去年到现在我越来越多地让大模型替我干活写初稿、整理数据、复盘方案、跑代码做多了之后发现一个挺反直觉的现象——决定输出质量的关键往往不在模型选哪个而在提示词怎么敲。同一个模型有人拿它当“高级搜索引擎”有人拿它当“7×24小时的外包团队”差别就藏在那几行输入里。提示词工程这个词说复杂可以很复杂说简单其实就是一件事把脑中的模糊需求翻译成模型愿意且能够执行的结构化指令。它不需要你懂算法不需要你背论文更像是一种“给聪明实习生交接工作”的能力。这篇文章我会一次性列出10个我实际验证过有效的提示词技巧并附上一套可以直接复制改用的模板库。无论你是做内容、写代码、处理数据还是只想让AI帮你把邮件写得体面一点都能在里面找到能直接抄作业的部分。好的直接开始。1. 提示词工程的核心逻辑你写的是“需求文档”不是“咒语”1.1 先接受一个现实模型不是全知的神而是“懂很多的实习生”很多初学者对提示词有个误解觉得它是某种魔法口令只要念对某句话模型就会给你一份满分答案。我把这个误解叫作“咒语思维”。真实情况是大模型本质上是一个基于上下文预测的系统。你给它一句“写一篇关于时间管理的文章”它只能从训练数据里预测“最可能、最常见、最四平八稳”的回答方式。结果就是你拿到的那篇既没有错、也没有用的文章。我常把大模型比作一个刚进入你行业的实习生读过很多书知道很多概念但完全不了解你当前项目的上下文。你只说“帮我把这份报告整理一下”他这个“懂很多”的实习生只能按自己想象来发挥。提示词工程要解决的核心问题就是把这个“逻辑链”补齐。那要补齐哪些东西呢无非是我的需求三问我要它完成什么任务是总结、翻译、改写、分析还是生成代码它现在缺哪些背景信息这些信息是不是导致它只能瞎猜的原因我期望的输出长什么样是表格、列表、JSON还是一段口语化的文案大多数低质量提示词都是因为这三问没想清楚就发出了指令。模型不是不想答好是你没给它答好的材料。1.2 提示词的“三明治结构”上片给背景中间下指令下片锁格式既然提示词是“需求文档”那它最好有一个稳定的表达结构。我自己用下来最顺手的是三明治结构分三层第一层背景信息。把任务的前提、对象、场合、约束讲清楚。比如你让AI写一封邮件别直接说“帮我写封邮件”而是说“我要给一位合作了两个月的客户写邮件他最近在一次方案沟通中对我们提出的报价有所犹豫”。第二层明确指令。在背景后面直接给出动词性命令比如“请你基于以上背景写一封……”。第三层输出格式与负面约束。这层放在提示词末尾说明输出结构、篇幅、语气以及不要出现什么。举个简单的对比。弱提示词“写一篇关于时间管理的文章。”模型大概率会从“时间管理的重要性”开始一路写到“制定计划、避免拖延、合理利用碎片时间”全是正确的废话。如果你用三明治结构补齐一下我是一名连续创业者最近总觉得每天忙完重要的事却没推进多少。请你以时间管理教练的身份针对每天工作时间长但效率低的互联网从业者写一篇实用向文章。结构要求先给一个反常识观点再用三个具体方法展开每个方法都要有可执行步骤最后用一句话总结。全文800字左右避免空话不要用“随着社会的发展”这类开头。同一篇“写关于时间管理的文章”效果会完全不同。多花两分钟做背景铺垫能让AI少花两小时生成一堆你要丢弃的废稿这笔投入挺划算。2. 十个能立刻上手的技巧上先把“控制权”拿回来这十个技巧我按使用场景分成了上、下两篇。上篇的核心词是“控制”适合你希望AI严格按指令产出、少发挥的时候。2.1 技巧1角色注入——先给模型一个“身份锚”再问问题角色注入是大家最熟悉、也最常用的一招但很多人用得太粗糙。问题不在于“要不要给角色”而在于“怎么给角色才有效”。你说“你是资深文案”模型能get到但“资深文案”这个标签太宽它还是会往平均风格上靠。更有效的做法是给角色加上“背景细节”和“工作情境”。我的常用格式是你现在是一名有8年消费品牌经验的内容策略师服务过新消费茶饮、咖啡品牌熟悉小红书、抖音两种渠道的内容调性。请以这个身份为我的【具体产品】写三条。加了“8年经验”“服务过哪个品类”“熟悉什么渠道”之后模型输出的用词、案例密度、语感都会靠近你设定的语境而不是泛泛套用一个“专业文案”的壳。为什么会这样因为大模型在预测时会优先调用“最近似身份锚”的语料分布。角色细节越清晰它的采样空间就越接近你想要的行业输出自然更有“内行感”。当然这个“内行感”是语言风格层面的不是事实层面的别指望它说的每一个品牌数据都真实后面避坑部分我会再展开。2.2 技巧2少样本示范——一个例子胜过一百句描述这是我在内容创作中使用频率最高的技巧也是新手最容易忽略的。“少样本示范”的意思很简单别只告诉AI你想要什么风格直接给它1到2组“输入—输出”的例子让它照着模式做。比如你想让AI把一段产品文案改写成短视频口播稿与其写“记得口语化一点、轻松一点”不如直接给两组示例示例1 原文本产品采用新型防水材料防护性能优秀。 改写这杯子你直接扔水里捞起来照样用不信试试 示例2 原文本课程为零基础学员设计。 改写完全没学过别怕这门课就是为你这种小白准备的。 现在请把下面这段原文改写成同风格的短视频口播稿 原文本课程采用项目制学习方式学员将在真实场景中完成实战训练。为什么“示例”比“描述”更有力因为语言是模糊的。“口语化”在不同人脑中的画面完全不同而示例相当于把“口语化”定义为“像示例这样说话”。你给的例子实际上是给模型画了一个风格坐标一组例子定义方向两组例子划定边界。少样本我不建议一次给太多2到3组足够。给太多例子模型容易“过拟合”会不自觉模仿例子的句式反而限制了创造力。如果你发现输出的句式高度重复大概率是例子给多了或者例子选得太单一。2.3 技巧3思维链——让模型把“推理草稿”交出来遇到逻辑题、计算题、或者需要多步推理的任务时直接在提示词里要求“一步步思考”往往比让它直接给答案靠谱得多。这个技巧有一个通用后缀请先列出解题步骤再给出最终结论。举个例子一家活动公司做促销满300减40同时全场打9折但两种优惠只能选择其中一种。某客户买了一件标价520元的产品请问选择哪种方案更划算请先列出计算步骤再给出最终结论。如果直接问模型可能因为“都差不多”而给出模糊答案。但要求它先列步骤之后它会先算满减520-40480再算折扣520×0.9468。正确答案一目了然。延伸一步思维链也可以用于错误复盘。当你发现答案不对时别再重复问一遍同样的问题而是变成你刚才的回答里哪一步推理可能是错的请重新推演一遍。这等于让模型带着“找茬”的任务重新检查上下文通常会比重新问效果更好。需要注意思维链不是每个问题都要加。简单任务加了反而会让模型输出一坨“先说这个再说那个”的废话。判断标准很简单任务是否涉及多步逻辑或多项条件比较如果是就加如果只是“把这句话改得更礼貌”没必要。2.4 技巧4负向约束——把“不要做什么”写进提示词很多人写提示词只写“要什么”很少写“不要什么”这其实是给模型留了大量自由发挥空间。负向约束的作用是提前切掉那些统计上常见的“烂路”。最典型的例子就是中文写作中几乎泛滥的套话开头“随着社会的发展”“近年来”“日益增长”……你不告诉模型这些不要用它大概率会踩中其中一个因为这确实是互联网语料里最常见的开头方式。我的常规写法是这样请你润色这段产品介绍保留原有信息但注意不要以“随着……”开头不要使用“赋能”“闭环”“抓手”等黑话每句话不要超过40个字不要出现“打造”这种空动词负向约束为什么总被低估因为人在写提示词时思维会集中在“目标”上而忽略“风险”。提示词工程本质上也是一种风险控制把你担心出现的坏输出明确写死模型绕开的概率会提高很多。不过也要控制数量。负向约束一次列2到4条就够了列得太多模型会变得极度保守最后输出的文字干巴巴的像被抽干了水分的毛巾。我自己的经验是正向需求定“方向”负向约束定“底线”两者配合使用才能出好东西。2.5 技巧5输出格式锁定——让结果一步到位少动手做二次加工这条技巧看起来最简单却最容易被低估。很多人拿到不满意的回答后抱怨“AI内容不像人写的”其实问题往往出在没有锁定输出格式。举个最常见的例子你让AI“用表格整理一下这份数据”它可能输出一张表格前后还附带一大段“下面是您要求的表格请注意查收”之类的废话。只多这么两句你就必须在发布前手动删掉。更省事的做法是在提示词末尾给出格式固定要求请从以下文本中提取关键信息输出为Markdown表格。列名项目、负责人、截止日期、风险。不要把表格放在任何解释性文字后面不要添加“以下是……”这样的引导句。文本内容……对程序员来说格式锁定更严格甚至可以要求“只输出JSON不要任何解释”请用JSON返回下面这段客户评价的意图分类结构为 {意图: 投诉/咨询/表扬/其他, 摘要: 不超过10个字} 不要输出任何多余内容。为什么格式锁定这么有效因为大模型是逐字生成的一旦你提前给出了“骨架”它后续生成时就会一直在骨架内选词结构稳定度会显著提升。这不是玄学这是很多提示工程工具中“结构化输出”的底层逻辑。3. 十个能立刻上手的技巧下把单次指令升级成“工作流”3.1 技巧6多轮迭代——别幻想“一次写成”先把方向敲定再说我见过太多人习惯把整篇需求一次性塞给AI结果输出既散又浅。真正好用的做法是“分轮收敛”用多轮对话把一个大任务拆成小步骤每轮只解决一个问题。比如你想用AI写一篇行业分析文章不要在第一轮就说“帮我写一篇完整的行业分析”。我的第一轮通常是这样先不要写正文。请你列出这篇文章的三种切入角度分别说明适合的读者人群和结构。等我看完方向再帮你确定具体哪一种。等方向确定后第二轮才会说“按第二种角度写个大纲”第三轮再按大纲填充细节。宁可多问几轮也不要让模型在第一轮就生成一份“四不像”的大杂烩。这里有个心理障碍很多人觉得多轮迭代代表自己“效率低”。恰恰相反先定方向再写细节是把不确定性前置处理后面返工的概率会小很多。模型不是大神你先给一个小任务它完成任务的质量会明显高于同时被甩五个任务时的手忙脚乱。3.2 技巧7上下文包裹——把关键信息放在开头和结尾这个技巧基于一个观察在长提示词中模型对开头的“背景设定”和结尾的“具体要求”往往更敏感中间部分容易被稀释。如果你一段话里有多个信息层要把角色、目标和最关键指令放在开头和结尾中间再放样例和解释性内容。用我实际调提示词的经验来说一个常见现象是当你把需求一五一十全写进提示词之后模型却漏掉了其中一条关键约束。一个可能原因就是那条约束夹在了一大段文字的中间被“注意力稀释”掉了。所以我现在的习惯是“首尾呼应式”写法开头放核心背景结尾再重复一遍最关键的限制。开头你是一位有多年公众号运营经验的编辑…… 结尾最后再强调一次字数控制在600字以内不要使用“赋能”这类词只给我正文不要写其他废话。这种写法不一定能100%避免遗漏但在长指令下确实能把“漏关键约束”的概率降低不少。尤其是在你反复用同一个提示词调试的时候把最重要的那条重复两遍比只写一遍更保险。3.3 技巧8关键词开关——用极短指令快速调控输出气质有时候你不需要大改提示词只需要加一个“开关词”就能让输出风格发生明显变化。我把这些词叫作“关键词开关”。常见的开关有这几类结果导向“先给结论再给理由”过程导向“先分析再下结论”语言风格“用口语不用书面语”篇幅控制“50字以内”“一句话概括”视角切换“从读者视角写不要从产品经理视角写”举个例子你让AI写一段新品介绍第一版太书面你不需要重写提示词只需要追加一句改成更口语化的版本句子短一点去掉形容词像朋友微信推荐东西那样说。这一句就是开关。它不会牵扯到前面的角色、背景只调整“语感”这一个维度。调试效率会高很多。关键词开关的优点在于你可以把它当成一个“旋钮”在多次输出之间微调而不用每次从零写提示词。3.4 技巧9多方案对比——让模型从“给一个答案”变成“给一份决策清单”当一个问题没有唯一正确答案时你的提示词就不应该指望AI给你“唯一答案”而是让它给你“多个备选对比”。这个技巧我做方案调研时天天用。基础模版是针对【问题】请给出3个可行的方案。每个方案包含一句话概述、执行路径、适用场景、主要缺点。最后用表格做横向对比。比如你让AI帮你设计公司年度复盘会的流程它可以给你“严肃汇报型、工作坊共创型、轻松团建型”三种方案。你拿到的是选择权和背后的判断依据而不是被迫接受某一种模型偏好。为什么这种方式效果好因为当你只要求“一个答案”时模型倾向于输出“最常见、最安全”的方案但当你要求“3个方向”时它会强制自己覆盖不同分支思考会更发散同时它还会为每一个方案找理由。这相当于让模型做了一次小规模的“穷举比较”信息量大了很多。3.5 技巧10自我复盘检查——让模型先挑自己的毛病再改稿这个技巧是最近半年才稳定使用效果意外好。它的原理很简单利用多轮推理让模型站在“评审者”视角对刚才的输出做一次质检。具体做法是在AI给出初稿后你追加一句现在请你把自己当作一个严格的评审专家指出刚才回答中存在的3个主要问题逐条标注问题类型和严重程度。不要现在修改先列问题。等它列完问题之后你再说好现在请根据你自己列出的问题给出修订版。这个“两轮走”流程很关键如果不是“先评后改”模型会在同一轮里既当运动员又当裁判它通常不愿意指出自己的问题但当你把“批评”和“修改”拆成两轮它就更容易放开手脚挑刺。一轮下来输出质量往往会明显提升。当然别把AI的自我复盘当成上帝视角它还是会漏掉自己在事实层面的错误。但作为“第一轮评审”它的性价比已经超过了大部分人工初筛。4. 模板库把这10个技巧打包成可直接改用的6个模板技巧是“兵种”模板则是“作战方案”。下面这6个模板是我把上述技巧组合后在日常工作中经常直接调用的版本。复制后用【】标出替换内容即可。4.1 内容创作工作台从大纲到成文一次搞定适用于公众号文章、知乎回答、短视频脚本等多种内容场景。你现在是一名擅长给【目标读者】写内容的资深编辑文风是【口语化/专业/故事化】。 我计划写一篇关于【主题】的内容目标读者是【人群】我希望这篇文章能实现【目标涨粉/科普/转化等】。 先不要写正文。请先按以下结构给我一个写作大纲 1. 一个能抓住注意力的开头 2. 三个主要论点每个论点配一个例子 3. 一个可执行的小行动建议 等我确认大纲后你再按大纲写完整版。 正文要求字数【800-1000】字多用短句不要以“随着”开头不要用“赋能”等空词。这个模板融合的正是第2章的“角色注入”第3章的“多轮迭代”和“关键词开关”以及第2章的“输出格式锁定”。直接复制使用省去从零想的功夫。4.2 程序开发助手把需求变成靠谱代码在我让AI帮忙写脚本、调试代码时通常会用下面这个模板你是一位有多年经验的【语言】开发者。在回答问题前请先理解我的需求 背景【业务场景描述】 需求【具体功能描述】 约束 - 使用【技术栈/框架版本】 - 只输出可以直接运行的代码注释使用中文 - 不要使用已废弃的API - 考虑边界情况比如空值、超限输入 输出格式先给核心代码再给一个简单调用示例。不要输出解释性大段文字。 如果我的需求有歧义请先列一个“需求确认清单”不要直接写代码。这个模板里后面的“先列需求确认清单”是我最看重的一句。它会把模型从“急于生成代码”的模式拉回到“先理解需求”的模式这在复杂需求场景下能避免大量无效输出。4.3 文字改写与摘要让任何文本“换一种皮肤”无论是改写、缩写、降重还是风格转换都可以套这个请将下面的文本改写成【口语化/正式/小红书风格/工作报告风格】。 要求 1. 保留全部关键信息删除重复表达 2. 用词通俗避免生僻字和长句 3. 字数控制在【300】字以内 4. 禁止增加原文没有的细节 原文 【粘贴文本】 输出格式只输出改写后的内容不要解释修改过程。这里起作用的核心是“少样本示范”加“负面约束”特别是“不要解释修改过程”这一句能避免每次都要手动删除模型附带的修改说明。4.4 数据提取与结构化模板从混乱信息中挖出表格适合从会议纪要、客户留言、调研文本中提取关键信息。请从以下文本中提取关键信息并输出为Markdown表格。 列名【姓名/部门/事项/截止日期/风险等级】 规则 - 原文没有的字段填“无” - 不要增加原文没有的信息 - 不需要总结句只要表格 文本 【粘贴原文】 如果原文中存在明显冲突或缺失信息请在表格后用“注意事项”前缀列出。最后这一句“注意事项”跳出了纯提取让模型告诉你“这里数据不可靠”很多时候比表格本身还有用。4.5 头脑风暴与方案设计让模型成为你的发散引擎每次遇到需要创意的任务我都会用这个模板围绕【主题/问题】进行头脑风暴目标是【最终目标】。 请先给出8个不同方向的思路尽量差异化不要近义重复。 每个思路按这个格式输出 - 思路名 - 一句话核心逻辑 - 可能的执行路径 不要急着表达你的偏好等列完8个后再从可行性、成本、效果三个维度给出一个综合排序并说明理由。 补充要求其中至少3个思路要避开行业常见做法。“不要急着表达偏好”和“至少3个避开常见做法”这两个约束是让头脑风暴不流俗的关键大家用的时候一定留好。4.6 学习与理解模板用“费曼式”流程吃透概念这个模板适合读书、学新知识、搞懂某个技术概念时使用。请用“费曼学习法”帮我理解【概念】。 步骤 1. 先用一句话解释这个概念 2. 再用一个生活类比解释一遍 3. 列出三个基于这个概念最容易犯的常见误解 4. 设计一个三分钟能做完的小测验用来检验我是否真的理解 在整个回答中避免使用“在当今社会”“随着科技的发展”等空泛话术。这个模板的精妙之处在于“小测验”那一句。它让模型从单向讲解变成双向互动学完还能自我验证比单纯让它“解释一下”有效得多。5. 踩坑记录提示词工程最需要躲开的五个坑5.1 坑一把“一次到位”当成目标把迭代当成失败我刚上手时也常犯这个错总想在第一轮就把所有细节写完让模型一键输出完美答案。结果要么是提示词太长导致模型顾此失彼要么是一篇废话连篇的长文。后来我调整心态把提示词当成一个“最小可行性产品”先跑出毛坯再通过追加指令精修。“先给方向再给大纲最后写正文”这种分步法表面上多花了一轮对话实际上节省了成倍的修改时间。如果你发现自己每轮都要把AI的整篇输出推翻重来大概率不是模型不行而是你在跳过“迭代”总想一口吃成胖子。5.2 坑二把模型输出等同于事实不做独立核验这是我在工作中最警惕的问题。大模型的语言流畅度和事实正确性其实是两回事。它的训练目标从来不是“保证100%正确”而是“生成一个看起来合理的回答”。我遇到过AI在写行业分析时编造了一个根本不存在的统计数据也见过它一本正经地解释某个错误概念。这提醒我凡是涉及数字、引文、法律条款、最新政策、真实人物事件的内容一定要二次核验。正确的姿势是让AI的“语言能力”和“知识检索”各司其职。生成初稿、梳理结构、润色表达这些交给模型交叉验证、查数据、核对来源这些关键动作还得自己来。或者在提示词里明确加上“如果你不确定某个数据请用【需核实】标记不要编造”效果也会好很多。5.3 坑三假设模型知道你没告诉它的背景很多人写“帮我分析一下这个市场”却不说市场是哪个国家、什么品类、面向什么人群。模型只能靠猜测来凑答案。这和在真实工作中给同事交接项目一样的道理背景信息越省略对方越容易按自己的想象自由发挥。当你发现AI的产出“总觉得哪里不对”时别急着怪它先回头检查提示词。有没有把行业、地区、目标用户、资源现状写清楚是不是用“这个”代替了具体的名字我自己的经验是背景信息写得越具体后期要改的就越少。一些看起来啰嗦的上下文往往才是提示词质量的胜负手。5.4 坑四负向约束写得太多太杂把模型“捆”死了前面提到负向约束很好用但如果用力过猛也会让输出变得僵硬。有次我想让AI写一段活泼的促销文案一口气给了六条“不要”不要用感叹号、不要出现价格数字、不要用“限时”这个词、不要超过两句话、不要出现品牌名、不要使用“买一送一”。结果模型直接给出一个无比干瘪的句子没有任何温度。负向约束是用来“切掉烂路”的不是用来“修一条单行隧道”的。给模型留一些发挥空间它才能写出有质感的内容。如果你发现输出“太规矩”“太僵硬”先检查是不是自己把路堵得太死了。5.5 坑五不沉淀提示词导致每次都在从零开始最后这个坑最隐蔽也最影响长期效率。很多人在对话里调出了一条完美提示词关掉窗口就没了。下次遇到同类任务又开始从头摸索。我的习惯是每收到一个高质量回答就把它对应的提示词复制到本地一个Markdown文件里标注任务类型、使用场景、调教技巧以及当时踩过的坑。三个月过去这个文件会变成个人专属的提示词库而且越用越顺手。如果你真的想在提示词工程上越走越顺从今天开始给自己建一个提示词仓库。别再“用完即弃”了那等于亲手把每次积累的经验扔掉。最后再分享一个小习惯我每次调试出一条黄金提示词后不会直接存而是故意“破坏性改动”一次比如把一个关键短语删掉再跑一遍看输出差了多少。这能帮你精准定位到“提示词里到底哪句话在起关键作用”。经过这种测试保留下来的版本才是真正可以复用的资产。你下次打开对话框的时候不用从“你是一个AI助手”开始教直接把模板扔进去就行。