描述型提示词:用细节引导AI理解你的需求 📅 2026/7/12 0:06:57 描述型提示词用细节引导AI理解你的需求上一篇文章我们学习了指令型提示词——直接告诉AI做什么。今天要学习的描述型提示词是一种更高级的沟通方式你不直接下命令而是描述一个场景、一种需求、一个期望让AI理解之后再自主地完成任务。两种方式看似只有一线之隔但在灵活性和创造空间上却有天壤之别。一、从下命令到描述需求1.1 一个让你立刻理解差异的例子先看两组提示词感受一下指令型和描述型的区别指令型提示词请写一篇800字的文章主题是职场沟通技巧。包含3个要点每个要点配一个案例。使用正式的语言风格。描述型提示词我下周要在部门会议上给20多位刚入职的应届生做一个关于 职场沟通的分享。这些年轻人普遍是98后互联网原住民 习惯用微信聊天但不太会正式的职场沟通。他们最近在跨部门 协作中出了几个沟通上的问题导致项目延期。 我希望这30分钟的分享不仅教他们方法更能让他们发自内心 地意识到职场沟通的重要性。你可以帮我准备分享内容吗看出区别了吗指令型提示词像一个命令做这个按这个格式用这个风格。AI执行即可几乎没有发挥空间。描述型提示词像一段倾诉这是我的处境、这是我的需求、这是我希望达到的效果。它给了AI一个完整的情境让AI在理解情境的基础上自主地决定如何最好地完成你的需求。指令型 你告诉AI怎么做。描述型 你告诉AI你要什么效果让AI自己决定怎么做。二、描述型提示词的运作原理2.1 为什么描述需求比描述任务更有效描述型提示词之所以在很多场景下优于指令型提示词根本原因在于它更好地利用了AI的两个核心能力能力一模式识别。AI擅长从描述中识别出隐含的模式和需求。当你详细描述了你的处境和期望AI能感知到你的真实需求——有时甚至比你用指令明说的还准确。能力二适应性生成。当你给AI的是一个情境而不是一套规则时AI可以更灵活地生成适配这个情境的内容。指令型可能得到一个技术上正确但缺乏灵魂的输出描述型则可能得到一个深度理解后的自然输出。2.2 描述的输入-推理-生成过程当你使用描述型提示词时AI内部经历了这样一个过程第一步理解描述 AI解析你的描述提取关键信息 - 你是谁 - 你遇到了什么问题 - 你需要什么帮助 - 什么效果算好 第二步模式匹配 AI将提取的关键信息与其训练数据中的相关模式进行匹配 - 类似的场景曾被如何处理 - 这种需求通常对应什么类型的输出 - 这个受众群体偏好什么风格 第三步自主生成 基于匹配到的模式AI自主决定输出的内容、结构和风格 并生成最终的结果。✅ 这个过程的妙处在于AI不是被动执行你的指令而是在主动理解你的需求后生成。这就让它能够捕捉到一些你可能没有用语言明确表达的隐性需求。三、描述型提示词的三个核心要素一个有效的描述型提示词包含三个核心要素场景描述、需求描述和期望描述。3.1 场景描述场景描述告诉AI你现在处在什么情况下。它包括你的身份和角色我是某互联网公司的产品负责人正在负责从0到1孵化一个新的社交产品。当前的状态和进展目前我们已经完成了用户调研和竞品分析处于产品功能定义阶段。 团队有5个人我、2个后端、1个前端、1个UI设计师。面临的挑战或问题我们面临的最大挑战是目标用户大学生的社交需求已经被微信和 抖音充分满足了我们需要找到一个足够有差异化的切入点。3.2 需求描述需求描述告诉AI你具体需要什么帮助。和指令型提示词不同的是这里描述的是需求而不是任务指令型描述任务请列出5个社交App的差异化策略。 描述型描述需求我目前思路比较局限感觉能想到的方向都被 大厂做过了。我需要跳出这个思维框架从一些我可能没考虑过的角度 来看这个问题。你能帮我拓展一下思路吗3.3 期望描述期望描述告诉AI什么样的结果算是好的。这不是格式上的期望而是效果上的期望我期望的结果是 - 团队成员看完后能立刻理解我们要做什么不需要我再口头解释 - 投资人能看到清晰的市场机会和可行性 - 我自己能从中获得信心知道我做出的决策是有支撑的四、描述型提示词的实战模板4.1 情境-需求-期望SPE模板我总结了一个描述型提示词的通用模板——SPE模板【情境 Situation】 - 我是谁[身份和角色] - 我在做什么[当前项目/任务的状态] - 我遇到了什么[具体的问题或挑战] 【需求 Problem/Need】 - 我需要[具体的帮助需求描述需求而非任务] - 我卡在[如果有的话描述你当前的瓶颈] 【期望 Expectation】 - 一个好的结果应该[描述你期望的效果] - 它应该让我[描述结果带给你的价值]4.2 一个完整示例用SPE模板写一个完整的描述型提示词【情境】 我是某在线教育公司的课程设计师。我们正在开发一门面向职场新人的 职场沟通力课程。目前已经完成了课程大纲但学员的完课率一直 是我们平台的痛点平均完课率只有23%。 【需求】 我需要设计课程的第一个模块沟通认知让学员在第一节课就能 建立对职场沟通的全新认知并产生强烈的继续学习欲望。 我卡在不知道怎么在讲道理和讲故事之间找到平衡—— 纯讲道理学员觉得无聊纯讲故事又怕显得不够专业。 【期望】 一个好的第一课应该 - 让学员在10分钟内经历一次原来如此的认知刷新 - 自然地引出后续课程的知识框架 - 学员上完后会主动分享给同事自带传播属性五、描述型vs指令型选择策略5.1 什么场景用描述型✅创意性任务当你需要AI发挥创造力时描述需求比描述任务更有效。AI在被理解后自由发挥的空间更大。✅复杂需求当你的需求很难用简单的执行指令来涵盖时描述型能传达更多隐性信息。✅受众敏感型任务当内容的效果高度依赖受众感受时如演讲稿、教学材料、营销文案描述型能让AI更好地把握分寸。✅你知道想要什么效果但不确定具体怎么做的时候描述型允许你在模糊的正确方向上让AI帮你探索。5.2 什么场景用指令型✅格式敏感型任务输出格式要求非常精确如JSON、表格用指令型更靠谱。✅可精确描述的任务“翻译”、“总结”、“列出5个要点”——这些任务本身就可以被精确描述。✅批量一致性要求高的任务要用同样的方式处理大量数据时指令型更稳定。5.3 组合使用描述指令其实最好的策略往往是把两者结合起来用描述来传达情境和需求用指令来指定关键约束。【描述部分】 我最近在准备一场TED风格的演讲主题是AI时代的设计思维。 观众是300位来自不同行业的专业人士他们不一定是设计师 但对创新和科技有浓厚兴趣。我希望这个演讲不仅能传递知识 更能激发观众去思考AI如何改变他们的工作方式。 【指令部分】 请帮我写一份15分钟的演讲稿。要求 - 开头用一个让人意想不到的数据或故事抓住注意力 - 正文包含3个核心观点每个观点配一个真实案例 - 结尾回到开头的故事形成一个闭环 - 全文使用口语化的表达像是即兴分享而不是照稿朗读六、描述型提示词的常见陷阱6.1 陷阱一描述过于宽泛❌ 过于宽泛 我最近感觉工作效率很低你能帮我提高效率吗 信息太少AI无从下手 ✅ 有焦点的描述 我最近发现一个规律上午9-11点注意力最集中下午2-4点 经常感到疲劳、无法深度工作。但我的工作需要大量创作 不是那种可以机械完成的。我尝试过番茄钟但效果不好 因为写作需要长段的沉浸时间。你觉得我应该怎么调整工作节奏6.2 陷阱二只描述问题不描述期望❌ 只有问题没有期望 我团队最近氛围不好大家积极性不高。 AI知道问题但不知道你想要什么——分析原因解决方案沟通话术 ✅ 问题期望 我团队最近氛围不好大家积极性不高。我需要一份团队沟通的 话术——我准备在下周的1对1谈话中用到。话术要真诚、不官方 能让团队成员愿意敞开心扉和我聊真实的感受。6.3 陷阱三描述太长但有效信息太少❌ 有效信息密度低 哎呀我跟你说我们这个项目真的是太难了。老板催得紧 客户那边又一个劲地改需求。我每天都在加班感觉快累死了。 你说我该怎么办啊真的好焦虑…… 倾诉感很重但对AI的指导意义很小 ✅ 高信息密度描述 我在管理一个客户项目面临三个具体的困境 1. 客户每两周提出一次大的需求变更导致团队频繁返工 2. 合同中没有明确的需求变更机制 3. 团队因为频繁变更出现了明显的倦怠情绪 我需要一个处理客户需求变更的系统方案包括流程改进和沟通策略。七、描述型提示词的进阶技巧7.1 技巧一多维度描述好的描述从来不是一条线而是一个面。从多个维度来描述你的需求能帮助AI建立一个更立体的理解。有效描述的五个维度 1. 事实维度发生了什么客观事实 2. 感受维度这让我感觉如何主观体验 3. 认知维度我对此是怎么理解的分析思考 4. 需求维度我需要什么核心诉求 5. 期望维度我想要什么效果理想结果7.2 技巧二对比描述有时候描述我想要的很难但描述我不想要的和我想要的之间的差异很容易我不想要那种冷冰冰的、像模板一样的官方公告邮件。 我想要的是读起来像是一个真实的人在跟另一个真实的人 说话——真诚但不随意专业但不做作。7.3 技巧三隐喻描述当你很难精确描述需求时用一个隐喻来传达整体感觉往往出奇地有效我希望这个产品介绍文案读起来像是在咖啡馆里朋友之间的推荐—— 轻松、自然、有感染力而不是在柜台后面的推销。✅ 本文核心要点总结描述型提示词的核心是描述需求而非下达指令——让AI理解情境后自主决定如何完成任务描述型提示词利用的是AI的模式识别和适应性生成两大核心能力三个核心要素场景描述我在哪、需求描述我需要什么、期望描述什么算好SPE通用模板Situation Problem/Need Expectation选择策略创意性/复杂性/受众敏感型任务用描述型格式敏感/可精确描述/批量一致性任务用指令型最佳实践描述指令组合使用用描述传达情境用指令规约格式避免陷阱不要过于宽泛、不要只描述问题、不要有效信息密度过低本文是《提示词工程教程》系列的第10篇。下一步我们将进入问答型提示词——学习如何让AI精准回答你的每一个问题包括那些一个问题套着另一个问题的复杂提问。