写这篇文章之前我其实犹豫了一下。市面上的提示词教程已经够多了动辄“XX个高级技巧”“一篇文章入门提示词工程”但多半看完就忘实际项目里该怎么写还怎么写。我自己的体会是提示词这东西看着门槛低真要在工作流里稳定复现靠的是把一堆小技巧串成一套可控的流程而不是会背几句“咒语”。今天这篇不聊那些玄乎的底层原理也不堆术语就讲10个我当时在项目里验证过、调整过多轮的提示词技巧。每个技巧都会给到可以直接粘到对话窗口里的模板文末还会放一组我平时自用的生产级模板库。适合两类人看一类是刚开始接触提示词工程、想少走弯路的新手另一类是已经在用 AI 辅助工作但觉得输出不稳定、想进一步把结果做扎实的同学。1. 先搞清楚一件事提示词工程的本质是“约束”而不是“发挥”很多人在学提示词之前都误解了一件事以为会写提示词就是能把一句话说得很复杂、很华丽。实际情况恰恰相反提示词工程做的大部分工作是把模糊的诉求不断收敛成一个边界清晰、条件明确、格式可控的任务描述。说得直白点提示词不是让模型“自由发挥”的作文题而是你给它划好跑道的施工图。我见过不少同事跟 AI 对话的时候随口就是一句“帮我写个方案”然后拿到一份内容空洞、充满套话的四不像回头就抱怨 AI 没用。但你把同样的问题拆解一下就会发现问题根本不在于模型能力而在于你给的信息量太少。模型不是人它不会追着你问“方案是给谁看的预算范围大概是多少是要框架还是完整执行文档”你没说它就按最常见的、最安全的方式帮你填一个通用答案。而通用答案往往等于没有答案。所以我在写提示词的时候脑子里一直有一个清单分别对应三个维度模型需要扮演什么角色、它需要知道哪些背景信息、它最终要交付什么样子的结果。这三个维度缺一个输出质量都会明显下滑。另外一个要纠正的认知是提示词不是越详细越好。那些“帮我写一篇关于 XX 的 10000 字文章要求语言优美、逻辑清晰、引用丰富、包含多个角度……”的提示词看着写了不少其实全是无效信息。“语言优美”是主观描述模型对它的理解跟你不一定一样。“10000 字”这个约束模型也做不到精确控制。真正有效的信息是那些可以被明确执行的细节背景是什么、目标读者是谁、要包含哪几个部分、每个部分大概讲什么、语气是正式还是口语化、有没有不能触碰的表达禁区。理解了这一点后面这10个技巧你就会明白它们本质上是在帮你做同一件事把一份含糊的需求一步步压缩成一份模型准确理解、人类也能快速阅读的指令。2. 先练基本功角色限定、上下文锚定、输出格式控制2.1 技巧1角色限定——别只说“你是专家”要给模型一个具体的人设角色限定是我最早用、也是我认为性价比最高的一个技巧。很多人也会用但用得比较粗只会说一句“你是一名资深专家”。这句话其实没什么用因为“资深”和“专家”都是没有信息量的词模型还是不知道你要它怎么说话、按什么标准输出。一个有效的角色限定至少应该包含三个要素领域、经验层次、工作方式。比如“你是一名有8年经验、长期服务跨境电商卖家的独立站运营顾问你的特点是先给结论、再给依据习惯用表格做数据对比”这种角色设定会比“你是电商专家”有用得多。原因在于角色描述会同时影响模型的语言风格、知识取用范围和回答的信息组织方式。领域限定了它调取什么样的知识经验层次影响它的表达深度工作方式则决定了它输出的呈现形式。模板你是一名{领域/岗位}拥有{年限}实践经验主要服务{目标客户/场景}。 你的工作习惯是先给出直接结论再补充依据涉及对比时优先用表格 回答时避免空话套话给出的建议要具体可执行。 下面是我的问题{问题描述}这里要注意角色设定和任务之间的过渡要自然中间不要夹太多无关信息。我见过有人一次性给模型设定五六个角色什么“你既是文案专家又是数据分析师还是心理咨询师”这种角色堆叠只会让模型无所适从最终输出的风格会变得非常混乱。一次只给一个主角色如果有多个角度要覆盖建议分多轮对话来处理。2.2 技巧2上下文锚定——背景信息前置让模型在正确语境里作答第二个技巧是关于“上下文”的。模型就像一个新来的实习生你对它过往一无所知所以它第一次跟你沟通时你对背景的介绍越清楚它后续犯错的概率就越低。但很多人喜欢把背景信息放在提示词的最后或者混在问题里一口气倒给模型。久而久之模型在处理长文本时容易对前面部分的信息权重更高背景放在后面容易被淹没。我的做法是把背景信息作为一个独立的“上下文锚定”段落放在提示词最前面。这个段落不需要长但要结构化核心要素可以按顺序排列。模板背景信息 - 业务类型{你所在的行业/场景} - 目标人群{内容或产品的受众} - 核心约束{预算、时间、合规要求等硬性条件} - 已有条件{你现在手里有什么素材或资源} 请基于以上背景完成以下任务{任务描述}写这种背景段落有一个容易被忽略的点可量化的信息一定量化。比如“预算有限”远不如“预算总共8000元”来得清晰“用户偏年轻”远不如“目标用户是25-30岁的一二线城市女性上班族”来得有指导意义。量化和具体化的信息模型才能真正用上。2.3 技巧3输出格式控制——把散装回答变成结构化交付物很多人在用 AI 干活时最痛苦的不是内容不对而是内容对但格式乱七八糟。AI 一高兴给你写个300字的小作文你想提取其中某个信息还得自己翻。解决这个问题的方法就是在提示词里明确指定输出结构。输出格式控制有两个层面。第一层是“大致结构”比如“先写一段概述再分3个要点展开最后给一个总结”。第二层是“精确模板”比如用 Markdown 的标题层级、表格字段、编号列表来定义交付格式。在没有特殊需求时我建议你在提示词里把格式模板直接写出来这样最不容易产生歧义。模板请按以下格式输出不要输出多余内容 ## 方案名称 一句话概述{} ## 核心步骤 1. {} 2. {} 3. {} ## 执行优先级 | 优先级 | 事项 | 说明 | | --- | --- | --- | | P0 | {} | {} | | P1 | {} | {} |格式控制这个技巧单独用效果一般但和后面提到的“结果校验”配合就能实现从生成到交付的完整控制。我实际用下来只要格式模板定义得足够清楚模型输出的稳定性会提升一大截后期人工整理的时间至少省掉一半。3. 再学引导术思维链、少样本示例、负面约束3.1 技巧4思维链——让模型“先想后答”解决逻辑跳步问题如果你让模型直接回答一个稍微复杂的分析题比如“我们本月销售额下降了原因是什么怎么办”它给出的答案往往会比较跳跃甚至会编造一些看起来合理但实际站不住脚的理由。这种问题出在跳步上——模型试图直接跨越推理过程给出结论。解决跳步问题最常用的方法就是思维链也就是让模型先把分析和推理过程写出来再给最终结论。这样做的好处是双重的一方面模型在生成推理过程时等于被强制走了一遍完整的逻辑路径结果会更可靠另一方面你作为使用者也能随时检查它的逻辑哪里有问题而不是面对一个黑箱结论。这里要补充一个经验直接跟模型说“请一步步思考”有效果但效果不如给一个“中间推导示例”来得好。模型对指令的理解依赖于上下文中的模式与其用指令命令它不如在提示词里放一个你已经写好的推导范例让它照着这个套路走。模板请先按以下格式给出你的分析过程再给出最终结论。 问题{问题描述} 分析 1. 已知条件{} 2. 关键矛盾{} 3. 推理过程{} 结论{}使用思维链的时候一定要控制输出的篇幅。我遇到过有人把思维链写成了长篇大论模型给出三段式的推理小作文信息密度很低。所以最好在提示词里加上“分析过程控制在100字以内”这类字数限制。3.2 技巧5少样本示例——一张好样例胜过十句指令这是我在实际工作中最依赖的技巧没有之一。模型虽然经过大规模训练但在面对新任务时你给它讲半天规则不如给它看一个输入输出对应的例子。这就是少样本示例的核心逻辑用一两个示例告诉模型“任务长什么样、输出应该是什么样”它就能很好地模仿。举个例子我想让模型帮我把产品描述改写成更口语化的直播口播稿。如果只说“请把这段产品描述改写成直播口播稿”它大概率会给你一段四平八稳、没什么感染力的话。但如果我先给它一个“输入-输出对”示例让它看到从什么风格变成什么风格它改写出来的内容就会立刻贴近我想要的调性。模板请模仿下面的示例完成改写任务。 示例输入{原文1} 示例输出{改写后的文本1} 示例输入{原文2} 示例输出{改写后的文本2} 现在请改写下面的内容 输入{待改写文本} 输出少样本示例的三个要点一是示例数量一般1到3个就够太多反而会干扰模型对核心规则的提取二是示例之间要有足够的差异最好是风格差异明显让模型能够归纳出“跨样本一致性”的模式三是如果希望输出是纯结果不要附带任何解释在示例里也要保持一致的风格比如示例输出直接就写最终结果不要再加“结果如下”之类的前缀。3.3 技巧6负面约束——明确“不要做什么”减少套话与幻觉大多数人写提示词只写“要什么”不写“不要什么”。但模型在生成时为了追求“四平八稳”非常容易滑入模板化表达和空话套话。你让它写个产品文案它给你来一句“秉承匠心、追求卓越”你让它写个活动总结它张口就是“在各级领导的指导下”。这些表达不是错而是没有信息量。想要把这种输出压下去就得加负面约束。模板请完成以下任务{任务描述} 写作时请严格避免 1. 不要使用“随着……的发展”“在……背景下”这类空泛开头 2. 不要使用“赋能”“抓手”“闭环”等黑话词汇 3. 不要编造数据、案例和引用 4. 不要输出总结性的空话 5. 不要在每个段落结尾做重复性升华负面约束要注意两点。第一不要只给负面清单不给正面任务否则模型会陷入“不知道你要什么”的困境。负面约束永远是“正面指令”的辅助不能替代它。第二负面约束要具体能列清单就列清单能举例就举例。你写“不要说空话”模型不知道什么叫空话你写“不要出现‘赋能’‘抓手’‘闭环’这三个词”模型就会明确执行。4. 工程化技巧任务分解、变量隔离、迭代反思、结果校验4.1 技巧7任务分解——复杂任务拆成小步每步好控制这个技巧是我在长时间使用 AI 处理复杂任务时总结出来的。以前我习惯一次性把任务描述得很完整比如“帮我把这个产品从定位到渠道、从预算到排期全部策划出来”然后期望模型输出一份很完整的方案。但实际结果是模型给出的方案要么过于笼统要么某些模块跑偏。后来我换了思路把一个复杂任务拆成多个子任务每步只让模型做一个相对简单的动作最后再组装。效果立刻不一样。任务分解的核心原则是每个子任务必须是模型“一次就能做对”的粒度。比如“写一篇公众号文章”可以拆成五个子任务先定选题和受众再列大纲然后按大纲逐段生成接着统一调整语气最后起十个备选标题。每一步的输出都是下一步的输入整个过程的可控性会大幅提升。模板这个任务分三步完成我会分步给你指令每次只执行一步 第1步{子任务描述1} 第2步{子任务描述2} 第3步{子任务描述3} 现在开始执行第1步请给出结果。使用任务分解时有一个常见误区是要求模型“自己按步骤来”。事实证明让模型一次性输出一个多步骤的结果很容易在中途丢失前面步骤的状态。更好的方式是分多轮对话每轮只做一步由你自己控制流程。虽然多花了点操作时间但产出的稳定性和可控性完全值得。4.2 技巧8变量隔离——可复用的提示词模板要有“插槽”如果你跟我一样经常需要把同一套提示词用在不同的对象上比如给很多个产品写介绍、给很多条公司动态写评价那变量隔离这个技巧就应该早点用起来。所谓变量隔离就是把提示词模板中每次都需要变化的“可变部分”单独抽出来用统一的标记比如大括号标注成占位符。这样做的好处是模板本身不经常改动每次使用时只需要替换其中的变量不会因为改了一句而破坏了整个提示词的结构。长期用下来还能形成一套自己的模板库复用成本几乎为零。模板你是一名{职业角色}擅长{核心能力}。 需要你完成的任务是{任务描述}。 目标受众{受众画像}。 输出要求{格式/字数/语气}。 以下是需要处理的内容 {待处理素材}写这类变量模板有一个关键习惯变量命名要是“语义化”的不要叫什么 A、B、C。拆变量的时候名称本身就要能说明这个位置的用途比如“职业角色”“受众画像”“输出要求”这样下次拿到模板时只看名字就知道要填什么。再者同一个变量的不同值之间最好做一轮脱敏处理不要把一个已经包含句号的描述直接塞进模板里容易造成嵌套混乱。4.3 技巧9迭代反思——让模型当“甲方”审视自己的输出大多数人的提示词使用方式是一次性对话不满意就重新生成。但这里有一个更高效的玩法让模型自己给自己找问题、改毛病也就是“迭代反思”。我第一次用这个技巧是出于偷懒当时让模型写了一版活动方案读下来总觉得哪里不对但又说不清。于是我在后面追了一句“请以挑剔甲方的视角审视你刚才的方案找出至少五个问题然后逐条修改后重新输出”。结果它给出的修改版比初版靠谱很多。模板请你以{某个审视身份如有十年经验的项目总监/目标用户本人/严格的版权审核员}的视角 审查你刚才生成的{输出内容编号}重点检查以下几个方面 1. {逻辑是否自洽} 2. {语言风格是否匹配目标受众} 3. {事实和数据是否有编造风险} 4. {是否可以直接用于{下游使用场景}} 请先列出发现的问题再给出修改后的完整版本。迭代反思的关键在于“审视身份”的选择。你让它以“苛刻的客户”的视角看和以“你的好朋友”的视角看得到的问题列表完全不同。所以要根据你的场景和痛点刻意选择能指出你盲区的审视视角。4.4 技巧10结果校验——给提示词加一道自查关卡最后一个技巧也是我每次在正式项目里都会加的一步让模型在输出最终结果前自己按照一个“检查清单”自查一遍。如果说迭代反思是事后修改那结果校验就是事前的防错机制。很多人觉得这多此一举模型自查有什么用实际体验下来效果不错。当一个任务里包含多个要求时模型在生成过程中确实容易漏掉其中一两个条件尤其是那些藏在长文本中间不起眼的限制条件。而在提示词里把检查清单明确写出来模型就会有针对地逐项检查自己有没有遗漏。模板请按照以下步骤完成本次任务 第1步{完成具体的任务} 第2步对照检查清单逐项自查 - [ ] 输出是否符合{格式要求} - [ ] 内容是否覆盖了{必要要素} - [ ] {禁忌表达}是否全部避开 - [ ] 数据和引用是否标注了来源或说明为推测 第3步如果第2步发现任何问题请直接修正后输出最终版本。这个技巧的副作用是会增加一点输出长度和耗时但它能显著减少下游人工校对时间。以我自己的经验花十几秒让模型自查一遍比自己拿一份长了三倍且充满小错误的文本去硬核校对要划算太多了。5. 附可以直接抄作业的生产级提示词模板库前面每个技巧讲得很细但在真实使用中技巧通常是组合拳。这一节我会把我的私人模板库里的十套模板放出来每一套都已经在项目里跑过、踩过坑、修过轮子。你可以直接复制使用需要微调时按场景改变量部分就行。5.1 模板总览10套模板对应的场景与用法模板名称适用场景核心技巧组合输出产物公众号初稿生成模板日常内容创作角色限定 上下文锚定 负面约束一篇可直接投稿的初稿标题多版本生成模板标题灵感枯竭时少样本示例 输出格式控制10个风格不重复的标题多轮任务分解模板复杂策划案任务分解 变量隔离按步骤拆解的完整方案语言翻译润色模板翻译和本地化上下文锚定 负面约束 迭代反思双语对照、带备注的译文代码审查与优化模板程序员自查角色限定 思维链 结果校验带问题清单的代码修改建议数据报告解读模板周报月报分析上下文锚定 输出格式控制结构化数据解读和结论建议知识提炼总结模板读书笔记和资料整理任务分解 结果校验三层结构的精炼总结客服回复话术模板电商客服和售后少样本示例 负面约束符合品牌语气的回复话术简历筛选评估模板HR和技术面试官角色限定 输出格式控制 结果校验结构化的候选人评估表会议纪要待办提取模板会议记录整理上下文锚定 输出格式控制按负责人和时间排序的待办清单5.2 完整模板示例3套可以直接套用的提示词内容创作类公众号初稿生成模板你是一名在科技媒体写了5年深度报道的编辑擅长把专业概念讲得通俗易懂。 请基于下面的素材写一篇1500字左右的公众号文章初稿。 受众是有3年左右行业经验的从业者。 素材 {素材内容} 要求 1. 第一段用一句话点出文章核心价值不铺垫、不写套话 2. 中间分4个部分每部分先给结论再展开 3. 不要使用“随着……的发展”“众所周知”等空泛表达 4. 不用编造数据如果素材中缺少某个关键数据请标注“此处建议补充数据” 输出格式 标题3个备选 文章正文 结尾互动引导语数据报告解读类模板背景我们是一个做在线教育的团队本周要复盘上月增长情况。 上月新增用户5800人 活跃用户21000人 付费转化率3.2% 各渠道新增占比短视频45%、搜索30%、老带新15%、其他10% 请完成以下任务 1. 用数据说明本月增长的主要驱动力 2. 找出一个需要重点关注的异常指标并给出可能原因 3. 给出三条下个月可以在渠道投放上采取的行动建议 输出格式按“数据概述 / 核心发现 / 异常分析 / 行动建议”四部分输出 每部分不超过200字不要输出图表。这两套模板大家应该能看出来它们不是同一个套路但都遵循了先给背景、再给任务、附带格式限制和负面约束。这就是前面10个技巧融合后的效果。5.3 模板使用说明常见参数替换与调试技巧模板本身不难难的是把它跑通之后怎么根据不同的输入做微调。我在用模板时有一个固定动作跑第一遍的时候先输出到一个草稿里看它哪里不对劲然后只改一个变量再跑第二遍。很多人习惯一次性改好几个地方结果哪一个变量起了作用根本不知道后面就无法积累了。还有一个建议是模板别一个人闷头用最好建一个属于自己的提示词仓库以“适用场景 版本号 备注”命名。每调整一次就复制一版保留下来。这样三个月后你会发现自己手里已经攒了一沓好用的提示词资产每次接到类似需求时直接翻仓库找合适的模板而不是从零开始。6. 把这些技巧跑了一周后最值得说的避坑心得6.1 实测中翻车率最高的三类问题先说结论我在密集使用这些技巧的过程里最常翻车的三类问题分别出在“拒绝执行”“幻觉信息”和“格式不稳定”上分别讲一下。第一类拒绝执行。有些模型一问它“如何写代码”它秒回答将来你让它“为这个营销方案补充一个黑天鹅预案”它忽然变保守给出一堆政策边界可空话就是不干正事。这种时候提示词写得再漂亮也没有我的对策是给模型一个宽松的边界说明“这是虚构的业务案例不需要引用真实政策条目请基于公开通识经验给出分析”一般就能解开。第二类幻觉信息。模型在输出里煞有介事地给出一串数据但那个数据你查遍全网都找不到对应的源。以前这很让人头疼后来我在所有需要事实信息的提示词里都强制加了一句“如果缺乏可靠信息请明确说‘信息不足’不要推测具体数值”幻觉率明显下降。即使模型偶尔还会自信过头但因为我已经在校验环节安排了“数据和引用是否有编造风险”这一项它会在输出前自己收敛一部分风险。第三类格式不稳定。同一套提示词换个模型版本或者换一个平台接入输出格式可能就完全变了。用 Markdown 表格规范不了每个平台的解析器。我的做法是在提示词里把格式模板写死同时在结果校验清单里加上“严格按照模板格式输出字段名不要替换”虽说不能完全杜绝但已经能把走样的概率压到我可以接受的范围内。6.2 当输出不对时怎么判断问题出在哪一环提示词不好用我建议不要直接去改措辞先判断问题出在哪一层。我自己一般会按顺序排查五层任务模糊层、背景缺失层、约束冲突层、超出能力层、上下文污染层。任务模糊层的判断标准是你把提示词发给一个靠谱的同事他会一脸茫然地问你是否漏了什么信息。如果是那问题在任务描述。背景缺失层的表现是模型的输出内容质量不低但跟你所在的行业和场景对不上这说明它缺少必要的背景导入。约束冲突层是最难察觉的你可能同时要求“内容详尽”和“100字以内”模型就会左右摇摆输出结果一会儿长一会儿短这时优先去检查你给的多个约束是否互相打架。超出能力层的问题最常见于“让它精确计算”“让它查询实时数据”这类需求属于模型能力边界之外。上下文污染层则常出现在长对话中前面讨论的内容会干扰后面的回答解决方案是新开一个对话窗口或者把关键背景从长对话里抽出来单独放进新的提示词里。当你能快速把这五层定位到具体某一件再去做修改效率会高很多而不是凭感觉一遍遍地重新生成。6.3 提示词是需要版本管理和回放测试的前面说了要建提示词仓库这里再展开讲一下具体的维护方式。我见过很多人改提示词的方式是直接在原版上随手改两个字结果一周后忘了改了什么效果变好变坏也分不清。我更推荐用类似代码维护的方式。每套提示词按“V1.0”“V1.1”命名变更的时候在文档里用一两句话记下来哪一版用了什么技巧组合、适用的场景是什么、跑出来的效果如何。为什么这么维护因为提示词的好坏必须放在实际场景里去验证。你自己觉得写得好没用关键要看它的输出能不能直接交出去用。维护的过程中一定要坚持做“回放测试”把你之前跑过的一批输入样例保存下来每次修改提示词后跑一遍同样这批输入对比新旧版本的结果。如果没有回放你很有可能只针对手头这一个案例把提示词改好了但换了另外一个输入又变差了。有了回放测试你才能保证每一次修改都是“全局优化”而不是“过拟合”。把提示词当成代码来维护刚开始会有点不习惯觉得多写了很多文档。但当我手里的提示词积累到三四十套之后这套维护方式的优势就完全显现出来了新需求来的时候我可以在几分钟内找到一个已经测试过的基础模板并完成适配。那种感觉就像多年积攒的工作台终于把每一件工具放到了固定的位置。说到底提示词工程不是一个“灵光一现”的活儿它更像一门需要反复校准的手艺。天赋型选手也许能靠感觉写出好提示词但作为普通人我更相信把这些技巧拆开逐个试、逐个记录、逐个维护最后形成自己的一套体系。这才是让 AI 真正成为“稳定生产力”而不是“随机惊喜”的办法。