接受的最低标准不能糊弄。少样本提示适用的场景非常多写作风格模仿、数据提取格式、代码注释风格、翻译风格偏好……几乎任何需要输出保持固定风格格式的任务都可以用这个技巧来兜底。3.2 技巧5限定边界给模型画一个安全圈大模型有个著名的毛病叫幻觉——它会一本正经地编造事实。应对幻觉的最粗暴有效的方式就是在提示词里画边界。边界分两类内容边界和表述边界。内容边界是说清楚什么可以做、什么不可以做。比如让AI写行业分析只基于以下提供的资料内容不要补充任意外部信息如果资料中缺乏相关信息请直接说明‘资料中未提供该信息’。这一句话就能消掉大量编造。表述边界是控制语气和用词。不要使用绝对化表述不要用夸张的营销词避免术语堆砌优先用通俗语言解释等等。这些限制词会把模型的输出往稳和准的方向拉。我见过的最典型的反面教材是有人让AI写一份行业趋势分析没说资料范围AI洋洋洒洒编了三页趋势看起来逻辑通顺、数据详实结果全是假的。后来的改正方案很简单把所有真实资料贴在提示词里然后加一句只基于上述资料进行分析不得引用资料外的数据或事实。输出立刻从看起来专业变成了真正可靠。3.3 技巧6思维链引导让模型学会先想后答当任务涉及推理、计算、分析时直接让模型给结论它经常跳步出错。这时候可以用思维链Chain-of-Thought技巧让模型把推理过程一步步写出来。最简单的用法是在提示词末尾加一句请先列出你的思考步骤再给出最终结论。这句话听着普通但对需要多步推理的任务效果立竿见影。原因是模型在生成思考步骤的过程中等于自己做了一次计算草稿后续生成的结论会基于草稿中的中间结果而不是直接一步跳到结尾。做数据清洗的时候我常让AI判断一批用户反馈文本的情感极性。直接问这条评论是正面还是负面准确率大概八成加上请先拆解关键词和语气信号再判断情感极性之后准确率能接近九成半。这个技巧要注意一个前提只有当任务的推理链路比较长时才值得用。像把这句中文翻译成英文这种短任务思维链反而会拖慢速度、增加无谓的输出。4. 四个高阶技巧把提示词当成一个可以迭代的工程系统前面的技巧解决的是单次提示词的质量高阶技巧解决的是多次提示词的效率和稳定性。到这一层你就算从会写提示词进阶到会做提示词工程了。4.1 技巧7把温度参数和提示词当成一对搭档来调很多人只用提示词完全忽略模型API里的参数。实际上提示词和参数是配合使用的。核心是温度temperature参数。温度越低模型的输出越确定、越保守温度越高输出越发散、越有创意。对比如下任务类型建议温度提示词策略代码生成、数据提取、格式转换0~0.3提示词要精确到字段级减少自由发挥的空间文案改写、头脑风暴、创意命名0.7~1.0提示词可以宽松一些鼓励发散日常问答、分析总结0.3~0.7提示词给出边界和框架留一点弹性我早期犯过一个错让AI生成广告语结果温度调得太低十条里九条长得一样。后来把温度提到0.9同样提示词一下出来好几个风格完全不同的版本。反过来让AI抽取合同里的关键字段时温度高了它就开始自作主张地润色原文字段对不齐——把温度降到0.1问题立刻消失。提示词工程不是只写在对话窗口里的句子。如果你在用API或者一些支持参数调优的工具温度是需要一起考虑的变量。4.2 技巧8迭代追问把对话当成调试器一次拿到完美输出的概率其实不高高手和普通人的差别在于——高手把对话当成调试过程普通人是不行就重开一局。迭代追问的核心思路是不修改原始提示词而是在上一轮输出的基础上指出问题、追加约束、要它重写。这样做有三个好处保留已经正确的部分只修正偏差的部分比从头再来省时间模型有上下文记忆它记得自己上一轮说了什么追问修改的一致性更好每一次追问都是对提示词的增量调优几个来回之后你就知道自己写提示词时漏了哪些约束。我在写长文时常用的追问链大概是这样的先让AI列大纲 → 修改大纲 → 让它扩写某一节 → 指出风格太官方 → 让它变得口语一点 → 指出某段逻辑跳了 → 让它补充过渡段。整个过程像雕石头而不是重新烧一窑砖。有一个小技巧如果你知道自己要反复修改第一轮提示词里就加一句完成后请主动列出三个你觉得可以改进的地方。模型会在给出答案后自己提建议这些建议相当于免费的提示词优化器。4.3 技巧9结构化提示词用符号把逻辑钉在纸上当提示词变得很长时模型理解起来也会看走眼。这时候可以借助结构化写法把提示词按区块分隔开让模型清楚每一部分的职责。最常见的结构是【任务】 【背景】 【输入数据】 【处理步骤】 【输出格式】 【约束条件】用方括号、XML标签或者Markdown标题分隔都可以关键是让模型能区分这行是背景介绍这几行是待处理的数据这句话是输出的格式要求。我实测下来用这种区块式的写法长提示词的翻车率明显比一大段散文式提示词低。更极致的用法是把提示词写成一套操作手册开头约定术语中间给处理逻辑最后给输出模板。这样的提示词已经不太像对话了更像一份配置文件。实际上很多人把高复用性的提示词固化下来配合变量使用就变成了团队内部共享的提示词模板。这就引出了第十个技巧。4.4 技巧10建立自己的模板库把它当代码一样做版本管理真正把提示词工程落地的人都有一份自己的提示词模板库。这不是简单收藏几条好用的句子而是一个持续维护的资产。我维护模板库的方式参考了代码管理的思路每条模板有明确的版本号改过一次就生成一个新版本记录改动时间和改了什么。这样如果新版本表现反而差了能快速回退。分场景归档写作类、代码类、分析类、学习类、办公类每条模板都有适用说明、不适合的场景和已知的问题。记录无效尝试哪些写法试过但不好用也记下来避免下次再踩同一个坑。参数化把模板里可变的字段用{{变量名}}占位需要的时候替换即可。这样一条模板可以复用到多种场景。模板库看起来很费事但它带来的复利是巨大的。每次写提示词都从零开始的人和每次从自己的模板库复制粘贴再微调的人半年后输出的效率和质量会有数量级差距。5. 能直接抄走的模板库10个高频场景前面讲了技巧这节直接给成品。下面这些模板都是我实际用过的改过的你复制到对话窗口里把方括号里的内容替换成自己的场景就行。5.1 写作类模板模板A结构化长文写作【角色】你是一名资深内容创作者擅长把复杂话题讲得通俗易懂。 【任务】请按照以下大纲创作一篇关于「主题」的文章。 【背景】目标读者是「群体」他们的痛点包括「痛点」。 【结构要求】 1. 第一部分用一个真实场景或反常识结论切入 2. 第二部分分解核心概念每个概念用生活类比解释 3. 第三部分给出可操作的方法或步骤 4. 第四部分提供常见误区和注意事项 【输出要求】 - 语气口语化、亲切像经验丰富的朋友在分享 - 篇幅每个部分约300字 - 禁止使用模板化总结、空话套话、过度绝对化的表述 【写作前】请先用一段话列出你计划的关键点和结构等待我确认后再开始。模板B营销文案改写【角色】你是一名熟悉消费者心理的文案策划。 【任务】把下面这段产品描述改写为「平台风格」的种草文案。 【产品描述】「原文」 【已确认的卖点】1.「卖点一」 2.「卖点二」 【要求】 - 字数控制在「XX」字 - 开头必须用痛点切入不要用今天给大家推荐 - 每一个卖点都要对应一个使用场景或用户需求 - 结尾给出明确的行动指引 - 禁止使用绝绝子yyds等网络流行词5.2 编程类模板模板C代码审查【角色】你是一名资深代码审查工程师。 【任务】请审查下面这段代码重点关注「性能/安全性/可维护性/边界条件」。 【代码】 「粘贴代码」 【输出格式】 | 问题级别 | 代码位置 | 问题描述 | 修改建议 | 【补充要求】 - 如果没有发现问题请直接回答未发现明显问题 - 如果发现问题先列问题再给修改后的代码片段 - 不要修改与本次审查目标无关的代码风格模板D报错排查【角色】你是一名经验丰富的开发工程师。 【任务】帮我排查下面的报错。 【环境信息】 - 语言/框架「如Python3.11 / Django 4.2」 - 操作系统「如macOS 14.0」 - 相关依赖版本「如有」 【报错信息】「完整粘贴报错日志」 【完整代码】 「粘贴相关代码」 【请按以下顺序排查】 1. 先判断报错最可能的原因 2. 给出定位问题的排查步骤不要直接给修改方案 3. 在前两步完成后再给出修复方案 4. 最后说明这个报错背后的原理5.3 分析类模板模板E数据分析报告【角色】你是一名商业数据分析师。 【任务】基于下面提供的数据完成一份分析报告。 【业务背景】「用两三句话说清楚业务场景」 【数据说明】「说明每一列的含义和数据口径」 【数据】 「粘贴数据或表格」 【报告结构】 1. 核心结论不超过3条放在最前面 2. 关键指标解读 3. 趋势和异常点分析 4. 可能的原因假设 5. 下一步建议 【约束】 - 只基于提供的数据不得编造数据 - 数据不足时明确标注数据不足以支撑该结论 - 避免过度推断因果关系模板F竞品调研【角色】你是一名行业研究员。 【任务】调研竞品「竞品名称」的优势和劣势。 【已知信息】「把你在官网、使用体验中观察到的事实写下来越多越好」 【输出要求】 - 从产品功能、用户体验、商业化模式、市场定位四个维度展开 - 每个维度下分为竞品做法 / 相对优势 / 相对劣势 / 对我的启发 - 最后的对我的启发部分要具体不写值得学习这类空话 - 如果现有信息不足请列出还需要补充的调研问题5.4 学习类模板模板G概念拆解【角色】你是一名擅长费曼学习法的老师。 【任务】帮我彻底搞懂「概念名称」这个概念。 【我的基础】我已经了解「前置知识」但对「概念名称」的理解比较模糊。 【输出要求】 1. 先用两句话给出通俗定义 2. 用一个生活化类比解释 3. 拆解这个概念的核心组成部分每个部分配一个例子 4. 指出最常见的3个误解 5. 给我一个能自己验证是否理解的小练习 【额外要求】如果概念太复杂请先问我要不要展开某一部分不要一口气讲完。模板H读书笔记【角色】你是一名阅读教练。 【任务】帮我整理《「书名」》这本书的读书笔记。 【我的阅读目标】「我想从这本书里学到什么」 【输入】「粘贴你做的原文摘录或章节要点」 【输出结构】 1. 本书核心观点一览 2. 我摘录内容的逻辑串联 3. 与我的问题相关的关键启发 4. 书中观点可能的局限 5. 基于这本书我的下一步行动建议3条以内5.5 办公效率类模板模板I会议纪要整理【角色】你是一名高效的会议记录秘书。 【任务】将下面的会议记录整理成结构化纪要。 【会议主题】「主题」 【原始记录】「粘贴零散的原始记录」 【输出格式】 - 会议结论一句话 - 讨论要点每条不超过50字 - 行动项负责人、事项、截止时间 - 遗留问题 【要求】尽量保留原始记录中的关键信息不添加会议中未出现的内容。模板J邮件撰写【角色】你是一名得体的职场沟通高手。 【任务】帮我写一封工作邮件。 【目的】「说明邮件目的如争取资源/汇报进度/约时间」 【背景】「相关上下文」 【收件人关系】「如直属上级/跨部门同事/客户」 【风格要求】「正式/友好/简洁/有说服力」 【特殊要求】「如需要语气委婉、需要强调某个重点」 【输出】请先给初稿然后标注这封邮件可能的3个风险点或可优化之处。6. 模板不是拿来就灵的几种常见翻车现场和补救办法模板库给了但这东西跟菜谱一样——照着做也不一定每次都成功。我把自己踩过的坑和补救方式整理在这里能帮你省掉很多试错时间。6.1 模板失效的三个高频原因第一个坑把模板当成免改的标准答案。模板里的角色、受众、背景都是占位符不是摆设。很多人复制模板后只改了主题背景和受众还留着我的原文输出自然一塌糊涂。每一条带方括号的字段都要根据你的场景认真填填得越具体输出越准。第二个坑上下文太长导致模型记不住。大模型的输入长度有限即便是有超长上下文的模型在信息过载时也会出现中间遗忘现象。我遇到过贴了三万字资料后模型输出结论跟资料完全无关的情况。解决办法是拆小批量喂给模型或者先在提示词里做一次预处理摘要再基于摘要提问。第三个坑前几轮对话污染了当前的结果。很多人在同一个对话窗口里问了很多不相关的问题模型的注意力被之前的对话带偏了。哪怕你新输入的提示词写得很完美前文残留的信息也可能干扰输出。所以重要任务我一般新开对话或者用以下内容与前面的对话无关请把它当作全新任务来隔离。6.2 模板跑偏时的三步微调法当输出不理想时不要急着换模板按顺序试这三步第一步补充约束。看输出缺什么就加什么。风格不对加风格要求内容太浅加深度要求格式不对加格式说明。第二步增加示例。文字描述不出来的时候直接给一个我就想要这种感觉的示例比写十句形容词都好使。第三步降低任务难度。如果还是不行大概率是任务本身太复杂把它拆成两三个子任务分步完成。这套微调法比换个花哨的提示词重问一遍要可靠得多因为每一轮调整都保留了之前正确的部分是增量式的改进。6.3 关于模板库迭代我最后补一句提示词模板不是越炫技越好。我见过有人把提示词写成几千字的角色人设世界观行为准则看起来特别专业实际效果反而不如一百字的聚焦指令。核心原因是模型对指令和噪音的区分能力有限提示词里的信息密度一旦降低它就会把注意力分散到无关细节上。好的模板标准一直没变过用最少的字数提供最高的约束密度。每条模板里都应该有必填的变量其余部分尽量精简。我自己维护模板库的习惯是每用一次模板就在文件末尾追加一行本次使用效果/修改点。积累一段时间后哪些模板稳定好用、哪些场景需要特殊处理一目了然。这个过程有点像程序员维护自己的工具函数库前期花点时间后面全部是红利。