直接说结论提示词工程这项技能现在已经是使用大语言模型性价比最高的投入了。你不需要懂代码也不需要会微调模型只要把和AI对话的方式稍微调整一下输出的质量能拉开好几个档次。这篇文章我就把这几年实际项目中反复验证过的10个技巧拆开揉碎讲清楚每个技巧后面都附了可以直接复制的模板。全文不会讲什么高深理论都是能让你今天看完、今天就能用上的东西。很多人觉得提示词就是“好好说话”这其实是个误解。同一个问题问“帮我写个方案”和问“你是一位有十年消费品行业经验的市场总监请基于以下三个产品卖点为我即将召开的渠道大会撰写一份15分钟的开场演讲方案要求逻辑清晰、有数据支撑、语气有感染力”出来的东西完全是两码事。差距不在模型而在你怎么把需求说清楚。这就是提示词工程存在的意义把模糊意图翻译成模型能精确执行的指令。1. 内容整体设计与思路拆解1.1 从“对话”到“指令”思维转变是关键我在带团队的时候发现一个规律大部分人和AI协作效率低不是因为AI不行而是因为他们还在用“和人聊天”的方式和AI沟通。和人聊天对方能靠常识补全你省略的信息但大模型不会它只会按照你字面上的指令去生成内容。你说的越少它自由发挥的空间就越大输出就越容易跑偏。所以提示词工程的第一步不是学什么技巧而是完成一个思维转变把AI当成一个能力极强但极度“较真”的实习生。这个实习生知识面很广写作能力很强但他不知道你的真实意图、不了解你的业务背景、也不清楚你的质量标准。你给他的指令越具体、越结构化他交付的东西就越接近你想要的。在这个前提下我们才能理解下面所有技巧的逻辑。每个技巧本质上都在做同一件事降低模型的“猜测成本”把你要什么、不要什么、按什么格式给、给到什么程度全部定义清楚。1.2 为什么是这10个技巧覆盖完整提示词链路这次整理的10个技巧并不是网上随便拼凑的“金句合集”而是我在实际项目中反复用到的、覆盖了完整提示词编写链路的10个动作。我把它们分成三组来看基础层技巧1-3角色设定、结构化表达、步骤拆解。这组解决的是“让AI听懂人话”的问题是地基。进阶层技巧4-7示例驱动、约束条件、格式控制、思维链。这组解决的是“让AI输出高质量结果”的问题是梁柱。高级层技巧8-10任务分解、兜底策略、迭代优化。这组解决的是“应对复杂任务和失控场景”的问题是天花板。有了这个框架你就能理解为什么某些技巧要放在前面、某些技巧要配合使用。这份模板库里收录的每个模板也都标注了它主要涉及哪些技巧的组合方便你按需取用。2. 十个立刻就能上手的提示词技巧2.1 技巧一角色设定法——给AI一个“人设”角色设定可能是流传最广、也被误解最深的技巧。很多人以为只要写上“你是一名专家”就能提升效果其实不然。角色设定的本质是通过指定身份来激活模型中对应的知识领域、语气风格和思维模式。你设定的角色越具体激活的范围就越精准。我常用的写法是你是一位拥有12年一线教学经验的高中语文老师擅长用通俗易懂的方式讲解文言文。你批改作文时习惯先肯定亮点、再指出问题、最后给出修改示范语气温和但点评犀利。这样设定的好处是不仅给了身份还给了这个身份背后的“行为习惯”和“表达特点”。如果你只说“你是一位语文老师”模型可能给你输出一堆教科书式的套话但你把教学风格也写进去输出就立刻有了“人味儿”。模板请以[具体角色]的身份完成以下任务。 角色背景[一句话说明你的经验/领域/风格] 任务内容[清晰描述要做什么] 输出要求[格式/字数/语气等约束]适合应用场景文案写作、专业咨询、模拟对话、内容润色。但注意角色设定不适用于事实查询类任务。你问“北京市有多少人口”不需要给AI设定角色直接问反而更快更准。2.2 技巧二结构化模板法——用括号和换行把需求“钉死”大模型对格式非常敏感。你把提示词写成一坨没有结构的长句它就倾向于给你回一坨没有结构的长文。反过来如果你用换行、编号、括号把需求拆成清晰的模块它的输出也往往会像模像样地按照你的结构来。我曾经做一个竞品分析项目需要让AI批量生成产品对比报告。最开始的提示词是“帮我分析一下A产品和B产品的区别”出来的内容东一榔头西一棒子完全没法直接用。后来我把提示词改成了结构化模板请对以下两款产品进行对比分析严格按照下面的结构输出 一、产品定位差异各用两句话概括 二、核心功能对比以表格呈现列出三个最关键的区别 三、目标人群画像分别描述含年龄、职业、核心痛点 四、价格策略差异说明各自的定价逻辑 五、市场反馈摘要各总结三条来自真实用户的声音输出质量立刻脱胎换骨。原因很简单结构化模板相当于给模型画了一个“填空题框架”把它的创作自由度限制在了这个框架里它就不会跑偏了。模板请[完成某任务]并严格按照下面的结构输出 第一块[内容主题1][具体要求如字数、形式] 第二块[内容主题2][具体要求] 第三块[内容主题3][具体要求]2.3 技巧三教材式分步法——把复杂任务切成“教学计划”很多任务表面上是一个问题实际上是一个“项目”。比如“帮我写一份产品发布会的策划方案”这件事至少包含活动主题、时间地点、流程设计、嘉宾邀请、宣传节奏、预算分配。如果你一句话丢给AI它就只能在每个环节都敷衍一下最后给你交一份“什么都提了、什么都没提透”的方案。教材式分步法的核心思路是把任务拆成多个步骤让AI一步一步完成而不是一次性输出全部内容。你可以让它在同一个回答里按步骤输出也可以让它分多轮对话逐个完成。我常用的做法是请按照以下步骤完成产品发布会策划方案的撰写 第1步基于产品核心卖点提出3个备选活动主题并说明各自的侧重点 第2步选择其中一个主题设计完整的活动流程含时间节点 第3步针对这个流程列出需要的资源清单和人员分工 第4步制定宣传活动的时间节奏表覆盖发布会前2周至后1周。四个步骤全部完成后你会得到一份逻辑严密、内容充实的完整方案。比起“一句话命令式”的写法这种方式相当于给模型装了一个“施工进度表”让它在每个阶段都有清晰的目标而不是急着交差了事。2.4 技巧四示例少样本法——给AI一个“参考样板”这是我在实际项目中提升效果最显著的一个技巧。你说了半天“要写得有网感”“要口语化一点”模型不一定理解但如果你给它两个实际案例它立刻就能从案例中归纳出你想要的风格。少样本few-shot在学术上指的是在推理时给模型提供少量示例模型会模仿这些示例进行输出。大模型虽然参数多、能力全面但它在“风格模仿”这件事上远比你想象中更依赖示例。举个例子我需要AI帮我把技术文档改写成短视频脚本。我就在提示词里直接给了它一个我认可的历史脚本作为参考请根据以下技术文档内容改写为短视频口播脚本。 参考示例1完整展示一个标准脚本的写法 标题XXX功能上线了 时长45秒 开场钩子“有没有遇到过XXX的烦恼” 痛点阐述“在过去用户每次都需要……” 功能展示“现在只需要三步……” 结尾引导“点击下方链接立即体验。” 参考示例2再给一个不同风格的 略 请模仿以上两个示例的结构和风格为下面的技术文档生成脚本。给了这个参考以后AI产出的脚本结构几乎完美复刻了示例的节奏我再也不用反复修改了。这个技巧对所有“风格要求明确”的任务都极其有效比如小红书文案、公众号开头、短视频脚本、产品命名。2.5 技巧五约束条件打包法——把“不要什么”一次性说清楚我发现大多数人在写提示词的时候只写“要什么”不写“不要什么”。这会导致AI经常在输出里夹杂着你不想要的内容比如你让它写产品文案它给你加了一堆夸大宣传的形容词你让它做个总结它给你堆砌了很多正确的废话。约束条件打包法就是解决这个问题的。在你描述完任务后单开一块区域把所有的限制条件全部列出来。语言上要多用否定句因为大模型对否定句的遵循率其实很高请为以下产品撰写一篇微信公众号推文。 硬性要求 - 字数控制在800字左右上下浮动10% - 不得使用“遥遥领先”“极致”“颠覆”等夸张词汇 - 不使用感叹号结尾的标题 - 内容中必须包含至少一组真实用户的使用反馈数据 - 文风参考科技媒体理性克制避免营销腔 - 结尾不设置引导购买链接以行业思考收尾。这些约束条件列得越细AI交出来的稿子就越接近“可发布状态”你后期需要修改的地方就越少。我甚至见过有同行把“禁用词列表”直接整理成一份长期复用的文档每次写提示词都粘贴进去效果非常稳定。2.6 技巧六格式强制法——让AI输出“能直接用的”内容这个技巧主要面向一个场景你需要把AI的输出直接用于下游任务比如导入表格、批量处理、程序化读取。这时候如果AI给你一段带着问候语和总结的散文那你就得手动清洗数据效率极低。格式强制法的核心是在提示词中明确指定输出格式并且要求AI不要输出任何额外内容。最常见的应用是JSON格式其次是Markdown表格、CSV、纯列表等。请从下面这段招聘JD中提取关键信息以JSON格式输出不要输出任何其他内容。 { 职位名称: , 工作地点: , 工作经验要求: , 薪资范围: , 核心职责: [], 任职要求: [] }如果AI输出的JSON格式有误你还可以补充要求“确保JSON是合法可解析的所有字段值不要使用制表符或换行符”。这个技巧配合批量任务特别实用我经常一次性丢给AI几十条文本让它批量提取结构化信息效率比人工高太多了。2.7 技巧七思维链法——逼AI“先想后答”当你让AI完成复杂推理任务时如逻辑题、数学题、策略分析直接问结果往往容易出错。而如果你要求AI把推理过程一步步写出来准确率会大幅提升。这在学术上叫“思维链”Chain-of-Thought在工程上也叫“让模型进行延迟推理”。不需要整那么学术你只需要在提示词里加一句“请先展示你的推理步骤再给出最终答案”。就这么一句话效果立竿见影请回答下面的逻辑推理问题并在给出结论前先分步骤展示你的分析过程。 题目一家商店进行促销活动所有商品先打八折如果顾客使用会员卡在折扣基础上再减50元。小明买了一件商品最终支付了190元请问商品原价是多少 请先列出计算步骤再给出答案。模型会把“设原价为X八折是0.8X会员卡再减50即0.8X - 50 190解得X 300”的过程完整写出来你不仅得到了答案还能检查它是否有计算错误。直接用出错率比“闭眼答”低得多尤其适合数据分析、方案推演、问题诊断这类任务。2.8 技巧八任务分解法——把“一个大目标”拆成“一组小指令”有时候任务太复杂单条提示词装不下或者装下了也容易顾此失彼。这时候更靠谱的策略是不追求一条提示词解决所有问题而是拆成多条提示词、分多轮对话逐步完成。我做一个季度内容规划的时候从来不会让AI直接“出一份季度内容规划”。我会这样拆第1轮对话 请基于[业务领域]和[目标人群]列出本季度值得关注的内容主题方向不少于10个。 第2轮对话 请从这10个方向中筛选出最符合品牌调性的5个并为每个方向写一个主题切入角度。 第3轮对话 围绕这5个主题分别生成3条内容标题含标题语气说明形成共计15条的内容选题库。 第4轮对话 把15条选题分配到未来12周的内容排期表中每周安排1-2条注意主题之间的节奏搭配。每一轮都以上一轮的输出为输入逐层递进。这样每一步的质量都能被检验有问题可以随时修正不会出现“一步错、步步错”的情况。这种多轮对话的工作流才是提示词工程真正体现生产力价值的地方。2.9 技巧九正向兜底法——给AI一个“不知道”的出口大模型有一个特性即使它不知道答案它也倾向于给你编一个听起来合理的回答。这在业内叫“幻觉”。应对幻觉最有效的方法之一是在提示词里明确告诉AI“如果你不确定请直接说不知道。”这听起来简单但很多人没用过。AI其实很听劝的你给它开了一个“说不知道”的口子它就不太会硬着头皮编了。请回答以下问题。如果你不确定答案或者信息不在你的知识范围内请直接回复“信息不足无法确认”不要猜测。 问题[具体问题]这个技巧最关键的使用场景是事实性查询、企业内外部资料的问答、以及所有“准确性比丰富性重要”的任务。我还习惯在长文写作任务的末尾加一句“最后请用一到两句话说明你文中哪些信息是基于推断的哪些是有明确依据的。”这能帮我快速识别需要人工核实的内容。2.10 技巧十迭代优化法——把“不满意”变成“修改指令”绝大多数人和AI协作的失败并不是因为第一版输出太差而是因为不知道如何让它改到位。很多人只会说“帮我改一下”AI改完了还是不满意来回几次就放弃了。真正的迭代优化是把“模糊的不满意”翻译成“具体的修改指令”。AI不是一个懂得读心术的人你只有告诉它“具体哪里不行、希望怎么改、保留什么、去掉什么”它才能精准地调整。我常用的迭代公式是整体框架保留重点修改以下几处 1. 第二段的语气从“激进推广”改为“客观分析”删除夸张形容词 2. 增加一段关于[某方向]的内容放在第三段之后 3. 结尾原本是“欢迎咨询”改为以案例数据收尾 4. 全文口语化的词保留但删除所有“咱们”“老铁”等过于随意的表达 5. 字数控制在600字以内。有时候我甚至会对同一版内容做多次不同的迭代再用不同方向的结果对比选一个最好的组合。这也是提示词工程中“人机协同”最典型的形态AI出初稿人做决策AI再修改。效率和质量都可以兼顾。3. 模板库可以直接复制的高质量提示词模板模板这块我给你整理了我使用频率最高的几个完整模板。不是那种网上随处可见的“万能公式”而是我实际验证过、稳定出效果的版本。每个模板都标了适用场景你可以根据自己的需求微调。3.1 新媒体文章改写模板这个模板我经常用来做公众号文章的“翻译”把专业内容改写成适合大众阅读的版本。请以[资深科技编辑]的身份将下面的原文改写成适合微信公众号发布的文章。 改写要求 1. 开头用一句话抓住读者注意力可以从反差数据或常见误区切入 2. 原文的专业术语必须保留但每个术语后需要用生活化类比解释 3. 正文结构分3-4个小标题每个小标题下内容不超过150字 4. 语气理性但不枯燥可以少量使用口语化表达 5. 结尾用一句开放性问题引发讨论不要使用“欢迎转发”等话术 6. 全文1500字左右。 原文如下 [粘贴原文]3.2 竞品分析报告生成模板做市场调研、产品规划的时候这个模板能帮你快速生成结构完整的竞品分析初稿。请对以下[2-3款]产品进行竞品分析输出一份结构清晰的对比报告。 报告结构 一、产品概况对比一句话描述产品定位 二、功能矩阵对比用表格呈现核心功能差异标记“支持/不支持/部分支持” 三、用户评价分析各提取正向观点2条、负向观点2条注明评价来源场景 四、商业模式对比付费方式、价格区间、免费策略 五、差异化机会点结合对比结果给出3条针对我方产品的差异化建议 约束 - 只基于已确认的信息不要虚构产品功能 - 不确定的信息在报告中标注“待验证” - 结论部分控制在200字以内。 产品信息如下 [粘贴产品资料]3.3 短视频脚本批量生成模板做内容矩阵、账号运营的同行可以直接拿走这个模板批量化生产短视频脚本。请根据以下选题和参考风格生成一条时长约60秒的短视频口播脚本。 脚本结构 1. 开场钩子前5秒用提问或反常识数据抓住注意力 2. 痛点描述15秒描述目标观众正在经历的困惑 3. 解决方案25秒给出具体可操作的方法分3个要点 4. 价值总结10秒回顾核心观点 5. 互动引导5秒设计一个让观众在评论区回复的问题。 约束 - 口播语气自然、真诚不要播音腔 - 禁止使用“家人们”“谁懂啊”等过度网络化的表达 - 总时长控制在60秒左右字数约220-260字。 选题[填写] 参考风格[可以粘贴一条你满意的历史脚本]3.4 会议纪要提炼与行动项生成模板职场场景中最省时间的模板之一把冗长的会议记录变成可执行的行动项。请将以下会议记录整理成结构化的会议纪要。 输出格式 一、会议背景与目标两句话概括 二、核心讨论内容按话题分组每组用3-5个要点概括 三、关键结论用加粗标出决策项 四、待办事项用表格呈现事项、负责人、截止时间、优先级 五、风险与问题列出需要后续关注的事项 约束 - 不添加会议中未提及的信息 - 待办事项中“负责人”如果原记录没有明确写“待指定” - 语言精炼不要重复原文表述。 会议记录如下 [粘贴内容]3.5 框架类提示词包装模板最后给一个“包装器”用来把你自己已经验证有效的提示词变得更加稳定适合反复调用。[系统设定] 你是[角色]负责[职责描述]。你的工作原则是[2-3个关键词]。 [本次任务] 目标[一句话说明要完成什么] 输入材料[粘贴关键词、原始文本、资料] [处理流程] 第1步[说明第一步该做什么] 第2步[说明第二步该输出什么] 第3步[说明最终交付形式] [输出规范] - 格式[指定结构] - 字数[明确范围] - 风格[明确定调] - 禁止项[列出明显的“不要什么”] [自检要求] 写完后请自查一遍确认 1. [检查项1] 2. [检查项2]这个模板的核心价值在于“流程化”把一个任务拆清楚后每次调用只需要替换“输入材料”和“任务目标”两个区块剩下的约束不动输出的稳定性会非常高。我现在大部分为客户定制的提示词都是用这个框架搭出来的。4. 常见问题与排查技巧实录这个章节是我的“踩坑记录”。以下这些问题都是我在真实项目中遇到过的不是凭空想象出来的。4.1 模型不按照格式输出怎么办有段时间我让AI批量提取简历信息明明在提示词里写了“以JSON格式输出不要输出其他内容”它还是偶尔在JSON外面包了一层解释文字或者用中文逗号导致JSON解析失败。我试了几个办法效果递增。第一条在提示词后面追加一句“再次强调只输出JSON块不要输出任何说明文字”。有些模型存在“首尾效应”对末尾指令的执行优先级更高。第二条把你要的JSON结构直接写进提示词并且给一个“填充示例”让它照着填。第三条如果仍然出错可以在解析端做一层容错用正则把回答中第一个“{”到最后一个“}”之间的内容提取出来再去做反序列化。工程上永远不要假设模型的输出100%可控留好兜底方案。4.2 角色设定经常失效输出还是“AI味”很重我一直觉得“AI味”很大程度上是“没有个性”造成的。模型默认的输出总是四平八稳形容词堆砌、逻辑过满、没有留白。解决这个问题的办法不是把角色设定写得更详细而是在示例里给一个和“AI味”完全相反的范本。具体操作是你把角色设定的篇幅削减一半把省下来的字数用来加一个“反例”。比如你写“不要写成这样的风格总而言之、首先其次最后、不仅而且”。给模型看一个它不该模仿的坏例子它反而更容易理解你的边界在哪。我在测试中发现“正例反例”结合的方式比单纯写十条风格指令的效果都好。4.3 输出内容过于冗长怎么压缩大模型的默认趋势是“多说一点”因为这样看起来更全面。但你往往只需要一个精炼的答案。解决方式不是在提示词里写“请简洁”而是给出明确的字数上限同时也给出字数下限。只写上限容易让它压缩过度丢掉关键信息只写下限又容易让它注水。双限写法是这样的总字数控制在200-300字之间超过350字的部分会被系统直接截断请确保核心信息在前300字内完整呈现。加上“会被截断”这个理由模型的遵循度会明显提高。4.4 多轮对话越聊越偏怎么拉回来这是使用AI协作时最高频的痛点。特别是用技巧八做任务分解的时候聊到第三轮、第四轮模型偶尔会忘记最初的任务目标开始自由发挥。拉回正轨的方法是不重新解释整个任务而是把第一轮的提示词核心部分再粘贴一次并加上一句“请回到原始任务的目标”。还有一个实践中很好用的方式写一个“任务总纲”放在每轮对话的开头。比如你做一个方案每轮都先发一行“总目标完成产品发布会的全案策划。当前阶段第3步设计宣传排期。”这样模型每轮都能看到全局不会跑偏。4.5 模板在不同场景下效果波动特别大所有的“万能模板”都有这个通病换个领域、换个模型效果可能就从90分掉到60分。原因很简单模板只是“骨架”里面的关键信息需要根据场景重新填充比如不同行业的术语、目标人群、禁忌词都不同。所以我的建议是模板要积累但要根据自己的领域做适配。每当你发现一个模板在某种场景下效果不好就把它拷贝一份针对这个场景微调参数然后命名成“xx领域版本”。用这种方式沉淀自己专属的模板库比到处收集通用模板更有价值。5. 最后的操作性建议做提示词工程这么久我最大的感受是不要追求一次写对而是在用的过程中逐步迭代。你现在看到的这10个技巧和模板库也不是我一天写出来的是很多次“效果不好、分析原因、修改提示词、再测试”循环出来的结果。学提示词工程最好的方法就是拿起一个模板去真实项目里跑一遍效果不好就结合技巧二的“结构化模板法”和技巧十的“迭代优化法”去调整跑通以后收藏起来慢慢你就有自己的方法论了。另外提醒一句不同大模型对提示词的敏感度不一样。有些模型严格遵循格式指令有些则更偏好自然对话。在同一套模板上如果你换了底层模型记得先跑两三个测试用例看看效果不要直接拿正式任务冒险。我自己一般会备一个“提示词快速测试夹”里面放几段覆盖不同任务的文本每次换模型的时候先跑一遍心里有数再开工。希望这篇内容能帮你少走一些弯路。如果你在工作流里跑出了好用的模板也建议整理出来这东西是真的用一次赚一次。