1. 先搞清楚提示词工程到底在解决什么问题过去两年里我试过把同一个需求用不同说法丢给同一款大模型结果天差地别。比如让模型帮忙写一封客户道歉邮件有的回复干巴巴像通报有的开头就是“尊敬的客户”加一堆空话还有一种能把具体情况、补救方案、后续措施全串起来读完让人真觉得被重视。差别不在模型本身而在我给的提示词。提示词工程Prompt Engineering不是什么玄学它本质上是用一种模型能“听懂”的方式把人类的模糊需求翻译成清晰指令。大模型不是搜索引擎它不会去“查”信息而是基于你提供的上下文去“预测”最合适的回答。你给的信息越明确、约束越具体、示范越到位它输出的质量就越可控。这个技术适合谁往大了说所有需要跟大模型打交道的人都用得上——产品经理写需求文档、运营批量生成文案、程序员让AI帮忙写代码、学生整理学习笔记。往小了说哪怕你只是让AI帮你列个周末旅行清单用对技巧体验都是两个世界。我会按照“能不能立刻用”“效果提升是否明显”这两个标准整理出10 个经过大量实测的技巧每个都配上能直接复制的模板。有些技巧原理极简单但只有在真实场景里反复打磨过才知道它的边界在哪里。比如“给模型设定角色”这一条看起来谁都会但角色怎么定、定到什么粒度中间差别很大我下面会细讲。2. 打基础三个“立刻见效”的底层技巧2.1 角色锚定法给模型一个“人设”角色锚定是我推荐所有新手练的第一个技巧。原因很简单它几乎不增加思考成本但效果立竿见影。所谓角色锚定就是在提示词开头明确告诉模型“你是谁”。比如你是一位有 15 年经验的资深营养师擅长为上班族设计低卡、快手、食材容易获取的午餐食谱。对比一下如果只说“帮我推荐几个午餐”模型给的答案往往是通用菜名谈不上错但缺乏针对性。而一旦给它锚定了“营养师”这个角色它输出的内容会自动带有专业视角——会主动考虑热量、蛋白质配比、备餐时间、食材替换方案甚至会贴心地标注“如果买不到鸡胸肉可以用豆腐代替”。为什么有效因为大模型在训练阶段读过海量文本不同角色对应的语言风格、知识侧重、思维模式都被“压缩”在参数里。你指定角色相当于把这个角色的“知识域”激活把回答引导到特定方向。实操建议角色描述越具体越好。“资深营养师”不如“擅长上班族减脂餐的营养师”有效“资深HR”不如“有互联网大厂招聘经验、熟悉技术岗位面试的HR”有效。好的人设通常包括三个要素身份、经验年限、擅长领域。踩坑提醒角色锚定不是“越夸张越好”。你让模型扮演“上帝”或者“全能先知”它反而会输出一些空泛的大词因为这类角色在训练语料里对应的内容本来就偏抽象。锚定一个具体、接地气的专家角色效果比“宇宙最强”好得多。2.2 五要素法把需求说全别让模型猜很多时候模型答非所问是因为提问里缺失了关键信息。我自己总结了一套“五要素”模板凡是重要任务都会按这个结构写任务你要模型做什么写、改、总结、翻译、分析……背景这件事发生在什么场景下面向谁目标你希望达到什么效果约束有哪些限制条件字数、风格、不能出现的内容输出格式希望答案以什么形式呈现表格、列表、段落、JSON……举个实际例子。糟糕的问法是“帮我写个活动方案。”模型会给你一个放之四海而皆准的大纲凡是做过活动的人都知道这种方案没法直接用。用五要素法改写请帮我写一份公司内部读书会的活动方案任务。我们是一家 50 人左右的互联网创业公司团队成员以 90 后为主平时工作节奏快大家普遍反映没时间读书背景。方案需要保证人均参与成本低于每周 1 小时并且能坚持 3 个月以上目标。形式要轻松有趣不能太正式预算控制在 2000 元以内约束。请按活动主题、周期安排、流程设计、预算明细四个部分输出输出格式。两版提示词的效果差距用“天壤之别”来形容一点也不夸张。第一版是教科书味道的框架第二版是能直接拿去评审的方案。这里面的关键是背景信息。很多用户会忽略背景觉得“我说清楚做什么就行了”但模型对背景一无所知。你写“做一份市场分析”它不知道你的行业是什么、目标客群是谁、预算多少、是新品首发还是老品迭代自然只能给一个“通用模版”。把背景讲清楚是在帮模型避免无效猜测。2.3 示例引导法与其说规则不如给示范这是我最喜欢用的技巧之一也是真正能拉开差距的地方。人类学东西喜欢看例子大模型同样如此——在提示词里给出一两个你期望的输入输出示例模型会模仿你的示范来回答。我举一个实际场景。你想让模型帮你把冗长的会议纪要压缩成几条行动项。直接说“帮我提炼行动项”也能用但结果往往是你还得自己重新梳理一遍。更好的方式是给出示例请将下面的会议纪要提炼为行动项列表。 示例 原始内容“王总提到下周要跟客户确认版本上线时间李工负责对接技术方案。” 输出1. 确认版本上线时间——负责人王总截止下周。 2. 对接技术方案——负责人李工截止待定。现在处理这段纪要……这就是所谓的 Few-shot少样本方法。模型不需要你解释“行动项”的定义看到示例自然会遵循其中的格式、详略和语气。示例引导法的精髓在于用两个好例子锁定模型输出的“坐标系”。如果你给了一个示例它可能只是照抄结构给两个风格一致的示例它就会提取出你期望的共性给三个维度不同的示例它基本就掌握了你的偏好。这不是我拍脑袋的结论而是大量实测后的直观感受。注意示例要精心设计你自己不能随手写个烂例子。模型模仿能力极强你的示例语气冷它就给你冷冰冰的输出你的示例带表情符号它也给你来一串。3. 进阶篇让输出质量稳定提升的关键技巧3.1 分步拆解法让模型“想好再说”遇到复杂任务我会在提示词里加一句“请一步一步思考”Chain of Thought 的简化用法。这个方法特别适合逻辑推导、方案设计、数学计算类需求。它的原理是大模型的预测是逐词进行的如果让它直接跳到最终答案中间缺乏推理路径的“锚点”出错概率会显著上升。但如果让它先把中间步骤写出来每一步都会成为下一步的上下文推理链条就被拉长了错误率大幅下降。举例说明。你问“公司 3 个部门各 15 人每人每月团建预算 200 元一年团建总预算多少如果预算增加 20% 呢”如果直接问模型可能给错答案。但加上“请分步计算”请分步计算 第 1 步算出总人数。 第 2 步算出每月总预算。 第 3 步算出年度总预算。 第 4 步计算增加 20% 后的金额。模型会老老实实地列出计算过程就算某一步出错你也能一眼抓到问题所在而不是对着结果发呆。这个技巧在写代码、设计方案、做竞品分析时同样有效。需要提醒的是分步拆解不等于让模型把内心想法全说出来。它更适合用在任务本身有明确逻辑链条的场景对于“写一段销售文案”这种偏创意的任务强行要求分步反而可能让输出变得僵硬。3.2 约束收紧法明确“不要什么”比“要什么”更高效很多用户写提示词只知道写“要什么”忘了写“不要什么”。但在实际使用中“负面约束”对提升输出质量的作用往往被严重低估。举个例子。你想让模型写一段小红书风格的产品种草文案。如果只写“写得吸引人一点”模型输出的内容可能充满“绝绝子”“姐妹们冲”这类网络热词——不是说不行关键是可能不符合你的品牌调性。更好的提示词写一段 150 字左右的产品种草文案语气亲切但不浮夸。注意不要使用网络流行梗不要出现“绝绝子”“yyds”“天花板”等词不要堆砌感叹号不要编造产品功效不要提“全球第一”“销量领先”等无法证实的说法。加了约束之后模型的输出会立刻收敛。这个技巧特别适合品牌方和内容创作者因为模型默认的训练数据里包含大量营销腔调你不约束它就容易滑向夸大其词的风格。实操中我常把“负面约束”写成“排除清单”的形式比如不要使用专业术语要让外行也能看懂不要超过 20 个字不要出现具体公司名和产品型号不要给出没有依据的推测3.3 格式框架法把答案装进“格子”里格式框架法和五要素法里的“输出格式”是一对组合技但我单独拎出来讲是因为它的价值常被低估。很多时候我们觉得模型输出“乱”不是因为它内容差而是因为它没有按我们期望的结构组织。这时候只要在提示词里强行规定输出格式内容质量就会显得提升一大截。格式框架法的常见操作要求“用 Markdown 表格输出对比结果”要求“先给结论再给理由最后列注意事项”要求“每个方案按‘优缺点-适用场景-成本预估’三段式展开”要求“用 JSON 格式返回数据字段”举一个实际对比。我想让几个租房小区对比第一种问法“帮我比较一下 A 小区和 B 小区”得到的段落长且零散。第二种问法请用表格对比 A 小区和 B 小区的以下维度租金水平、通勤时间、周边配套、居住品质、适合人群。最后再给出一段总结建议。输出清晰到可以直接截图发给朋友。模型对格式的遵守能力很强关键在于你把“格子”画得足够明确。用格式框架不会限制模型的发挥反而会让它在有限的格式里把信息密度提到最高。3.4 上下文注入法让模型“站在你的肩膀上”输出大模型的训练数据截止到某个时间点它也不知道你公司内部的情况更猜不到你手头这份表格里的具体数据。上下文注入就是解决这个问题——把相关的背景资料、数据、文档直接粘到提示词里让模型在回答时始终基于你提供的信息。这个技巧的核心是“给模型喂料而不是让它凭空想”。比如你想让 AI 帮忙分析一份销售数据不要只写“帮我分析这份数据”而是把关键数据整理成文字放进去以下是本季度各区域的销售额单位万元 华东区域328 华北区域256 华南区域410 西南区域189 请分析各区域的销售表现并给出下季度的优化建议。模型给出的分析会具体得多——它会结合各地区数据比较、找出差距、推测原因而不是给出“提升销售额需要做好产品、加强营销”这种正确的废话。上下文注入法特别适合以下场景让 AI 总结你提供的长文章、帮你改写你自己的文案、基于产品参数表生成卖点、根据会议记录生成待办事项。凡是涉及“私有信息”的需求都要优先考虑这个技巧。实操层面有个细节上下文不要超过模型的最大输入限制。长文档需要先做摘要或分段处理不要一股脑全塞进去。另外把你希望模型重点关注的内容放在上下文末尾附近模型对越靠后的信息权重越高——这也是我调试很多次后发现的实用经验。4. 高手篇四个拉开差距的“隐藏技巧”4.1 多轮追问法别指望一次到位学会迭代精修很多用户用 AI 是一次性提问拿到不满意的结果就抱怨“AI 不行”。但真正会写提示词的人会把对话当作一个“连续调试”的过程。多轮追问法强调第一次提问只用来确认方向后续通过追加条件不断逼近目标。就像和设计师沟通一样你先说大方向再看初稿再提修改意见几个来回后成品才真正合用。举个例子。第一轮“帮我写一句广告语。”模型给你一句中规中矩的。第二轮“句式太普通了我想要有押韵感的并且要突出‘轻便’这个卖点。”模型改完明显质感和韵律都改善了。第三轮“比之前好多了但字数有点多控制在 8 个字以内。”最终得出的可能就是一个简洁有力的版本。这个技巧的本质是把复杂的最终需求拆解成多轮简单需求让模型每轮集中解决一个问题。实测下来比一个人闷头写“完美提示词”效率高得多。4.2 可能性枚举法让模型当“选项生成器”这个技巧适合创意枯竭、需要打开思路的场景。做法很简单明确要求模型输出多个版本的候选方案而不是只给一个“最佳答案”。比如写公众号标题不要写“帮我写 1 个标题”而是请围绕‘职场人如何提升工作效率’这个话题写出 10 个公众号标题风格覆盖悬念型、实用型、故事型、反差型每种至少 2 个。为什么要这样第一多版本输出能克服模型的“平庸回归”——当模型只输出一个答案时它会倾向于概率最高的“安全答案”但当它被要求输出 10 个时为了凑数它会“走出舒适区”给你几个意想不到的好点子。第二多个选项供你挑选、组合、二次加工创作空间更大。类似做法还可以用到起名字、定选题、写slogan、出设计方案、做产品命名、规划内容日历。每次用这个方法我都建议拿到 8~10 个候选后再筛选数量太少给不了模型足够的“发散压力”。4.3 自评校验法让模型“检查作业”AI 会一本正经地胡说八道这是所有人都绕不开的问题。自评校验法是我对抗“幻觉”的主要手段让模型在给出答案后站在第三方视角重新检查自己的回答。具体操作是在提示词里追加回答结束后请从‘信息真实性、逻辑一致性、覆盖完整性’三个维度自查列出可能存在的问题再给出修正后的最终版。这个技巧最有效但最容易被忽略的原因是很多用户不知道模型有“回头看”的能力。实际上你让它检查自己刚生成的代码时它往往能指出潜在的边界条件遗漏你让它检查文案是否啰嗦时它常常能缩减掉不少冗余词句。自评校验法不要只让它泛泛地说“我的回答很完美”要让它在具体问题上做出明确判断比如“检查日期是否计算正确”“确认计算过程每一步是否有依据”“对比原始需求有没有遗漏的要求”。阶段性校验比最终一次性总检效果更好——尤其写长篇文档时可以分段生成、分段让模型自查。4.4 温度设置在提示词里的实际用法严格来说“温度”Temperature属于模型参数不完全是提示词的范畴但因为它直接影响输出风格我把它放在这里一起讲。温度控制随机性温度值越高输出越发散、更有创造性温度越低输出越发保守、越接近确定答案。多数聊天界面没有直接暴露这个参数你只能通过提示词间接“调节”——想要更保守可靠的答案就用“请基于事实回答不要推测”想要更有创意的文案就用“请大胆发挥想象力跳出常规”。你如果用的是可调参数的 API 或本地部署模型直接调节数值会更精准。我的经验值是代码生成、数据提取、数学计算0.1~0.3内容总结、文章改写、邮件回复0.3~0.5创意文案、头脑风暴、故事创作0.7~1.0这个参数配合提示词一起使用能实现远比“纯提示词”更细腻的控制。这也是进阶用户和普通用户之间的另一道分水岭。5. 模板库直接复制即可用的 10 个实战模板下面这套模板库全部经过实测覆盖高频场景。你可以直接复制把括号里的内容换成自己的需求。5.1 通用万能模板你是角色擅长领域。请帮我完成任务背景是背景信息目标是预期效果。请注意约束约束1、约束2。请按以下格式输出格式要求。5.2 内容改写模板你是资深文字编辑。请把下面这段文字改写为目标风格风格要求具体要求。改写后的文字可以适当补充细节但不能改变原意。原文如下 粘贴原文5.3 长文总结模板请阅读以下文章用 3 句话概括核心观点再用要点列表列出文中的关键论据。最后如果有数据支撑请单独标注数据来源部分。文章内容如下 粘贴文章5.4 头脑风暴模板你是行业领域的资深顾问。我需要为具体问题寻找解决方案请给出至少 8 个不同角度的想法。请避免平庸的常规思路优先考虑可落地的创意方案。每个想法请用一两句话说明核心逻辑。5.5 竞品分析模板请对比以下 3 个产品/品牌产品A、产品B、产品C。对比维度包括核心功能、目标人群、价格区间、优势、劣势。请用表格输出最后用 100 字左右给出差异化建议。5.6 邮件撰写模板你是身份。请帮我写一封关于主题的邮件收件人是对象目的/希望达成的结果是目标。语气正式/亲切/严肃篇幅控制在字数。需要在邮件中包含以下关键信息信息列表。5.7 代码生成模板你是资深语言工程师请实现以下功能需求描述。要求代码风格符合规范/行业惯例关键逻辑需要加注释考虑边界条件运行环境是环境描述 请先输出代码再给出简单的使用示例。5.8 数据分析模板以下是业务背景数据粘贴数据或关键字段。请完成以下分析1整体趋势2异常点3特定维度的对比分析4下一步行动建议。请用简练的语言非专业人士也能看懂。5.9 学习辅助模板你是耐心、擅长用类比解释复杂概念的老师。请帮我讲解概念这个知识点要求先给出一个生活化的类比然后解释正式定义再举一个真实场景的例子最后出 2 道自测题并附答案5.10 改进优化模板请对下面这个方案/文案提出改进意见。要求先指出 3 个主要问题再给出优化后的完整版本最后说明你做的主要改动及原因。内容如下 粘贴原始内容这套模板的价值在于给了你一个“脚手架”。用熟练之后你完全可以丢掉模板凭感觉写出更适合自己习惯的提示词。6. 高频问题排查我踩过的坑都在这里了6.1 输出太泛泛而谈怎么办通用答案确实困扰了很多人。排查方向确认是否给了足够的背景信息是否给定了具体的约束和输出格式是否用了角色锚定如果只是说“帮我写一份活动策划书”模型给的是框架但如果说“帮我策划一场针对 25~30 岁女性的手工皮具体验活动预算 5000 元场地在学校附近的咖啡厅”输出就落地了。没有模糊的问题只有模糊的提示词。6.2 模型回答“跑偏”怎么纠偏在多重约束下模型偶尔会漏掉部分要求。我的建议是不要重新提问而是直接在对话里指出你刚才漏掉了“预算不超过 1000 元”这个条件请在这个条件下重新调整方案。多轮对话中模型会默认参考之前的上下文纠偏成本远比重新提问低。这是一个高频、好用、但容易被忽略的效率点。6.3 格式一直不符合预期怎么解决如果模型没有按指定的格式输出大概率是格式要求描述得不够具体。不要只说“用表格输出”要指定“表格至少包含哪几列”。不要只说“分点列出”要说明“每一点的格式是什么”。另一个技巧是把格式示例直接写进提示词请严格按如下格式输出 标题…… 背景…… 建议…… 注意……模型对“示例格式”的模仿能力比对“格式描述”的理解能力更强。6.4 总是出现编造信息怎么办这是很多人最担心的问题尤其在生成数据、引用、事实类内容时明显。自评校验法在这里能起到一定作用但更保险的策略是在提示词里明确写如果不确定某条信息请用“信息待确认”标记不要编造。这句话看起来简单但真能显著减少幻觉输出。在需要高可靠性的场景下我还会额外要求模型给出来源或推理依据方便我人工核实。6.5 模型“理解不了”我的表达怎么办如果同一问题反复调整依然得不到理想结果我会换个姿势把“你要什么”改成“给模型看长什么样”。先自己折腾一个小样例把“目标输出”直接贴进提示词里做示例效果往往比任何华丽描述都好。说到底提示词工程的重点不是写出“魔法句子”而是把信息结构化管理让模型从你的表达里提取出准确意图。7. 我的几点真实体会有朋友问过我你写了这么多技巧真要上手最该记哪几条我的回答是模板和格式都是招式真正重要的就两件事——一是养成给模型提供足够上下文的习惯二是别怕多轮对话把 AI 当同事而不是“一键生成工具”。第一点决定你输出的“下限”。信息越完整模型发挥越稳第二点决定你输出的“上限”愿意来回修改几轮内容的精良程度是“一句话出稿”完全比不了的。还有一个细节把提示词当作资产来积累。我是那种建了一个“提示词文档”的人每次发现好用的提示词就整理进去顺手写上适用场景和效果备注。几个月下来这份文档就成了自己做内容、做分析、写代码时最高频使用的“外挂工具”。这比在网上收藏一百个模板有用得多——毕竟模板是别人的你的提示词才是基于你自己的需求打磨出来的。提示词工程不是什么神秘技能它更像是你和 AI 之间沟通方式的长期磨合。用多了手感自然就出来了。希望这 10 个技巧里至少有两个能在你下一次打开对话框的时候帮你省下一点时间或者激发出一个更好的想法。最后再分享一个小提示多用、多改、多记。AI 工具的迭代速度很快但底层那条“清晰表达需求”的原则不会过时。你越会表达AI 就能越好地帮你这个规律放在任何版本的大模型上都成立。