我最早接触提示词工程是因为一次离谱的AI回答。当时让大模型帮忙写周报它洋洋洒洒交了两千字从行业趋势聊到公司战略偏偏就是没有“这周我到底干了什么”。那会儿我才反应过来大模型本质上是一面镜子你给它模糊的指令它就还你模糊的答案。提示词工程说到底就是把“问问题”这件事做到极致的一门手艺。这篇文章我从实战角度出发整理了10个能立刻上手的提示词技巧附带一组可直接复制的模板库。不管是刚开始用AI的新手还是已经被“写得挺好但完全不是我想要的”折磨过几轮的进阶用户都可以照着抄。每个技巧我都会讲清楚背后的原理、适合什么场景以及我踩过的具体坑。1. 提示词工程不是玄学先懂模型再谈技巧1.1 提示词工程到底在解决什么问题很多人误以为提示词工程是“咒语学”觉得只要凑齐某些神奇句式模型就会突然变聪明。其实不是。提示词工程解决的核心问题只有一个降低模型理解你意图的成本。大模型接受一段文字然后预测最合理的下一段文字。它不像人一样会主动追问也不会在拿不准的时候先跟你确认。你给的信息越充分、边界越清晰它一次命中目标的概率就越高。换句话说提示词不是“命令”而是“规格说明书”。你写提示词的过程本质上是在给模型描述一份你心中理想答案的图纸。明白了这个底层逻辑你就不会再纠结“哪句咒语最灵”而是会关注另一个问题我的描述是否足够让一个聪明但缺乏常识的新人照着做就能给出我想要的结果想清楚这一点提示词工程就算入门了。1.2 大模型怎么“理解”你的话预测与概率大模型本身不具备真正的意识或推理能力它的工作方式是根据你输入的全部文字提示词在词表上计算下一个词的概率分布然后不断采样生成后续内容。这个机制决定了三件事。第一模型对“上下文”极度敏感。你给的背景、示例、约束条件都会直接影响它的输出倾向。同样一句“帮我写个方案”后面跟的上下文不同结果天差地别。第二模型倾向于“顺着你的话头写”。如果你的提示词本身已经泄露了答案倾向它会顺着你的倾向补充细节。第三模型是概率采样同样的提示词跑两次结果可能不同所以你需要通过温度和多次尝试来稳定输出。这三条听起来抽象但它们直接导出了一个实用结论提示词的每一个词都在改变模型的行为所以你要像工程师写参数一样逐字审视自己的提示词。1.3 为什么“说人话”的指令往往比“装专业”更有效我见过不少新手喜欢把提示词写得很“高端”堆砌“深度解析”“洞见”“赋能”之类的词结果输出全是正确的废话。原因很简单模型是从海量语料里学习的那些被用滥的空洞词汇恰好也是垃圾语料里的高频词模型自然会朝那个方向生成。反过来你用清晰、具体、带场景的描述模型更容易匹配到你真正想要的内容风格。比如“请用朴实的大白话解释什么是熵让一个初中生能听懂”这比“请深度解析熵的本质”有效得多。提示词不是越复杂越好而是越明确越好。把多余修饰去掉把关键信息补齐这才是最容易被模型响应的“人话”。2. 十个立刻能上手的提示词技巧2.1 技巧一角色前置法——给模型一个“人设”角色前置法是最基础也最容易被低估的技巧。它的做法很简单在指令开头明确告诉模型“你是什么角色、具备什么背景、面对什么对象”。我的常用模板是你是一位有15年经验的高中语文老师擅长把复杂概念讲得通俗易懂。现在请以老师的口吻给一个初三学生解释什么是“通感”修辞手法要求举两个生活化的例子。为什么有效因为模型在训练时接触了大量带角色标签的语料给它一个具体角色相当于帮它锁定了生成内容的风格、语气、知识范围和表达深度。角色越具体输出越稳定。实战中“有15年经验”“面对初三学生”这些描述比光说“你是专家”有用得多因为它们提供了更细粒度的约束。2.2 技巧二Few-Shot示例驱动——给模型“打样”Few-Shot的意思是在提示词中给出几个输入和输出的示例让模型模仿这种映射关系。它本质上是在做“没有梯度下降的少样本学习”。以情感分析为例请判断以下句子的情感倾向只输出“正面”或“负面” 例子1这家餐厅的菜太美味了下次还想来。 - 正面 例子2等了一个小时还没上菜体验极差。 - 负面 例子3价格有点贵但环境还算不错。 -你会看到模型不仅学会了判断情感还会主动参照示例中对模糊句的处理方式。示例的数量一般2到3个就够太多会占用上下文太少则约束不住。示例的选择也有讲究最好选那些带有边界情况、能代表你可能遇到的复杂输入而不是选完美典型。2.3 技巧三思维链提示Chain-of-Thought——让模型“一步步想”思维链是这几年提示词工程里最实用的发现之一。它解决的是模型在复杂推理任务上容易“跳步”的问题——模型直接给答案时经常出错但如果让它把推理过程写出来正确率会明显提升。一个简单的模板小明有15个苹果他给了小红3个然后又买了5个。请问他现在有多少个苹果 请逐步推理先算给出去后的数量再算买回来后的数量最后给出答案。核心在于“请逐步推理”这个指令它要求模型展开中间步骤。实战中我会进一步要求“每一步写出理由”因为理由会迫使模型进行更完整的推理。不过要留意思维链也意味着模型会输出更多文字如果你只需要答案可以加一句“最终答案请控制在50字以内”。2.4 技巧四结构化输出约束——让结果“开箱即用”很多人的痛点不是模型答得不好而是答完还要自己整理格式。技巧四就是从一开始就把输出格式定死让模型按结构化模板返回。比如我需要一个包含多个字段的用户画像请根据以下对话记录提取用户信息并严格以JSON格式输出字段包括age年龄区间、job职业、pain_point核心痛点、goal核心目标。 对话记录……这种约束的威力在于你省掉了大量后期清洗工作。模型对JSON、Markdown表格、CSV等常见结构化格式都非常熟悉只要你明确指定格式并给出字段名它基本能按图索骥。使用这个技巧时建议在提示词里加上“不要输出任何解释直接输出结果”否则模型偶尔会在代码块前后加上几句废话破坏解析流程。2.5 技巧五任务分步拆解——把大任务拆成“流水线”让模型一次完成一个复杂任务结果往往顾此失彼。正确做法是像拆解流水线一样把任务分成多个步骤每一步聚焦一个子任务。以“写一篇产品推广文章”为例不要直接说“帮我写篇文章”而是拆成第一步请列出这款产品的5个核心卖点每个卖点用一句话概括。 第二步基于以上卖点生成文章的开头段落目标读者是25-35岁的职场人。 第三步根据开头生成3个备选标题。这样做的好处是显而易见的每个步骤的输入输出都更加可控你可以在中间环节修改方向而不必等模型输出一大段才发现跑偏。我在实战中一般会把两步到四步的拆解作为上限步骤太多模型自己也会晕反而降低整体质量。2.6 技巧六负向指令与禁区声明——明确告诉模型“别做什么”大多数入门教程只教“要什么”却很少教“不要什么”。负向指令的价值在于划清边界防止模型在无关方向自由发挥。举个例子请写一段产品功能介绍要求 - 不要使用“赋能”“抓手”“闭环”等空话套词。 - 不要超过300字。 - 不要使用感叹号。 - 不要输出任何营销口号。设置负向指令的时候要注意不要同时堆太多禁令3到5条是比较合理的区间。过多的负向指令会压缩模型的发挥空间让它陷入机械化的表达。另一个技巧是负向指令尽量具体。“不要写套话”太模糊模型不知道什么是套话而“不要使用‘赋能’‘抓手’‘闭环’等词”就非常明确模型能准确执行。2.7 技巧七上下文锚定——给模型“搭场景”上下文锚定指在提示词中提供必要的背景信息、目标读者、使用场景和约束条件让模型在确定的框架内生成内容。这是我在实际工作中用得最多的技巧也是提升输出质量最稳定的方法之一。对比一下两种写法写法A帮我写一段健身房的介绍文案。 写法B我们是一家开在写字楼商圈的24小时健身房主打“午休碎片化训练”目标用户是附近上班族他们的特点是时间紧、怕麻烦、看重性价比。请基于这些信息写一段朋友圈文案控制在80字以内语气要轻松活泼。写法B的效果几乎是碾压性的因为它给了模型足够的“锚点”。写作这件事约束越多越容易写出风格约束越少越容易写出模板化的空话。模型也是一样它需要你帮它搭好场景它才能精准输出。2.8 技巧八格式模板直接给——让模型“照着填空”如果说技巧四是定义输出结构技巧八则是更进阶的玩法直接在提示词里给一个完整的输出模板让模型往里填内容。比如写周报请根据以下工作记录帮我生成一份周报严格按照这个格式 本周完成 - 本周进展 - 下周计划 - 风险提示 - 工作记录……这种“填空式”提示词的妙处在于它把模型的创造性限制在了内容层面而不是结构层面。你不需要再担心它给你写出一篇散文风格的周报。格式模板尤其适合那些需要定期复用的场景比如周报、日报、会议纪要、复盘文档一次性调试好模板之后每周直接套用效率提升非常明显。2.9 技巧九多轮修正与追问——别指望一步到位我见过很多人的通病是把全部希望押在一次生成上结果不满意就直接推翻重来。但真正高效的提示词使用方式是“分轮迭代”第一轮拿到初稿然后通过追问和修正逐步逼近目标。一个典型的修正过程我请帮我写一段关于AI绘画工具的介绍。 模型输出第一版。 我增加一个实际案例说明普通人用它做自媒体的过程。 模型输出第二版。 我语气再口语化一些去掉“首先、其次、最后”这类连接词。 模型输出第三版。每一轮只提一个方向的修改诉求比一次性罗列五个修改要求更稳定。模型在修改时往往会保留上一版的大部分内容只调整你要求的部分所以你每次给一个清晰指令它就能精准响应。多轮修正还有一个隐藏好处你可以把最后一版满意的提示词保存下来下次直接复用。2.10 技巧十组合策略与模板复用——把技巧变成“套路”最后一个技巧其实是对前面九个技巧的整合把两到三个技巧组合成一个整体提示词然后把验证有效的组合固化成模板形成自己的“套路”。一个组合示例你是一位资深的数据分析师角色前置。 请根据我提供的销售数据先给出3个核心结论再指出一个可能被忽略的风险点任务分步拆解。 输出格式用Markdown表格列名为结论、依据、置信度结构化约束。 注意不要使用模糊的形容词比如“大约”“可能”每个结论必须给出具体数字负向指令。这种组合型提示词的效果远胜于单一技巧。一旦你跑通了一套组合强烈建议开一个文档专门记录它按场景分类存放下次遇到相似任务直接复制修改。模板库就是这么一点点积累起来的这也是提示词工程从“技巧”走向“工程”的关键一步。3. 模板库拿去就能用的提示词组合3.1 内容创作类模板爆款标题与文章扩展做自媒体的朋友最痛苦的事情之一就是起标题。我给你一个经过大量验证的标题生成模板你是一位有10年经验的新媒体编辑擅长写高点击率标题角色。 请为下面这篇文章生成8个备选标题要求 1. 其中3个用数字比如“3个方法” 2. 其中3个用提问式比如“为什么……” 3. 其中2个用对比式比如“普通人 vs 高手” 4. 每个标题不超过20字。 文章主题……这个模板结合了角色前置、结构化约束和NO指令生成的标题质量通常比直接问“帮我起个标题”高出一大截。文章扩展也有模板请根据以下大纲要点扩写为一篇完整的公众号文章预期阅读时长5分钟语气轻松接地气。每个要点下请加入一个真实感的例子。 大纲……3.2 代码开发类模板Debug与功能实现作为开发者我用提示词最多的场景就是调试代码。一个经过长期打磨的Debug提示词模板我有以下代码和报错信息请帮我排查问题 代码请使用具体语言 \python ... \ 报错信息 ... 我的预期行为是…… 实际发生的行为是…… 请分三步回答1. 问题原因2. 修复方案3. 修复后的完整代码。注意“预期行为”和“实际行为”这两项描述缺一不可它们能帮模型大幅缩小排查范围。另一个高价值场景是让模型解释老代码你是一位熟悉该项目的资深开发者角色。请阅读以下代码先说明它实现了什么功能再指出潜在的性能瓶颈最后用通俗的语言给重构建议。请按“功能说明/性能瓶颈/重构建议”三个小节输出。3.3 学习总结类模板知识压缩与复习卡学习场景中我推荐两个模板。第一个是费曼式解释模板特别适合把陌生概念学透请用费曼学习法帮我解释“XX概念” 1. 先用一句话概括这个概念的核心 2. 再用一个生活化的类比说明它 3. 然后举一个实际应用场景 4. 最后指出学习者最容易误解的地方。这个模板会逼着模型从多个角度拆解概念比单纯问“什么是XX”给出的信息密度高很多。第二个是复习卡生成模板请根据下面这段学习资料生成10张Anki复习卡片每张包含“正面问题”和“背面答案”两个字段问题要考察核心概念而不仅仅是背诵细节。资料……我在备考和学新领域时经常用它批量生成复习材料效果很稳。3.4 生活效率类模板决策辅助与日程规划提示词不仅能用在专业领域生活中的决策问题它也能帮上忙。我常用的决策辅助模板我需要做以下决策请帮我做一次结构化分析 决策事项…… 我目前掌握的信息…… 我的核心顾虑…… 请输出1. 两个备选方案的对比表格包含优点/缺点/成本/风险2. 基于我的顾虑给出的推荐排序3. 一个“哪些情况下建议选择B方案”的判断条件。这个模板把事情拆成了对比、推荐、边界条件三层让模型从一个“算命先生”变成了“分析顾问”。日程规划模板就更加直接请帮我规划一天的时间安排。我明天需要完成的任务有……。优先级排序是……。我每天有固定的通勤时间1小时。请生成一个带时间段的日程表中间预留2次休息时间。4. 实战里最容易踩的坑4.1 坑一指令模糊让模型“猜心思”最典型的模糊指令是“帮我润色一下这段话”或者“帮我分析一下这个数据”。模型缺乏对你的预期和标准的了解只能按最通用的模式输出。结果是它交出来的内容往往“没错”但也没用。正确的做法是给出润色方向——比如“让语气更坚定”或“删掉所有形容词”以及分析的具体维度——比如“只看增长趋势和异常值”。4.2 坑二一次性塞太多需求模型直接“过载”我遇到过读者给我发来一段3000字的原始素材然后要求“帮我总结、提取、优化、加标题、做大纲”。结果模型输出要么前三项抓不住重点要么后面几项严重缩水。应对方式很简单拆任务一次只做一件事。如果非要在一次对话里完成多项那就明确列出优先级比如“如果处理不过来优先保证前两步”。4.3 坑三不用负向指令输出“失控”也没处说理许多人不知道可以告诉模型“不要做什么”。结果模型在标题里加感叹号、在正文里加emoji、在严肃报告里加入幽默段子你只好手动改。这类问题最有效的解决方式就是开头说的负向指令。我现在写任何提示词都会习惯性在后面补一句“不要……”花两秒钟能省下十分钟。4.4 坑四不迭代一条提示词“走到底”初代提示词很少能一步到位这是常态而不是意外。高手和新手的区别不在于谁的第一版更完美而在于谁更快进入迭代循环。我个人的习惯是第一版跑通流程第二版改进格式第三版优化细节。每次只改一处变量这样才能准确知道哪个改动对结果产生了影响。4.5 坑五忽略上下文窗口长对话后期“失忆”大模型的上下文窗口是有限的早期输入的信息可能在长对话后期被“挤”出窗口导致模型遗忘了关键背景。遇到这个问题我会在中途主动“复述关键约束”例如“重申一下我们讨论的产品是面向老年用户的健康手环请在此基础上输出。” 如果你的需求特别复杂更推荐每次新开对话把必要背景重新写全而不是在一条长对话里硬撑着继续。下面把常见的坑整理成速查表方便对照自查常见症状根本原因快速对策输出大而空没有重点指令缺少范围与目标增加目标读者、使用场景、字数限制输出格式混乱整理困难没有指定输出结构明确使用JSON、表格、列表等格式跑题、放飞、出现奇怪联想缺少负向指令加3-5条明确的“不要……”复杂任务只完成一部分任务太多太杂拆成多个步骤一次只做一件事长对话后期模型忘记前提上下文超限被截断中途重申关键信息或开新对话重写5. 提示词工程怎么继续深入5.1 从技巧到体系搭建自己的提示词模板库技术类知识最大的特点是不用则废。提示词技巧看过一遍和真正用过一遍效果完全不同。我的建议是每当你调试出一个有效的提示词就把它存进自己的模板库按场景打标签。时间一长你会发现自己面对80%的日常任务都有“即拿即用”的模板不需要从零开始跟模型对话。这个积累过程可能比学任何技巧都更值钱。模板库里我一般会记录这几个字段使用场景、完整提示词、适用模型因为不同模型对同一提示词的响应有差异、注意事项、示例输出。这样即便是三个月前记录的模板扫一眼备注也能立刻用起来。5.2 当技巧不够用把提示词嵌入工作流提示词做到后面你会逐渐意识到单条提示词再精巧也替代不了系统化的流程设计。真正高效的做法是把提示词嵌入到完整的自动化工作流里比如用脚本来调用模型API把一篇长文先拆成多个子任务再分别调用不同的模板处理最后由人来做整合校验。这样做的好处是稳定、可复制也更适合团队协作。当然这是更进阶的话题。对一个刚开始接触提示词工程的人来说先把文中的技巧和模板用熟建立自己的模板库就已经超越大部分用户的水平了。5.3 一些个人心得最后说点掏心窝的话。我做提示词工程这么久最大的收获不是学会了多少“咒语”而是养成了一种更精确表达自己需求的习惯。以前我给同事布置任务会说“把方案做一下”。现在我会下意识地把目标、约束、交付格式和验收标准一次性说明白。提示词工程练到最后练的其实是结构化表达和换位思考的能力。下次当你拿到一个不理想的结果先别急着怪模型笨试着审视一下自己给的信息是否足够清晰。角度变了很多问题自然就解开了。如果这篇文章里的技巧对你有帮助最好的使用方式不是收藏而是立刻打开你的对话窗口挑一个技巧实际操作一遍。看完一百篇教程不如亲手改好一条提示词。