1. 先想清楚提示词到底在调什么这两年我收到最多的提问并不是“哪个模型更强”而是“同一个模型为什么别人生成的内容能直接用我生成的就总像隔着一层”。答案十有八九在提示词上。我身边不少同事已经开始整理自己的AI提示词宝典我也一样从最早一条“帮我写周报”的随手记录慢慢变成一套带角色、任务、背景、约束、格式规范的完整方法。这篇文章更像一本个人整理手册不绑定具体模型重点讲如何把一句碎片化的需求改造成可以反复调用的高质量提示词。先说一个容易被忽略的事实模型没有读心术它只是基于你给的信息去补全概率最高的答案。你给得越模糊它就越倾向于输出“平均水准”的内容于是我们经常看到那种哪儿都对、哪儿都不出彩的回复。提示词工程要解决的不是找一句能触发潜能的咒语而是把大脑里没想清楚的细节用文字明确传达到模型面前。这就好比你把需求发给外包同事只说“做个方案”对方只能懵但你给了预算、用户、周期、交付形式、风格偏好对方交出来的东西才可能接近你要的样子。我见过很多人收藏了一堆所谓“神级提示词”直接复制粘贴到自己场景里结果依然不好用。原因不是别人文案不灵而是每个场景的上下文都不同。提示词真正值钱的地方不在那几个漂亮句式而在背后一整套拆解问题、补充约束、验证结果的方法。理解这件事是建立个人提示词宝典的前提。1.1 把提示词当成“任务说明书”而不是魔法口令做B端项目的人都懂需求越详细开发返工越少。提示词也一样。一条好的提示词本质上是给模型的一份任务说明书里面至少应该包含几个信息维度由谁来做、做什么事、在什么背景条件下、有什么限制、最终交付成什么形态。我早期踩过一个坑。让AI帮团队写一份市场活动复盘提示词只写了“帮我分析这次活动数据并给出总结”。结果它生成的内容全是“总体表现良好”“建议加强转化率”这类正确的废话。后来我在提示词里补了活动目标、渠道类型、目标人群、核心转化指标、活动周期、预算范围甚至把具体报表数据粘贴进去输出质量才发生了质的改变。整个过程没有切换模型也没有增加所谓魔法参数靠的只是把说明书写完整。所以每次写提示词时先别急着发送心里先过一遍如果这些内容交给一个不了解项目背景的同事他能直接执行吗如果不能说明提示词还没写完。当你能用自己的话把一个模糊任务拆解成对方能马上行动的动作时提示词已经成功一大半。1.2 五要素口诀角色、任务、背景、约束、格式我在整理AI提示词宝典时固定了一套万能结构长期使用下来省了很多调试时间称为“五要素口诀”。第一条是角色你想让模型以什么身份回答问题第二条是任务需要完成的具体动作第三条是背景提供展开任务所需的上下文第四条是约束指明不能做什么、必须包含什么第五条是格式规定输出用什么结构呈现。每条要素都有它的意义。角色能帮模型自动匹配领域知识例如让模型扮演“有五年经验的专利代理师”和直接问一个专利问题回答的专业度往往不同任务描述要动词化是“总结”“比较”“翻译”还是“改写”模型会按动作调整处理方式背景是当前最容易被忽略的部分许多人直接丢一句需求就开始对话却忘了补充数据、受众、渠道这些关键信息约束负责兜底避免模型自由发挥到不可控格式则减少二次加工成本让输出落到表格、语雀文档或者代码框架里。“写个产品介绍”不是完整任务“请以资深产品经理的角色为公司新上线的智能手环写一篇面向25—35岁城市白领的公众号推文800字左右语气轻松但有干货禁止堆砌形容词至少包含三个具体使用场景结尾给出引导到店铺的简短文案”才是一个要素齐全的提示词。把这句话拆进五要素里你会看得非常清楚。1.3 别人的模板不能直接抄要补自己的上下文收藏夹里堆满模板的人不少但真正复用时大多觉得比AI裸跑好一点却还差口气。原因在于模板只给出骨架没有填肉。骨架可以通用肉必须来自你自己的项目背景。比如有一个流传很广的“专家角色扮演”模板写的是“请扮演一位资深律师帮我审阅合同”。你直接粘贴AI可能只会给出泛泛的风险提示。要让它变得可用你得继续补上合同类型、双方地位、交易金额、你最担心的条款、行业习惯等信息。也就是说任何模板都只是起点你得在上边做填空题和组合题。一个好的解决办法是把常用的提示词都做成带占位符的模板用的时候往变量里填当前场景的信息如“活动主题”“目标用户”“预算范围”既保留了结构化优势又不需要每次从零开始。这也是把各类资料整理成“AI提示词宝典”的真正价值不是存放一堆让别人惊艳的句子而是沉淀一套自己能快速套用的任务分析框架加上每次迭代后验证有效的具体表述。2. 搭建自己的AI提示词宝典分类体系想要让提示词宝典真正可用不能只靠一个Word文档随写随存。我建议按自己的高频场景去做分类而不是按模型厂商或模型版本分类。因为工具会更新但你要解决的问题是稳定的。对我而言大体上可以分成内容创作、办公效率、编程开发、设计与绘画、音视频脚本、专业领域分析、Agent对话技能这几类。分类方式不需要追求大而全按你真实的工作流来就好。比如设计师可以单独设一个“风格提示词”类程序员可以单独设一个“代码审查”类自媒体人则应该把短剧、漫剧、短视频脚本独立出来。分类的目的是让你在使用时能最快找到对应条目同时在记录新提示词时知道自己正在补充哪一块能力。2.1 先给高频场景做一张分类地图我在实际分类时参考过岗位要求AIGC提示词设计、AI生成内容优化这些词近两年出现频率确实很高。既然岗位都开始单独设立了说明提示词设计已经具备相当强的专业属性。如果不知道如何下手可以做一张表格把“场景名”“典型任务”“常用角色”“关键输出”列出来。下面是简化版分类地图可以根据自身情况增删分类典型场景输出偏好中文写作公众号、知乎、邮件、汇报语气自然避免AI腔办公效率会议纪要、PPT大纲、数据分析结构清晰表格优先编程开发代码生成、Bug修复、重构完整可运行附解释绘画视频海报、分镜、视频风格描述视觉关键词镜头语言专业领域数学建模、专利、研究分析逻辑链完整有依据Agent技能客服、陪聊、问数、自动整理遵守人设多轮稳定这张地图不仅是存提示词的目录也会反过来提示自己哪类经验积累还不够。比如我在早期几乎没有给Agent做系统提示词的积累直到我发现单轮对话模板不能支撑多轮任务时才专门补了那一类整个宝典才算完整。2.2 一条提示词应该记录哪些字段如果你只是想临时用一下写在聊天框里就够了。但如果要形成知识库我建议给每条提示词加上至少七个字段包括用途说明、适用场景、提示词正文、模型版本、效果评级、迭代记录、反面案例。很多人的记录只有正文三个月后再看已经忘了当初为什么这么写。记录模型版本和日期这一点容易被忽略但同一个提示词在不同模型上的表现差异可能很大。换模型后发现效果下降不一定是你写错了可能是新版模型的偏好变了。有了版本记录你可以快速判断是回归还是迁移问题。迭代记录同样重要把每次修改的原因记在旁边比如“增加禁止用排比句”“补充目标用户画像”你会直观看到自己的提示词设计能力是怎么提升的。反面案例反而是最宝贵的资料记录那些生成效果不好、甚至完全跑偏的提示词及对应的调整相当于拥有一个避坑手册。我每次把麻烦解决完后都会顺手复制一份到“案例复盘”目录时间久了这些反面案例比正面的还有价值。2.3 素材来源经典案例、失败复盘、官方文档很多朋友会问我的提示词库是怎么积累到几百条的其实来源非常固定。第一是官方文档各大模型和AI绘画工具都发布过提示词指南会写明一些格式要求、参数推荐比如控制语境、控制长度、代码模式等这些是最可靠的基础素材第二是优秀案例和同行分享但拿回来一定要改写不能原封不动放进自己的体系第三是自己的实践失败记录这一部分占比最大。针对最近很火的“AI漫剧”“AI短剧”方向官方文档往往只给通用规范但真正决定画面连贯性的还需要自己实验比如人物外貌固定、场景风格统一、动作连续性描述等都需要反复调整提示词并记录哪种写法比较稳定。大模型提示词的应用场景非常多不要把自己局限在“能和AI聊天”它还能辅助生成视频脚本、动画分镜、分集大纲这些都需要专门建立模板。我这里特别建议从下周开始做一个简单练习每次使用AI之前把自己的原始输入复制存档得到不理想的结果后重新改写再发一次最后把生效的版本单独存为“V2有效版本”。坚持一个月你的宝典就会自动生长起来。3. 创作类提示词从“看得过去”到“能直接发布”几乎所有刚接触AI的人第一件事就是让AI帮自己写内容。但很快会发现两件事一是AI写出来的内容读起来很规整却没有什么记忆点二是要求越多AI反而越容易突然放飞。创作类提示词的关键不在一次写多长而在于把主题、语言风格、结构、禁忌都定义清楚。实际处理较长内容时我更习惯让AI分块产出而不是一次生成三千字。一次输出过长模型很容易在后面失去信息密度出现重复和空洞的段落。我用过一个笨办法让它先写提纲再按章节填充内容本质上就是把一个大任务切分成多个有上下文关联的小任务效果比单次长文稳定得多。3.1 一个信息密度很高的写作提示词模板我日常给公众号写文章时提示词长这样角色你是一位在互联网行业工作多年的内容编辑。 任务根据我提供的素材改写成一篇干货型公众号文章开头。 背景文章读者是工作1-3年的运营新人已经知道基本概念需要的是可执行经验。 约束不要用“随着……的发展”句式不要用“总而言之”结尾多用具体细节每段不超过5行至少出现1个数字案例。 格式直接输出正文不要写小标题。这个模板看起来非常朴素但它真正把“什么是好的内容”翻译成了模型能执行的结构化要求。其中“不要用……”比“写得自然一点”有效得多因为负面约束能直接排除模型默认使用的高频模板加入“至少出现1个数字案例”则是强制提升信息密度防止整段都是形容词。生成初稿后我会再发一句“请把第二段的案例改得更口语把语气从书面腔调整成朋友聊天”而不是让AI从头再生成。这样做可以保留已经满意的部分同时只局部优化省时间且最接近自己的预期。3.2 用“负面约束”甩掉模板味大家都很讨厌AI生成内容里的“模板味”比如动不动来一段排比比如每段结尾都总结又比如大量使用“赋能、抓手、闭环”这类词汇。你以为这是AI的锅其实很大程度是提示词没有给出禁止项。模型为了显得专业会不自觉地调用高频表达你需要的是一份明确的“禁用词清单”。我常用的负面约束写法包括禁止“首先/其次/最后”结构禁止在结尾重新总结全文禁止使用排比句堆叠禁止使用“不仅仅……更是……”句式把单位名称替换成具体名字不用“赋能”等黑话。如果你同时负责小红书等平台甚至可以在提示词里加入“去掉像广告法违禁词的表达保留真实使用感受”这样内容会更接近素人分享。负面约束本身也是在帮模型做一次“语言洁癖”训练它输出的第一版可能还是有点工整但当你明确说“初稿太工整了请打破这种稳定结构让一部分句子长短错落”模型通常能在几轮内调整出更像人写的节奏。这个过程本质上就是很多人说的“AI提示词优化”只是一个听起来高大上一个听起来像改稿子。3.3 短剧、漫剧和视频脚本的提示词设计近半年“AI漫剧”“AI短剧”“视频风格提示词”方向的关注度上涨很快。写这类内容时如果还用普通文章提示词直接让AI“写个短剧”它在结构上可能并不懂。这里要引入几个新的提示要素人物小传、单集冲突、反转方式、节奏、台词风格、画面提示词。我的一个漫剧分集模板大概是这样设定主角是一位能听懂宠物说话的城市兽医性格嘴硬心软。 任务为这部短视频漫剧写第一集脚本单集时长2分钟。 冲突有只猫自杀式抗拒洗澡兽医在沟通后发现真正原因是主人刚搬家猫误以为被丢弃。 要求开头10秒抛出一个荒诞画面抓住观众中间加入兽医和猫的斗嘴带喜剧感结尾用一句温暖台词收住并留一个关于猫主人秘密的钩子。 画面提示词中景为主穿插猫脸特写手绘风。这种结构更适合短剧。它不再需要模型去猜你要“喜剧”还是“温情”而是给出了具体的戏剧任务和钩子。生成完后我通常还会让AI输出一个“每一段的画面描述旁白对白”清单方便直接丢给AI视频工具生成分镜提示词实现从文字到画面的一条龙辅助。顺带分享一个教训长视频脚本不要指望一条提示词完成。我试过让它一次输出20集大纲结果到第八集就开始人物名字混乱、动力断裂。后来改成先定世界观再列出每一集的“主角目标、障碍、结果、反转”最后逐集展开稳定性好了很多。短剧提示词的底层逻辑是让模型先看到结构再去填肉。4. 专业场景的提示词编程、数学建模与专利辅助如果只聊写文章和拍视频AI提示词宝典还是太浅。真正能拉开效率差距的是编程、数学建模、专利与技术研究这些专业场景。这里的提示词设计逻辑会更严格因为输出结果是用来落地执行的不能靠感觉判断好坏。专业场景的提示词设计最重要的原则是“分阶段提问”和“系统级约束”。一个普遍的问题是很多人在专业场景里仍然像聊天一样使用AI期望它一次把所有步骤都做完。这在低风险场景没问题但放在代码、数学推导、专利申请这类领域会带来很高的验证成本。我更倾向于让AI每一步都给出候选方案和理由由我自己做判断再进入下一步。4.1 AI编程提示词把口头需求变成验收标准现在很多人用Cursor这类AI编程工具用得顺不顺差距不在工具本身而在提示词的工程化程度。同一句“帮我写个网页”不同背景的人写出来的效果天差地别。真正有效的编程提示词不应该只描述界面还应该描述数据接口、异常处理、技术栈、目录结构甚至“不要动哪些既有文件”。举个实际例子我想让AI在React项目里加一个筛选组件如果只说“给页面加个筛选框”AI可能会把整个页面结构都改乱。改成结构化提示词后效果完全不同项目技术栈React 18 TypeScript Vite。 任务在src/components下新增FilterBar组件。 交互用户点击“价格区间”下拉选择后自动更新URL query参数并触发列表刷新。 约束不要修改路由文件不要引入新的UI组件库样式使用现有CSS变量代码需要包含空状态处理。 输出先写组件代码再补充使用说明。这其实就是把需求写成了验收标准。AI编程提示词越细致代码越接近可直接运行的状态你花在纠错上的时间就越少。我在实际项目里总结出一个小规律提示词里应当明确写出“不要做”的部分这比“可以做”的部分更能防止AI顺手改坏代码。面对多人协作代码库时建议把“范围说明”放在提示词最前面例如“只处理用户登录模块不要优化其他模块代码”否则模型一旦读到整个仓库文件可能因为过度热心而输出大范围改动得不偿失。4.2 数学建模提示词先列假设再求方法数学建模是另一个值得专门建模板的场景。搜索“数学建模提示词”的人很多可现实是直接用AI答数学题或让它凭空给模型得到的结果往往不够可解释也缺少建模比赛需要的完整逻辑链。问题不在于AI不懂数学而在于你的提示词没有告诉它“先做什么后做什么”。所以我给数学建模场景设计的提示词通常会让AI扮演“建模顾问”而不是“解题机器”。具体步骤是先让AI重新复述问题确保没有理解偏差然后让它列出题目里的关键约束、数据的口径、可能存在的边界条件在明确这些之后再提出两到三个建模思路并说明每个思路对数据量和假设的依赖程度最后才进入公式推导和写作。例如请你作为数学建模顾问先不要急着给我最终模型。题目是要预测某城市未来一周的人流量影响因素包括天气、节假日、区域功能。请先给我列出一份澄清清单指出我还需要提供哪些数据然后给出3种可能的建模方案分别说明适用条件、计算复杂度和解释性最后等我选好方案后再一步步推导。这种分步骤提示在数学建模里特别好用因为它阻止了AI在条件不足时强答。建模不是比谁套路更多而是比谁能把假设说清楚这套逻辑通过提示词完全能传递给它。4.3 专业文件里AI辅助的边界意识涉及到专利、法务、专业报告这类场景关键词虽然带热度比如专利相关辅助链接、AI辅助申请等但我必须提醒一句AI可以做信息检索、结构梳理、语言润色但不能承担专业判断责任。最关键的最后一步永远是相关领域专业人士把关。我用AI辅助专利相关工作基本是三件事第一把交底材料中输入的新方案描述改写得更清晰第二根据给出的现有技术让AI找出表述中可能模糊、不聚焦的点第三做结构检查看看方案描述是否覆盖了解决技术问题的完整链路。但写完后一定会请专业代理人复核因为AI不了解最新法规和审查实践。很多专业场景的提示词设计其实是一种“人机协同”的设计。你可以在提示词里要求AI“区分事实判断与建议”例如写“以下内容中有数据来源的部分标明来源没有来源的推测一律标注为个人建议”。这样输出的可信度往往会明显提升也是AI辅助研究的一种安全且高效的使用方式。5. 把单轮提示词升级成Agent技能聊完单条提示词再看一个更进阶的方向就是“AI Agent”。搜索“AI Agent”“ai agent”“智能问数agent提示词字数”的热度一直很高说明大家已经不满足于问答式AI而希望AI能独立完成一套任务。这类需求的实现基础不在于界面和工具链而在于你为Agent编写的那套系统提示词。Agent和普通问答最大的区别是它要在一个多轮会话里稳定记住自己的角色目标、可调用工具、输出格式和边界条件。如果把单轮提示词比作给临时工布置一个任务那么Agent系统提示词更像是给正式员工写岗位说明书需要设定得更长期、一致还要规定它如何判断什么能做、什么不能做。5.1 给Agent写“岗位说明书”式提示词很多初学者开发Agent时习惯在系统提示词里只写一句话“你是一个智能助理”。这显然不够。真正让Agent稳定工作的提示词至少需要包含角色目标、工作流程、工具边界、输出格式、行为准则、兜底回复这六块内容。比如我要做一个“项目周报自动生成”的Agent系统提示词不会只写“帮我写周报”而是会写目标根据用户提供的项目记录自动整理成结构化周报。 工作流程第一步提取关键进展第二步把内容归入已完成、进行中、风险和下一步计划四类第三步输出一段简洁摘要。 工具使用只使用当前对话提供的资料不自行搜索外部信息不修改任何文件。 格式以表格为主每项任务包含完成度、责任人、风险说明。 行为准则如果记录不足不得编造进展当信息不明确时先提问。 兜底当用户问题超出范围时说明自己能做什么不猜测执行。看起来很长但去掉任何一条都会带来实际问题。少了工具边界Agent可能真去执行本地操作行为准则如果落得不严它可能在没有记录的情况下做推理补全。写Agent提示词本质上是把风险控制思路写进去这一点很多人忽视了。5.2 多步骤工作流把任务拆成里程碑更复杂的Agent比如做数据分析、写研究报告、做Excel清账如果只给一个总目标很容易遇到中间卡壳。解决办法是把一个长任务设计成几个有检查点的里程碑让Agent在每完成一步后停顿一次等待审核再进入下一步。在提示词设计上这表现为“拆步骤”。比如我做一个“智能问数”Agent过程是先整理字段字典再让用户选择分析维度接着输出图表配置。如果省略字段字典步骤Agent可能抓到一个含糊的字段就开始算结果数字完全不对。提示词里把每个里程碑写清楚相当于给Agent装了一个流程闸门让它在关键节点上确认信息后再继续。这也是“ai agent提示词字数”这个问题背后真正的答案。动辄几千字的系统提示词并不是为了显得专业而是为了把决策流程、判断标准、反例行为都固化下来。你不可能靠50个字说清楚一个流程复杂的工作所以系统提示词往往会长但每个字都要服务于降低不确定性的目的。5.3 提示词模板库如何支撑Agent开发个人维护的提示词宝典在Agent开发阶段的角色会从“素材库”变成“规则库”。这时候建议把每条提示词抽象成“任务模板决策规则”而不只是“让AI回复什么”。同一个分类下“写周报”的模板可以抽出结构用来做“写会议纪要”的Agent只是字段和字段来源不同。我在做Agent时经常复用宝典里的基础模板然后在代码里通过变量注入不同场景的用户资料。比如一个情感陪伴类的小工具它的系统提示词很可能来自一篇“角色人设提示词”只需要再加上“不要扮演真实人物”“如果用户有明确心理危机信号应建议咨询专业机构”这类安全边界提示就变成可上线的Agent。无论技术怎么变提示词的核心设计思路都是一条主线明确输出目标划分执行步骤补充判断规则写入兜底行为。掌握这个思路后今天做Chat Bot明天做数据分析Agent对你来说只是换了一套字段名而已。6. 提示词调试常见问题和排查思路提示词写完之后不会一劳永逸。模型输出不对很多时候不是模型坏了而是需要调试提示词。很多朋友的调试方法很辛苦就是不停换新对话用各种不同措辞去试然后把碰对的结果存下来。这在早期确实有效但随着任务变复杂迟早要转向系统化排查。我自己的调试流程是先看输出偏差属于哪一类是内容错了、格式错了、还是风格偏了内容错了通常提示词缺上下文格式错了一般是格式描述太模糊风格偏了则要补充负面约束或示例。定位问题类型后再去修改对应要素比盲目改写整个提示词高效得多。6.1 一张提示词问题排查速查表下面这张表是我在日常工作中反复使用的排查思路遇到问题可先对照检查输出问题可能原因先试方法内容空泛、全是套话缺少背景或具体需求补任务目标和场景细节输出格式不是想要的结构格式描述太抽象直接附一个期望输出的示例语言风格不对没有指定风格和禁用词加入目标读者、语气和禁用清单角色感不足角色设置太泛补充角色经验年限、擅长领域回答太长或太短没有明确长度约束写清字数或条目数量多次生成结果不稳定提示词存在歧义精简表达删除可替换的形容词事实错误依赖模型自身记忆主动粘贴来源资料并要求标注出处跑题、方向偏移任务太宽泛先限制任务范围再逐步扩展真正解决问题时一次只改一个要素不要同时改五个地方。否则你根本不知道是哪句调整起了作用下次遇到类似问题还是得从头试。某个效果不好的提示词如果你不确定瓶颈在角色还是在格式可以先保留业务描述只换输出格式看看变化下一次再固定格式只优化任务层次。提示词本质上是多变量系统懂得控制变量的调试方式才算掌握了提示词优化的方法论。6.2 迭代小技巧别直接说“重新生成一版”很多人看到一个不满意的输出后第一反应是把窗口关掉重新开对话再发一次需求。这样做的问题在于模型并不知道上一版哪里不好它只会换一种概率重新生成结果可能依然没解决你的核心痛点。更好的做法是保留同一轮上下文像和人沟通一样反馈修改建议。例如我收到一版内容觉得第二段案例太弱我会继续发“第二段案例不够具体请替换成一个真实可核查的行业案例并且补充该案例前后的量化对比。”模型可以基于已有上下文做精确修订其他满意的段落不会被推翻效率会高很多。如果整体方向就不对最好不要继续在原上下文里来回改而是回到提示词层面增加或修改关键约束。比如它写得太正式你就在提示词里加语气指令。每一次修改后如果效果还行记得要回到宝典里去更新该条目的迭代记录把“为什么这么改”写下来这样下一次才不会重复踩坑。6.3 参数、安全和“自由发挥”的合理边界调试到最后还会遇到模型参数问题。温度这个参数经常被提起它控制的是输出的随机性数值比较低的时候答案更稳定适合代码、公文、事实类任务数值偏高时生成内容更多样适合文案创意、点子发散和故事生成。如果你抱怨同一个任务每次答案差太多可以先检查温度是不是被调高了。关于“无限制”“无审核”这类说法我的观点一直很明确提示词的价值在于帮助AI更好理解你需要的内容而不是寻找内容规则的漏洞。安全设计从来不是束缚恰恰是最高级别的上下文约束把它当成提示词里的一项限制反而更容易生成有针对性的合规内容。与其去琢磨怎么绕过护栏不如把精力用在提高任务描述的精准度上。真正高水平的提示词是能在规则范围内把自由度调到最大、输出质量调到最高的。这个过程不用任何灰色技巧只需要一套完整的上下文设计、清晰的调试流程和足够的版本沉淀。我自己在把提示词从零散几句整理到几百条之后最深的体会是提示词越写越好的人往往是那些不把AI当许愿机而当成需要协作的同事的人。每次生成前多花一分钟补全背景每次不满意后多看一眼前一轮反馈再把有效的改动沉淀进自己的宝典里。这个循环走顺畅了你会发现不管模型怎么换你都能很快适配出高质量结果这种能力才是真正属于自己、不会被工具迭代拿走的东西。