身边总有两类人。一类把AI当高级搜索引擎问一句答一句答完就断三天之后得出结论AI不过如此。另一类把AI用成了全能助理写文案、写方案、调代码、做表格、定计划一个人顶一个编外团队。差距不在账号不在模型版本甚至不在网速而在你发给AI的那段话——指令Prompt。我的工作常年和内容创作、项目执行打交道这两年在各种AI工具里做了大量实测把发现的坑和有用的模板都记录了下来。今天这篇就围绕40个经过验证的AI指令展开按场景分类每条都给可直接套用的模板和替换变量。如果你正卡在“AI好像很厉害但帮不上我”的阶段这篇内容应该能帮你把创作的任督二脉打通。1. 不是AI不好用是大多数人的打开方式从一开始就错了1.1 搜索引擎式提问你问“是什么”AI只能给你“泛泛的答案”很多人第一次打开AI对话窗口输入的是“帮我写篇文章”“怎么减肥”“怎么做小红书”。这种指令不是不能用而是信息量太低了。你把一个模糊的问题抛给AIAI只能基于概率生成最通用的回答。就像你去一家餐厅不点菜只说来点吃的厨师只能给你端上菜单中间最保守的一道菜不难吃但绝不会惊艳。我见过最典型的案例是有人让AI写公司简介结果得到一段“放之四海而皆准”的万能模板强调创新、品质、服务、专业放了哪家公司都成立但没有一句值得留下。问题不是出在AI而是指令没有任何边界。后来我让他把指令改成“你是一位擅长B端品牌包装的资深文案为我这家做工业传感器的小公司写一版官网介绍重点是让制造业客户觉得我们懂行”拿到的版本完全能直接用。这里的核心教训是AI不是搜索引擎它不负责猜你的意图而是负责把你给出的约束条件翻译成语言。约束条件越少答案越稀薄。1.2 没有角色和受众的指令等于让AI对着空气说话“帮我写一段欢迎词”“帮我把这段话改得正式一点”这类指令看似清楚但AI缺少一个关键坐标你站在哪里说话说给谁听。同样是“改正式一点”写给客户看的商务邮件和写给领导看的内部汇报语气、措辞、详略完全不同。你不说AI只能赌一个方向赌对了算运气赌错了你骂它笨。我在实际使用中习惯先把角色锚定好比如“你是一位有10年经验的商业分析师”“你是负责公司品牌公关的资深文案”“你是一名刚带过5个项目的产品经理”。角色锚定不是玄学它是在给AI划定知识域和表达习惯的边界。模型在生成时会自动向这个角色的语料分布靠拢你给它“资深文案”的身份它调用的是广告圈的表达资源你给它“程序员”的身份它默认输出的就是工程化的语言。受众也一样。我在写面向企业高管的内容时会在指令里加一句“阅读对象是公司CEO他只看结论、风险和资源需求不喜欢看过程”写面向新手的教程时会加一句“读者是完全不懂行的纯新手请默认所有术语都需要解释”。就这么一句话输出质量的差别立竿见影。1.3 一条指令想吃遍全程等于让AI一个人扛整个项目还有一种常见误区想让AI一次性交付一个几百上千字的成品中间不拆解、不追问、不给反馈。比如“帮我写一份完整的新媒体运营方案”AI确实能写但写出来的东西大概率结构松散、创意平庸。原因很简单创作一个复杂方案需要多个环节每个环节的约束条件、质量标准、信息颗粒度都不同。一条指令包打天下就像让一个刚入职的实习生独立负责整个项目他能交差但别指望惊喜。正确的做法是把任务拆成多轮对话先定框架再逐节填充最后统一润色。我在后面的40个指令里会专门给出拆解任务用的模板。你一旦学会把“大任务”拆成几个“小任务”用特定的指令逐个指挥最后成品质量会完全不一样。2. 指令设计的底层逻辑从“会问”到“会指挥”2.1 一个高质量指令的四个要素角色、任务、上下文、输出约束我复盘了大量翻车案例之后发现所有好指令都包含四个要素缺一个效果就掉一截角色Role让AI以什么身份来处理任务。没有角色AI就是一个没有立场的知识库。任务Task你希望它具体做什么。动词越明确越好比如“分析”“对比”“改写”“列出”“设计”。上下文Context背景资料、已知条件、目标对象。给得越充分回答越贴题。输出约束Format长度、格式、语气、结构。这决定了结果能不能拿来直接用。我举个例子。模糊版指令“写一个活动策划方案。”四要素版“你是一位有5年线下活动策划经验的资深策划师为一家书店策划一场7月的暑期亲子读书活动。书店面积120平米预算8000元目标人群是5到12岁孩子的家庭。请输出包含活动主题、流程时间表、物料清单、风险预案的活动方案控制在1500字以内。”同一个AI后一种指令拿到的方案基本可以直接改改用于执行。2.2 迭代式对话一次写不好很正常关键在追问很多人跟AI对话只进行一轮结果不满意就重新开一个对话或者直接放弃。这非常可惜。AI是一个特别吃反馈的协作对象你只要在多轮对话里给出明确反馈比如“第二段太啰嗦了压缩成100字”“角度太老套换个思路从用户痛点切入”“这个数据换成去年的”它就立刻朝你要的方向修正。这就像带新人第一版永远在探路真正出活的是第二版、第三版。我实盘的感受是最流畅的工作流不是“一次性成就”而是“第一版框架逐段反馈第三版定稿”。所以与其费尽心思把一条指令写到天衣无缝不如先让AI给一版再拿着明确意见去改。指令的价值有一半体现在追问上。2.3 为什么AI对“模糊要求”无感对“具体格式”敏感我自己做过一个小实验同一个需求分别用形容词和量化格式描述。我跟AI说“请写详细一点”它的输出长度和颗粒度完全不可控但改说“按本周完成、未完成、下周计划、需要协助四个模块来写完成和未完成各写3条每条不少于50字”输出立刻精准命中。AI不是不理解“详细”而是“详细”缺少量化尺度。你给它尺度它才有坐标。这是我整理出的所有技巧里投入产出比最高的一条能说数字的不说形容词能给格式的不给感觉。比如“语气正式一点”改成“用书面语不要用网络流行语不使用感叹号”“多给几个方案”改成“给出3个不同思路的方案每个方案包含执行步骤和优劣势对比”。3. 八类场景下的40个指令有模板、有替换变量、有实测注意点3.1 身份设定类先给AI一个具体的“人设”这类指令解决的核心问题是让AI从“泛泛而谈”切换到“某个具体身份”。编号指令模板什么时候用1你是一位拥有{年限}年经验的{职业}擅长{领域}。请以这个身份回答{问题}需要专业、可信的内容输出2请同时以{领域A}和{领域B}两位专家的视角分析{问题}再综合两者观点给出建议需要跨视角看问题避免单一盲区3你擅长把专业概念讲给小白听请用生活化类比解释{概念}尽量不用术语快速理解陌生概念4请分别扮演支持方和反对方围绕{议题}进行三轮辩论最后以中立视角总结决策前想看清利弊两面5你正在扮演{目标用户画像如25岁刚工作的单身女生}。请以这个身份反馈对{产品/方案}的看法做产品和营销前的用户洞察我实测下来指令1的“身份锚定”效果最稳定。同一段产品文案不加角色和加了“写过100篇10万爆款的美妆号资深文案”之后产出的标题和用词完全不是一个等级。原因在于角色触发的是模型内部的知识网络身份越具体AI可调用的参考经验就越精准。注意一点角色描述不要太笼统。“资深文案”是无效的“写美妆垂直领域、熟悉小红书语感、知道如何在第一句建立冲突”才是有效的。3.2 任务拆解类把“大问题”切成“小任务”这类指令专门对付那种“想做的事很宏大但不知道第一步干什么”的局面。编号指令模板什么时候用6先不要回答我的问题。为了实现{目标}请先问我3到5个你觉得最关键的问题然后基于我的回答再给出方案需求不清晰时先让AI帮你理清需求边界7请将{任务}拆解为可执行的步骤每步标注做什么、怎么做、产出物是什么、大约需要多少时间把模糊项目变成可执行清单8在做{任务}之前先列出可能导致它失败的5个原因然后针对每个原因给出预防措施风险敏感型任务的前置排雷9我有以下几件事要做{列表}。请根据重要性和紧急度帮我排出执行顺序并说明理由事务太多时让AI帮你排序10我想完成{目标}但现在只有{时间/预算/人手}。请评估可行性并给出一个最省资源的执行路径资源受限时的方案规划指令6是我用得最多的一个它等于强制AI先做需求分析。以前我直接问“给我做一个营销方案”AI给的方案常常答非所问后来我先让它问我5个问题它问我“预算多少、目标用户是谁、投放渠道有哪些、想重点提升哪个指标、有没有现成素材”我答完之后再让它出方案准确率提高了太多。指令10在预算紧张的场景特别好用。比如“我只有5000块预算想策划一场小型线下快闪活动”AI会把人力、物料、场地、传播成本细化到这个预算真正能覆盖的范围内而不是给你一个看上去很漂亮但根本落不了地的方案。3.3 文案创作类从标题到正文一条龙这类指令适合所有需要内容产出的人无论是写公众号、做短视频还是写小红书、做朋友圈。编号指令模板什么时候用11请为{主题}生成10个标题风格要求{悬念/数字/冲突/实用}每个标题不超过20字并附一句为什么用户会点进来标题没灵感时12将下面的文字改写成{小红书/知乎/公众号/脱口秀}风格保留核心信息调整节奏和语气{原文}一稿多平台分发时13为{主题}写一个60秒短视频脚本结构前3秒钩子、中间30秒干货、最后10秒引导互动。场景和口播词都写上做短视频内容14给故事开头{开头}。请续写500字保持人物性格和叙事节奏结尾设置一个悬念小说、剧情类创作15针对{产品/活动}写出两版不同角度/调性的文案分别命名为A版和B版并说明适合投放在哪些渠道及理由需要线索测试或渠道差异投放指令11我特别推荐。关键在最后那句“附一句为什么用户会点进来”这个附加要求会逼着AI去思考用户动机而不是简单堆砌形容词。AI给出的每个标题都带用户心理分析你筛选起来非常快。指令13适合短视频新手。它把脚本结构明确到时间段AI产出的脚本具备“前3秒留住人”的意识而不是流水账式介绍。我用它做过几条口播视频稍微改几个字就能直接拍。实操建议AI生成的标题和脚本一定要把自己掌握的真实业务信息加进去比如具体的价格、产地、使用场景。AI可以给框架和灵感真实细节是它凭空编不出来的只有混入AI给的框架里内容才真正属于你。3.4 编程开发类让AI当你的结对程序员程序员、运维、数据分析师这类人群用AI最核心的需求是调代码和写方案。编号指令模板什么时候用16请审查以下{语言}代码重点检查潜在bug、性能瓶颈、安全问题、可读性。对每个问题给出修改建议并给出修改后的代码{代码}代码合并前或重构前17我的{语言}程序报错了报错信息是{报错}。请分析可能原因、定位步骤和修复方案。相关代码片段{代码}报错排查18请为以下代码添加详细中文注释注释解释每一段逻辑的目的而不是逐行翻译{代码}看别人代码或交接前19针对函数{函数名}作用是{功能}。请设计10个边界测试用例包括正常输入、空输入、极值、异常类型补测试用例20我需要实现{需求}。请对比{技术A}和{技术B}从性能、开发成本、可维护性、生态成熟度四个维度分析最后给出推荐技术选型指令17是程序员使用频率最高的一条。很多人只贴报错信息不贴代码AI就像医生只看化验单不看病人诊断自然不准。正确做法是把相关代码、报错信息、上下文一起丢给它。如果你的代码里有公司机密或敏感逻辑记得先做脱敏处理再贴。指令20可以帮你节省大量查资料的时间。我让它对比过“用Python还是Node.js写一个内部数据看板”它从团队技术栈、开发速度、部署成本、后期维护四个维度做了分析最后给出的建议方向和我后来请教资深同事得到的结论基本一致。3.5 办公数据类Excel、PPT、邮件的效率加速这类指令是办公室人群最容易直接受用的解决的都是“熟练工耗时”的活。编号指令模板什么时候用21我需要用Excel实现{需求}。数据放在{列标签}请给出具体公式并解释每个参数的含义。需要辅助列请一并说明写Excel公式22这是{数据描述}。请完成分析整体趋势、异常值、不同维度对比、结论与建议。用文字加适合的图表类型说明周报月报数据分析23以下是我们的{会议}对话记录请整理成结构化会议纪要讨论重点、决定事项、待办清单负责人截止时间{原始记录}会议记录整理24为{主题}设计一份{页数}页PPT大纲。每页给出页面标题、核心观点、建议配图或图表形式做PPT搭框架25请将下面这封邮件改写得更加{专业/委婉/有说服力}保持核心信息不变{原文}邮件润色指令21要特别注意一定要把列标签写清楚。比如“A列是客户名B列是订单金额C列是下单日期”AI就能直接给出可复制的公式。你不给列字段它只能给你一个“大概是这样的公式”你还要自己猜着改。指令22的“适合的图表类型说明”是关键。很多人让AI分析数据得到一堆文字结论还要自己想用什么图呈现。加了这句之后AI会主动说“这类趋势适合用折线图不同品类对比适合用柱状图”你照着做就行。3.6 学习知识类把AI变成“私人教师”用AI学习最怕的是被动吸收——看完有用但记不住。这类指令的设计目标是逼你输出、逼你动脑。编号指令模板什么时候用26请用费曼学习法解释{概念}先给一句话结论再用生活类比展开最后出一个验证理解的小测试学陌生概念27将{领域}的核心知识整理成知识树顶层核心原则第二层主要分支第三层具体知识点每个知识点附一句话说明建立知识体系28请从{维度原理、适用场景、优缺点、成本}对比{A}和{B}输出对比表格并在表后给出选择建议对比两个相似概念29我的背景是{基础}目标是在{时长}内学会{技能}。请制定分阶段学习计划每阶段明确学习主题、练习任务、完成标准制定学习计划30列出在{主题}上初学者最常犯的5个误区每个误区说明误区是什么、为什么错、正确做法是什么快速避坑防止带歪指令26的费曼学习法很多人用过但效果一般关键就在最后那个“小测试”。只解释、不验证知识是留不住的。我每次学完一个概念都会让AI出3道题能答上来才算真理解。答不上来就让它用另一种类比再讲一遍。指令30很适合进入新领域时用。比如你想转行做数据分析先让AI列出“初学者最常犯的5个误区”你后续的学习就会有意绕开这些坑比直接在课程里埋头学要高效得多。3.7 创意策划类灵感枯竭时把AI当一个“外脑”创意这件事最怕的是脑子里只有一条路。这类指令的作用是逼AI提供“你没想到的路”。编号指令模板什么时候用31围绕{主题}进行一次开放头脑风暴。先给出20个粗糙但新颖的想法不要评价可行与否再挑选其中3个展开执行思路项目冷启动、找灵感32请把{领域A}的一个经典方法论迁移到{领域B}。说明原方法是什么、怎么迁移、迁移后解决什么问题跨界创新33想象{产品/服务}在{未来时间}会是什么形态从用户需求、技术可能、商业模式三个角度分别描述规划长远方向34请提出一个与主流方案完全相反的方案说明主流方案是什么、反向方案的逻辑、可能带来的好处、失败风险打破惯性思维35基于{素材/背景}用一句话提炼核心创意要求有冲突、有画面感、能让人记住提炼核心卖点或广告语指令31的“不要评价可行与否”非常关键。如果你允许AI评论它会下意识自我设限给出大量保守平庸的想法。把评价环节去掉先让它放飞等20个想法出来后再挑3个展开效果完全不同。这一步本质上是模仿了专业头脑风暴的“发散-收敛”流程。指令34是我在创意枯竭时最常用的一招。它逼着AI去想一个“反常理”的方案经常能带来意外的启发。比如做餐饮活动主流方案是打折促销反向方案可能是“涨价限量限定神秘菜单”结果反而更契合年轻人的猎奇心理。3.8 效率复盘类让AI帮你掌握自己的节奏最后一类偏个人管理适合用来复盘项目、安排日程、做重要决策。编号指令模板什么时候用36我一周的典型事务如下{列表}。请分析哪些事消耗时间多但产出低哪些该做减法并重新安排一周节奏时间审计37我在{决策A}和{决策B}之间犹豫。请梳理需要考虑的关键因素给出权重建议最后做成一个决策矩阵重要决策38基于{项目/事件}设计一份复盘文档模板目标回顾、结果对比、原因分析、经验沉淀、下一步行动项目结束复盘39我想养成{习惯}。请根据习惯养成原理设计一个21天计划明确每周目标、奖励机制、应对挫折的备用方案习惯养成40明天我有{时间段}可控时间任务有{列表}。请排出时间块计划每个时间块只放一个核心任务中间穿插休息和缓冲给第二天排程指令37的决策矩阵特别好用。自己列因素容易有盲区让AI帮你列出关键因素再给它一个优先级它会把每个选项打分最后你能看到一个一目了然的对比结果。注意AI的建议只是参考最终决策要结合你自己掌握的实际情况不要无脑照搬。指令40要求你给真实的时间和任务长度不然AI排出来的计划就是“理论上完美、实际上挤满”。我第一次用时没给任务时长它排了一个根本做不完的清单。第二次我明确写了“写PPT大纲约1.5小时回复邮件约0.5小时”排出的时间块才真正可行。4. 一个真实项目拆解用AI从0到1做一份行业分析报告4.1 第一步用拆解指令把模糊目标变成报告框架有朋友让我帮他做一份“新消费饮品品牌进入校园市场”的可行性分析。拿到需求时信息只有品牌背景和一个模糊的目标完全没有头绪。我没有直接让AI“写一份报告”而是先用指令6让它反问我关键问题。AI反问了五个问题品牌客单价是多少、目标进入的是大学还是中学、第一波预算大概多少、目前有没有校园渠道资源、主要顾虑是什么。朋友答完之后AI给出了一个报告框架市场环境分析、目标人群洞察、竞品情况、渠道策略、推广节奏、预算分配、风险预案。框架有了接着用指令7把每个模块再拆细。比如“目标人群洞察”被拆成“人群画像、消费习惯、场景触点、未被满足的需求”四个子模块。这一步做完整个报告从“不知道从哪下手”变成了一个可以逐项填写的表格。4.2 第二步用角色指令和追问指令逐节填充内容框架是骨架内容才是血肉。我让AI以“有8年消费品行业咨询经验的分析师”身份分析大学生群体在即饮饮品上的消费习惯。第一版出来还是偏宽泛于是我又追加了一条反馈“分析太笼统了请从价格敏感度、口味偏好、购买渠道三个维度展开并给出针对校园场景的具体结论。”第二版质量明显提升AI给出了几个很落地的判断宿舍囤货和晚自习提神是两个核心场景价格锚点在5到8元自动贩卖机和校园便利店是主要购买触点。这些结论不一定百分之百准确但至少为下一步的调研提供了明确方向。这就是前面说的迭代式对话的用法。第一次没达到预期不要急着否定AI而是告诉它你希望从哪些维度展开。AI最怕的不是笨而是被丢在原地自己猜。4.3 第三步用润色和检查指令统一风格各章节都是单独生成的语气和详略肯定不统一。最后一步我用指令12把全文统一为“克制、结论先行、少废话”的风格再让AI做一次“审稿人”检查“这份报告有哪些地方逻辑不通、结论缺少论据、或者表述模糊请指出来并给出修改建议。”这一步相当于给AI装了一双审稿人的眼睛。它会指出某一段的结论前面没有数据支撑、某两个章节之间的逻辑跳跃、某些用词过于绝对。反复两三轮之后整份报告基本达到了可以拿去开会的水平。这个案例完整解释了为什么我说40个指令不是孤立的工具而是一套组合拳。你定义一个角色拆解任务逐节填充反复追问最后统一风格。这就是“指令思维”和“搜索思维”的本质差别。5. 指令之外的几件事我的真实避坑记录5.1 长对话陷阱为什么AI越聊越“笨”AI对话窗口一旦聊到几十轮它很容易丢掉前面的上下文出现前后矛盾。原因是模型的上下文窗口有限超长对话会让早期信息被压缩甚至遗忘。我处理复杂项目时现在都会刻意“一段一重置”第一个任务完成拿到结果后开一个新对话把必要的背景浓缩成一段摘要重新喂给AI。这个习惯帮我减少了大量无效输出。5.2 否定词陷阱为什么“不要啰嗦”会被无视我实测过很多次“不要啰嗦”这类否定指令效果非常差。模型并不擅长先提取“啰嗦”的语义再反向避开它它更倾向于遵循“写”这个动作。有效的写法是把要求改成正向的、量化的表述“控制在200字以内”“每段不超过3句话”“只保留核心论点”。现在我把这个习惯迁移到了所有AI对话里能说“要什么”就别说“不要什么”。5.3 幻觉问题AI哪来的底气一本正经胡说八道AI生成内容是基于概率分布的它区分不了“事实”和“编造”尤其在数据、引用、新闻事件上它完全可能凭空造出一个看起来真实但实际不存在的信息。我处理所有涉及具体数字、人名、文献、专业术语的内容时都会在指令最后加一句“不确定的地方请明确说不知道不要编造”然后重点内容还会交叉验证。AI的角色是提效不是替你当事实核查员这一条一定不能省。5.4 模型差异同一指令在不同AI上表现完全不同我用同一套指令在多个模型里测过GPT系列、Claude、文心、豆包输出风格差别很大。有的模型角色扮演能力强有的代码能力强有的中文文案更自然。所以别指望一套指令走天下。我的做法是文案类任务用中文语感更强的模型编程和逻辑分析类用推理能力更强的模型日常问答用响应快的轻量模型。你在核心生产场景固定用一两个趁手的模型再针对它们微调指令措辞效率会远超“每个模型都随便问问”。最后分享一个我用了很久的习惯我会把顺手好用的指令存进一个文档按场景打标签下次用的时候复制出来改改参数就行。别总指望一次性写出完美指令先用起来再在反馈中优化。指令是死的组合是活的。你可以先挑对应你工作最频繁的那个场景里的5条指令去试试完你就会发现之前觉得“AI不好用”的结论可能只是少了一句关键指令而已。