同一款大模型有人拿它当搜索引擎用问一句答一句有人拿它当整个团队用一个小时出一套完整的方案。差距不在模型在提示词。提示词工程这几年被讨论得很热但它不是什么玄学而是一套有规律可循的沟通协议怎么描述任务、怎么给背景、怎么约束格式、怎么纠正偏差每一步都有对应的操作手法。这篇文章把我自己在业务里反复用过、也踩过坑的10个提示词技巧整理了出来每一个都配了正反例后面还附了6个可以直接复制改写的模板。适合两类人看一类是刚接触提示词被AI输出质量折磨得想放弃的新手另一类是已经在用提示词但总觉得结果差口气、想系统提升的人。1. 先弄懂大模型在“猜”什么提示词工程的底层逻辑1.1 大模型不是搜索引擎它是在“预测下一段话”很多人把大模型当成搜索引擎用其实两者的工作逻辑完全不同。搜索引擎告诉你“网上有哪些页面提到了这个词”大模型的本质是“根据已有的文本上下文预测最可能接续的一段话”。这个差异是理解所有提示词技巧的起点——既然模型是在预测续写那么你给它的上下文越精确它预测出的接续就越接近你想要的答案。为什么角色设定会有效因为模型训练时见过大量“某领域专家写的文本”当我们指定一个身份时等价于把续写的概率分布向该领域的文本风格偏移。为什么格式框定有效因为模型见过大量“用表格呈现的对比分析”一旦你指定了表格它就更容易往那个形态靠拢。锚定、示例、思维链本质上都是通过对上下文的塑造来左右这个概率分布。理解了这个底层逻辑你就不会再用“AI怎么这么笨”的心态去面对不理想的输出而是会切换到“我给的上下文哪里还不够明确”的排查思路。1.2 一条有效提示词的四个要素在给很多朋友Review提示词时我发现绝大多数效果差的提示词都漏掉了同一个东西——背景。把一条合格的提示词拆开看通常包含四个要素要素作用写法示例角色激活对应领域的输出风格你是一名有5年经验的B端产品经理背景提供决策所需的上下文我们的目标用户是中小企业HR任务明确你希望模型做什么请生成一份PRD文档格式约束输出形态分背景、目标、功能列表、验收标准四部分少一个要素模型就只能在缺失维度上自行猜测而它的猜法大概率是“最泛化的那种”。所谓提示词工程在某种程度上就是把需求文档写清楚的过程。1.3 把提示词当“需求文档”来写写代码的人天然有优势因为写提示词和写PRD、写接口文档非常像变量要起名清楚约束要写明白边界条件要想清楚。你给开发的需求文档如果只写“做一个登录功能”那前端会问你十轮问题你对大模型只写“帮我写个方案”它只会给你一份看起来正确但没法直接用的东西。所以我的建议是把每次写提示词都当成一次需求评审会你想让模型出的这个成果交付给谁用在什么场景有什么禁忌把这些写进去输出质量自然上一个台阶。2. 十个立刻能上手的提示词技巧原理、正反例、适用场景先给个总览口诀方便你记“定角色、拆任务、框格式、给示例、引思考、锚背景、限范围、划红线、追着问、串流程。”前六个是搭框架后四个是调细节下面逐个拆解。技巧1角色设定——先给模型发一张“岗位说明书”大模型在训练阶段读了海量专业文档其中不同领域的表达方式、思考路径、术语体系已经被分开记录。当你指定一个身份时其实是在激活该领域对应的那一批语料回答自然更像这个领域的人。反例帮我写一份产品需求文档。正例你是一名拥有5年经验的B端产品经理擅长把模糊需求拆解为可落地的PRD。请你结合中小型企业HR在招聘流程中遇到的简历筛选繁琐问题生成一份产品需求文档包含背景、目标用户、功能列表、验收标准四个部分。注意这里的角色设定不要写成“假装你是……”直接给出“你是谁、擅长什么、任务是什么”模型会更容易进入状态。角色设定也不是头衔堆砌一个身份加一段能力描述就够了写多了反而稀释重点。技巧2任务拆解——把“一句话大任务”拆成“三步小任务”当模型在单次回答里需要完成超过5个逻辑步骤时中途很容易“忘”掉前面的信息结果就是前后矛盾。更稳的做法是让每一步输出都成为下一步的输入。反例帮我设计一个知识付费产品。正例第一步根据“程序员、工作时间长、想利用碎片时间学习”这个用户画像推荐3个适合切入的知识付费主题并给出理由第二步对推荐的主题分别列出课程大纲框架第三步为大纲匹配定价和推广渠道。建议拆到每步模型能在100字以内给出明确结果的程度质量最稳定。如果你发现模型的输出开始“一笔带过”多半就是任务拆得不够细。技巧3格式框定——把“心里想要的输出结构”提前写进提示词很多人的提示词问题不是没内容而是输出内容没法直接用。模型本身对格式指令的遵循度很高前提是你把格式描述得足够具体。反例帮我对比一下这几个云服务商。正例用表格对比腾讯云、阿里云、华为云的对象存储服务列包括计费方式、免费额度、跨地域复制支持、SLA保障。表格之后单独用一段总结根据中小企业轻度使用场景哪家性价比最高。关键细节表格列名要一个一个列清楚“等”字越多输出越不可控。另外格式指令应该放在任务描述之后而不是之前因为模型对靠近结尾的指令响应更强。技巧4示例引导——用“示范动作”代替讲道理模型是模式识别器给它一个输入输出样例它就能模仿出风格接近的内容。这比告诉它“语气要轻松”“格式要一致”有效得多。反例请把下面这段文字改得更有吸引力。正例原文这款耳机的降噪功能很好。改写后带上它的瞬间地铁里的人群声、报站声、旁边抖音外放声全都消失了。下面请用同样的手法改写原文这款软件运行速度很快。示例的作用是锁定风格1到3个足够给太多反而会挤占输出空间。示例最好选“对比鲜明的”如果你的示例本身质量不高模型学到的也只能是平庸。技巧5思维链——让模型“先想后答”对数学题、逻辑分析、方案评估这类需要推理的任务直接给结论的出错率不低。让它先把推理过程写出来相当于给模型一个思考的抓手准确率会明显上升。反例这个方案值得做吗正例请按以下顺序思考最后再给结论第一步列出该方案的收入来源和成本构成第二步估算每个收入来源在3个月内的可验证门槛第三步指出最可能让该方案亏损的两个隐藏成本第四步综合判断是否值得投入。如果嫌过程啰嗦加一句“先在心里推理输出时只保留关键判断依据”即可。这个技巧对数据分析、技术选型一类的任务提升尤其明显。技巧6背景锚定——把“你没说出口的处境”先交代清楚模型没有你的上下文你不说它就默认按最泛化的场景发挥。补充背景能让回答从“正确的废话”变成“能落地的方案”。反例怎么提高转化率正例我运营一个面向设计师的在线课程平台目前注册用户2.3万免费课程完课率约40%付费转化率只有1.8%。请基于这个情况给出3个提高付费转化率的具体策略要求控制在两周内可以落地、不需要额外开发资源。一个建议背景和问题分两段写背景放前问题放后。你可以这样理解背景是输入参数问题是函数调用参数没传全函数跑出来的结果就是错的。技巧7范围限定——明确告诉模型“你能用的材料有哪些”大模型容易把记忆中的信息当成事实说出来这就是所谓的幻觉。限定信息来源是性价比最高的防幻觉手段。反例分析一下2024年餐饮行业趋势。正例请仅根据下面提供的三份行业报告摘要分析2024年餐饮行业趋势不要引入报告之外的数据。如果摘要中没有相关信息请明确回复“资料不足”。报告摘要如下[粘贴摘要]。再补一句兜底指令“不要编造数据数据缺失时说明缺失即可。”这句话每次都值得加尤其是涉及数字、引用、法律条款的场景。技巧8负面指令——划出红线比只给方向更重要模型在理解“不要做什么”时的表现弱于“要做什么”但完全不划红线它会按照语料中出现频率最高的套路写。把禁忌也写清楚能大幅减少返工。反例帮我写一封客户续费提醒邮件。正例写一封客户续费提醒邮件。要求不要使用“感谢您的支持”这类套话不要出现感叹号不要超过120字不要提涨价以外的话题。直接说清下次扣费时间和变更后的价格。负面指令尽量具体到可判断的程度比如“不要用排比”而不要说“风格自然一点”这种模糊描述。越能像规则引擎一样被检查的约束效果越好。技巧9迭代追问——最省成本的优化就是不重开很多人的习惯是回答不满意就重开对话从头再问一遍。但重开意味着模型丢失了刚才的上下文你还要重打一遍所有前置信息。更好的做法是在同一对话里继续追问。追问1第二点展开说一下给一个具体执行步骤。追问2把这个方案的预算部分补上按5万元总预算分。追问3最后一段语气改得更正式不要用“我们”。每轮追问只改一个变量输出更容易稳定。想同时改三四个地方的时候就分成三四轮来问模型对单一指令的遵循度远高于复合指令。技巧10组合提示——把一次“大而全”的提问拆成一条流水线复杂项目想靠一句提示词干完结果往往是哪部分都浅。组合提示的意思是把流程拆成多个独立的提示词调用前一步的输出作为后一步的输入。在对话界面里手动操作也行如果接API可以写成自动化流程。第一轮根据“To B SaaS产品如何做内容营销”这个主题列出12个细分选题。第二轮从12个选题中选出3个搜索竞争度最低、但潜在客户搜索意图强的。第三轮针对选出的3个选题每个生成一个内容大纲包含目标关键词、核心论点、案例需求。第四轮选择其中一个大纲生成一篇完整的文章初稿。这套做法比“帮我写一篇内容营销文章”的产物质量高出不止一个档次。组合提示的核心思想是把一个大任务拆成多个模型擅长的小任务而不是让模型一个Context里挑战所有事。3. 模板库不是抄句子是搭框架六个可直接复用的模板3.1 模板设计的三个原则很多人收集提示词模板喜欢整段复制别人写好的“神句”。但真正好用的模板通常不是句子多华丽而是结构够清晰。我自己设计模板时只遵循三个原则变量化把会变化的部分角色、用户、时间、字数挖空用中括号标注剩下固定部分沉淀下来。可组合模板与模板之间能嵌套。比如“竞品分析”模板输出后接“思维导图结构”模板两个独立模板能串成一条上游下游的流水线。带约束每个模板都内置负面指令比如“不要编造数据”“不要套话”而不是每次都要重新写一遍。3.2 六个模板复制后替换中括号内容即可使用以下模板直接复制到任何对话式大模型工具里即可使用把[方括号]里的内容替换成自己的信息。这些模板我都在实际业务里跑过覆盖了日常80%的高频需求。模板1周报生成[角色] 你是一名有5年经验的项目管理者。 [任务] 根据我提供的工作记录生成一封发给上级的周报。 [格式] 分为“本周完成”“项目风险”“下周计划”三部分列表呈现每条不超过50字。 [约束] 风险项标注影响程度高/中/低不要空话套话不要使用“进一步”“加强”这类没信息量的动词。 [工作记录] 请把我下面的记录替换进去[粘贴本周工作记录]适用场景每周五下午的固定动作。痛点在于很多人记录混乱模板里的“约束”部分会把废话过滤掉比直接说“帮我写周报”靠谱得多。模板2竞品分析[任务] 对[产品名]做一份竞品分析。 [背景] 我们是[你的产品一句话介绍]目标用户是[用户画像]核心场景是[场景]。 [格式] 用表格对比5个竞品列包括产品名称、一句话定位、核心功能、目标用户、估价区间、差异化亮点表格后用一段总结我方的可切入点。 [约束] 仅基于公开可查信息不要编造评测数据。适用场景立项前快速扫描市场。注意把“目标用户是[用户画像]”交代清楚没有这行模型的对比容易停留在“功能都要提一嘴”的层面。模板3代码审查[角色] 你是一名资深后端工程师。 [任务] 审查以下代码找出效率和安全性问题。 [格式] 按“问题描述—所在行号/位置—建议修改”格式输出。 [约束] 只关注会导致bug、性能问题、SQL注入等安全问题不做风格批评。 [代码] [粘贴代码]适用场景代码合并前的快速自检。我没让它做风格审查因为风格问题有Lint工具让模型专注在真正影响质量和安全的问题上输出反而更有价值。模板4学习计划[角色] 你是一名学习规划教练。 [任务] 为[学习者画像]制定[主题]的30天学习计划。 [格式] 按周拆分每周标出目标、每天具体任务、每周自测问题。 [约束] 每天学习时间不超过[小时数]每项任务可以在一小时以内完成尽量使用免费资源。适用场景任何“想学但不知道从哪下手”的场景。关键变量是“每天[小时数]”把它写清楚计划才不会是理想化的“每天学八小时”。模板5会议纪要[任务] 根据下面的会议记录生成正式会议纪要。 [格式] 分“决议事项”“待办事项”“风险与待确认”三部分每条待办标注负责人和截止时间。 [约束] 保留原始信息不要补充内容不要使用口头语。 [会议记录] [粘贴原始记录]适用场景会议结束后的整理。它的价值在于强制结构你只需要把语音转写或随手记的草稿丢进去“负责人截止时间”两项缺失时模型会自己在文中找并填上找不到会标注出来。模板6翻译润色[角色] 你是一名中英双语编辑。 [任务] 将以下中文翻译成英文并做润色。 [格式] 输出三行第一行直译第二行润色后译文第三行说明润色理由。 [约束] 不要意译过度保持原文信息完整。 [中文原文] [粘贴原文]适用场景邮件、报告、对外文档的英文版本。三行输出的好处是你自己可以做一次对照判断避免模型润色过头把原意改成完全不同的说法。3.3 使用模板前的三个检查点模板本身不会替你做决定它只是一种减少返工的手段。每次套用模板之前花30秒过一下这三个检查点中括号里的变量值是否都填清楚了特别是背景和用户画像填得越具体模型发挥空间越小。有没有互斥的格式指令比如既要求“用表格”又要求“输出JSON”这种组合最容易翻车详见下一章的踩坑记录。约束条件是否具体到可以逐条检查模板里的“不要空话套话”如果换成“不要出现超过3个字的口号式短语”效果会更好。4. 实测最容易翻车的3类场景现象、根因、调优记录4.1 角色带偏与编造数据现象设定“行业资深专家”之后AI开始编造市场数据、假引用甚至给出一个看起来很像样、实际上根本不存在的报告名称。最讽刺的是你越是强调“你是专家”它越爱编。根因角色设定激活了该领域的语料分布包括语料中本身存在的虚构信息。尤其在“专家”这个身份下模型倾向于给出权威口吻的完整回答为了完整性它会把训练数据里见过的相似信息缝合进来而不是诚实地留白。调优方案在角色指令后追加“不确定的内容明确说不知道不要编造数据和引用来源”然后配合技巧7“范围限定”把可用资料直接喂给模型。实际验证下来“资料不足时直接说明”这句话能明显减少一本正经的胡说八道。4.2 格式指令互相冲突现象同时要求“用表格输出”和“输出JSON格式”结果模型在两种格式之间来回横跳输出一段Markdown表格又包着一半JSON解析直接报错。根因不同格式指令激活了不同的输出模式。模型在生成时只能走一条路径两种高优先级格式同时出现时它会试图“两边都满足一点”结果两边都不达标。调优方案一次只要求一种强格式。如果确实需要表格和JSON两种产物那就拆成两轮提问第一轮让模型用表格生成内容第二轮让模型“把上一轮表格的内容转换成JSON格式不要新增字段”。这样每轮模型面对的都是单一格式指令稳定性高很多。4.3 提示词过长导致的“末尾遗忘”现象前置背景写了很多包括团队情况、产品定位、历史数据、用户画像结果模型回答时把最开头的信息丢掉了比如你明明写了“不要超过500字”它还是写了一千字。根因模型对输入中不同位置的注意力权重不均衡。长提示词下开头和中间的信息容易被弱化而接近结尾的指令响应最强。人也有类似的“近因效应”但模型在这个问题上更机械。调优方案一、把最关键的指令任务、格式、约束放在提示词末尾那里响应权重最高二、把长背景拆到单独的提示词里做一轮“背景确认”再进入任务三、如果接API可以考虑把关键信息在上下文里多次重复但对话场景下直接重排顺序就够用。跑完这些用例你会发现提示词工程最核心的就一句话把你脑子里那个“合格答案应该长什么样”用模型能理解的方式说清楚。它和写代码一样变量命名清楚逻辑才稳每加一个约束输出就多一分可控。我自己的习惯是做一个属于个人的模板库每用一种新的提示词结构就把它沉淀下来下次遇到同类任务直接改参数就能用。这套方法不依赖具体的模型版本换来换去也够用。如果你的同事还在为AI输出质量头疼把这篇文章转给他比转十条“AI技巧合集”都实在。