1. 为什么同一款大模型你问出来的是废话别人问出来的是干货先讲个我自己的真实经历。团队里推行大模型辅助办公的时候一位同事跑来抱怨这AI也太蠢了让它写周报写出来的全是空话套话让它总结文档总结完跟没总结一样。我让他把输入框里的内容发我一看好家伙就一句帮我写份周报。说实话这种问法换个真人同事也不知道你想干吗——领导是谁汇报周期是什么这周干了哪几件事重点是产出还是问题统统没说。后来我把这份周报需求拆成一段完整的提示词加上角色、格式、范围、示例同一个模型、同一个账号输出质量立刻上了一个台阶。这件事让我意识到一个核心问题提示词工程不是玄学它解决的是大模型交互中的信息不对称问题。模型不知道你脑子里想的是什么你给出的指令越模糊它就只能用概率去猜猜出来的自然就是四平八稳的正确的废话。这篇文章要分享的10个技巧全部来自我在实际项目和日常工作中反复验证过的做法不是网上那种咒语大全。它适合三类人第一刚接触ChatGPT、Claude这类大模型觉得也就那样的普通用户第二正在把大模型接入工作流但结果总是不稳定的开发者或运营第三想系统化沉淀一套属于自己的提示词模板而不是每次都从零开始写的人。读完你至少能解决三个问题为什么同一套话术在不同模型上效果完全不同怎么让模型输出的格式稳定到可以直接进数据库以及怎样把散落的提示词整理成一套团队可复用的模板库。文末还有一套我实际在用的模板覆盖写作、编程、数据、学习、办公五个场景可以直接抄。2. 一次完整的提示词是从角色 任务 背景 格式四个维度搭起来的如果你要记住一句话那就是一段合格的提示词至少要包含一个明确的角色设定和一段清晰的背景说明。很多新手喜欢在提示词里堆砌请、务必、尽量这类礼貌词和模糊词但对模型来说这些词占用的是宝贵的上下文窗口对输出质量几乎没有任何帮助。我一般把提示词拆成四个模块来写这也是我所有模板的共同底层结构模块要回答的问题示例角色你希望模型以什么身份来回答你是一名有10年经验的用户增长运营任务你需要它完成的具体动作分析下面这组活动数据找出转化率下降的原因背景完成任务需要哪些上下文信息活动周期是7月1日到7月31日主要投放渠道是小红书和抖音格式你希望输出以什么形式呈现输出为表格包含指标、对比上期、可能原因、建议措施四列这四件事说清楚提示词的质量就有了基本保障。但要注意四要素不是说每一段提示词都必须一条不落——比如你只是问一个简单的常识问题角色和格式就是多余的。强制套用反而会让输出变得臃肿。我的习惯是任务越复杂四个模块越完整任务越简单对话越口语化。我第一次从网上抄了一个很复杂的提示词结果发现同一个模板里塞了好几个互相矛盾的要求模型直接懵了。从那以后我每写一段提示词都会先问自己一句这四件事我说清楚了吗如果有一个模块说不清楚说明我对自己的需求还没想明白那先想清楚再写。3. 实战技巧1-3先把人话翻译成模型能高效执行的指令3.1 技巧1角色设定——给模型一个锚点角色设定是投入产出比最高的一个技巧没有之一。原因在于大模型在海量语料训练过程中对不同身份、不同领域的表达方式形成了稳定的概率分布。当你告诉它你是一名资深律师它就容易调用法律文本的表达模式当你告诉它你是一名小学老师它又会自动切换成更通俗、更有耐心的语气。这不是玄学这是统计规律。我常用的一个对比案例是弱提示帮我解释一下复利。强提示你是一名理财科普博主读者是完全没有任何金融基础的大学生请用300字以内的篇幅解释复利并用一个生活中的例子比如健身房会员卡涨价来说明。实测下来后者的输出几乎不需要二次修改而前者经常给出教科书式的干巴定义。角色设定还有一个隐藏优势它顺带限制了回答风格。你不需要单独写请用通俗易懂的语言因为理财科普博主这个身份本身就隐含了这个要求。3.2 技巧2指令动词明确化——别让模型猜你想要的动作很多人的提示词写不好问题出在动词上。分析一下、处理一下、看看这个——这些动词看着没问题但对模型来说每个词都对应着完全不同的操作路径。比如分析可能意味着拆解原因也可能意味着评价好坏处理可能意味着改错也可能意味着格式转换。我有一次让模型帮忙优化一份简历用的词是看看这个简历结果模型给我回了一句这份简历整体不错继续加油。问题就出在看看这个动作太模糊了。后来我把提示词改成请找出这份简历中所有可能被HR直接淘汰的问题并按严重程度排序给出修改建议输出立刻就变得非常有攻击性——不变成了非常有可操作性。写提示词的时候可以做一个简单的自查把提示词里的主要动词圈出来看看它是否足够具体。如果换成一个人来执行他是否能在不看其他信息的情况下完成你的指令3.3 技巧3输出格式控制——让结果直接可用如果说前三招是内容质量层面的那格式控制就是工程效率层面的。在真正把大模型接入工作流之前我一直觉得格式无所谓反正内容对就行。直到有一次我需要批量处理几十份产品说明要求模型输出结构化数据它却把一半的结果写成散文我的下游解析脚本直接崩了。从那以后我在所有涉及数据提取、内容生成的提示词里都会明确指定输出格式。一个稳妥的格式要求写法你是一名数据标注员。请从下面的产品描述中提取信息严格按JSON格式输出不要输出任何多余文字字段包括product_name、price、category、feature_list数组。{ product_name: , price: , category: , feature_list: [] }注意里面这句不要输出任何多余文字非常关键。大模型在生成JSON时有一个常见的毛病就是会在JSON前后加一句好的以下是提取结果。这句话看着无关痛痒但会导致JSON.parse直接报错。凡是需要程序化解析的输出都要显式禁止额外文字。4. 实战技巧4-6稳定性和可控性才是生产级提示词的分水岭4.1 技巧4思维链——让模型把黑箱打开思维链Chain-of-ThoughtCoT可能是整个提示词工程领域最出圈的概念。它的核心原理并不神秘大模型在直接回答复杂问题时容易跳过中间的推理步骤直接从问题跳到结论。而结论的生成如果缺少中间约束就容易产生幻觉或逻辑跳跃。当你要求模型先列出推理步骤再给出结论时实际上是把它的计算过程外挂到了输出文本里每一步都受到前面步骤的约束和校准答案的可靠性会显著提升。但这里要澄清一个被大量误解的点让我们一步一步思考这句魔法咒语在部分模型上确实有效但在另外一些模型上会被忽略甚至拖慢不输出。更工程化的做法是把推理过程显式地写进提示词里比如你是一名数学竞赛教练下面是学生的一道错题请逐步推导正确解法第1步先列出题目给出的所有已知条件第2步判断应该使用哪种解题策略并解释为什么第3步代入计算得到中间结果第4步验证结果是否满足题目条件给出最终答案。这种写法的好处是即使模型不熟悉CoT这个术语它也会沿着你指定的四个步骤走。在教育、数据分析、代码调试这类对准确性要求高的场景里这个技巧的提效非常明显。4.2 技巧5少样本示例——一个好例子胜过十句描述如果说思维链是让模型一步步想那么少样本示例Few-shot就是直接给模型抄作业。原理很简单大模型具备很强的上下文学习能力它可以从你给的示例中归纳出模式。你给的示例质量越高、数量越合适它输出的稳定性和风格一致性就越好。举个例子我想让模型为电商平台生成商品卖点文案。如果我直接说生成五个卖点它大概率会给出高品质、高性价比、值得拥有这种空话。但我给它一正一反两个示例商品名称蓝牙耳机 卖点文案11小时长续航通勤一周充一次电单耳仅3.5克戴一整天耳朵不胀支持双设备同时连接平板刷剧手机接电话两不误。然后让它按同样的风格生成另一款商品的卖点文案输出质量几乎直接合格。使用少样本示例时有三个操作要点第一示例数量不是越多越好2到3个高质量示例往往比5个普通示例更管用第二示例必须和目标任务在格式上高度一致如果你想要的输出是表格示例就必须是表格第三示例可以刻意加入反面教材告诉模型不要这样写这比单纯给正面示例更高效地划定了边界。4.3 技巧6约束条件——把回答圈在安全区内没有约束的大模型就像没有围栏的羊群谁也不知道它会跑哪去。约束条件的作用是显式地告诉模型哪些事情可以做哪些事情绝对不能做以及做到什么程度为止。我在实际项目中经常用到三类约束长度约束回答不超过200字、每个要点不超过一行。内容边界约束只基于以下提供的文档内容回答不要使用你自己的知识、如果信息不足直接回答资料中未提及。风格约束用小学五年级学生能看懂的语言、使用正式书面语禁止口语化表达。这三类约束可以组合使用。比如写客服自动回复时我会这样写你是客服主管请根据后台FAQ生成一条回复。要求先确认用户问题再给出解决方案语气温和专业不使用感叹号字数在100字以内如果FAQ里没有相关信息回复我们已将您的问题反馈给技术团队。有一个小细节值得注意负面约束不要使用你自己的知识比正面约束更需要在提示词里单独强调。大模型天生倾向于展示自己什么都知道如果不加这条它很容易基于训练数据脑补出一些不存在的产品参数。用只基于仅依据这类限定词能有效减少幻觉。5. 实战技巧7-10从一问一答升级到多轮协作工作流5.1 技巧7任务分解——别让一个提示词干三个人的活很多人喜欢把一堆要求写进一个提示词里看起来是在提效实际上是在给模型埋雷。比如帮我写一篇文章要求有标题、三个小标题和结尾最好再给个英文版本顺便总结成PPT大纲。这种组合型任务模型在生成时往往会顾此失彼——标题写得不错小标题跟正文对不上英文版本可能干脆漏掉。正确的做法是把复杂任务拆成多个串行步骤每个步骤只做一件事。比如写一篇文章这个任务可以拆成四步根据主题产出三个候选标题并说明各自的角度差异选定标题后输出文章大纲包含引言、三个主体部分、结论根据大纲逐段扩写正文最后单独提炼一个200字以内的执行摘要。每一步都有明确的输入输出上一步的结果作为下一步的上下文继续传递。这样做的最大好处是你在任何一步发现问题都可以及时修正而不需要推倒重来。比如第2步大纲就不满意那就直接改大纲不必等到正文写完了才发现结构有问题。5.2 技巧8迭代修订——第一批输出只是草稿不是答案我见过太多人的使用习惯是输入一次提示词得到答案直接用然后抱怨模型不行。实际上大模型的输出质量天然具有随机性一次生成的结果不能代表模型能力的上限。同一段提示词温度参数不同或者模型版本不同输出都可能天差地别。正确的使用姿态是迭代式撰写先生成初版然后基于初版提出具体的修改意见让模型在上一版的基础上修订。比如初版提示词写一段产品介绍重点说续航和充电。如果初版输出太啰嗦第二轮提示词就写上一版太长了请压缩到100字以内保留续航和充电两个信息点并删掉所有形容词。如果你觉得结构不对就写请调整结构先说使用场景再讲产品参数。这种迭代方式的本质是把大模型当成了一个随叫随到、且不会不耐烦的实习生。你要做的不是期待它一次做到满分而是给出清晰、具体的修改指令一轮一轮逼近你想要的结果。通常在3轮以内我就能拿到一份可以直接使用的成品。5.3 技巧9背景信息注入——消除歧义拒绝脑补大模型最让人头疼的一个特性就是自以为知道你问它某个具体产品的功能它可能根据训练数据里的近似产品给你来一段合理推测然后一本正经地胡说八道。解决这个问题最快的办法就是把关键背景信息直接写进提示词里。我举个工作中的例子让模型帮忙改写一段活动文案。如果只给它文案本身它往往会自由发挥加入它从语料库里学到的流行词。但如果你在提示词里加上本活动面向35岁以上男性用户主打性价比预算有限不能出现优惠、促销、限时等字眼它就能老老实实地在给定的框架里工作。背景信息的另一个作用是消除歧义。中文尤其容易出现一词多义的情况——苹果可能指水果也可能指手机品牌。如果不补充领域背景模型只能靠概率猜。一旦你在提示词里写明以下文案来自3C数码电商平台它就知道该往哪个方向理解。我的习惯是凡是和垂直领域相关的任务都在提示词开头用一句话交代领域背景比如你是金融行业的内容审核员这是医疗器械说明书的技术文档。这比在提示词里堆一堆请准确、请专业有效得多。5.4 技巧10模板化沉淀——从每次从零写到一套模板走天下技巧7到9解决的是单次任务做得好的问题技巧10要解决的是持续做得好的问题。很多人在实际使用中的痛点不是某个提示词写得差而是每次都要重新组织语言风格还不统一。这时候就需要把常用的提示词固化成模板沉淀成自己的模板库。我在自己的模板库里会区分三类模板通用型模板适用于所有场景的基础结构也就是第2节说的角色 任务 背景 格式四件套。场景型模板针对特定任务比如周报生成、简历优化、代码审查、会议纪要。项目型模板针对特定项目的固定需求比如某个产品的卖点文案模板里面已经预置了品牌调性和禁用词。建立模板库的过程本质上是在积累模型的行为数据——哪种写法在哪个模型上表现好哪种写法容易触发幻觉都记录在模板的备注里。模板不是一成不变的随着模型版本更新之前好用的模板可能会逐渐失效需要用新版模型重新验证后再更新到模板库里。6. 模板库10个拿来就能用的提示词模板下面这套模板是我在实际工作中反复打磨过的覆盖五个高频场景。使用时有三个共同要求把方括号里的内容替换成你的实际信息不要删掉模板里的约束条件如果觉得某个模板不符合你的场景可以在复制后调整细节但注意保留结构完整性。6.1 写作创作类模板模板A结构化文章生成你是一位[领域]资深作者读者画像为[目标读者特点]。请根据下面的主题写一篇[字数]左右的文章要求先给出3个候选标题说明各自侧重角度选定最合适的标题输出文章大纲一级小标题即可按大纲扩写正文每个小标题下至少2个自然段结尾用一句核心行动建议收束全文全文使用[语言风格如通俗生动/专业严谨]避免空洞的形容词。模板B文案改写与润色你是[平台]风格的内容编辑。请按下面的要求修改我提供的文案不要改变原意将字数压缩/扩展到[目标字数]把[具体表达问题如过于口语化/头重脚轻]调整为更合适的表达保留以下关键词[关键词列表]如果原文有事实性信息不要改动直接输出修改后的完整文案不要附加修改说明。6.2 编程开发类模板模板C代码审查你是一名经验丰富的[语言]工程师正在进行严格的代码审查。请检查下面的代码按严重程度从高到低列出问题。对每个问题请说明问题所在的代码行号与代码片段可能引发的Bug场景或安全隐患具体的修改建议给出修改后的代码。 如果没有发现问题请直接回复未发现明显问题。模板DBug根因分析这是我在[场景]遇到的一个Bug运行环境是[系统/版本]错误日志如下。请帮我先列出可能造成此问题的3种原因按可能性降序排列为每个原因设计一个快速的验证方法不要直接修改代码待我确认验证结果后再给出最终修复方案。6.3 数据分析类模板模板E表格数据分析你是一名数据运营专家。下面是[业务类型]的数据表请从以下维度进行分析数据整体趋势环比变化率和同比变化率按周/月拆解关键波动点定位找出数据中异常升高或下降的位置并给出可能的原因相关性提示发现不同指标之间是否存在值得关注的相关性行动建议基于数据给出3条具体的运营动作。 请用表格输出结果如果某个指标数据缺失请标注缺失而不是推测。模板F会议纪要结构化提取请把下面的会议记录整理成结构化纪要采用以下格式会议主题时间与参与人如原文存在达成的共识逐条列出待办事项每条注明负责人和截止时间遗留问题与下次议题要求严格基于原文内容不要添加原文中没有的待办事项如果某模块信息缺失写原文未提及。6.4 学习总结类模板模板G概念拆解与费曼学习请用费曼学习法解释下面这个概念[概念名称]。要求先用一句话说清楚这个概念的本质用一个生活中的类比重讲一遍给出一个该概念的典型应用案例指出最容易误解的2个常见错误最后用100字以内的篇幅总结。 读者预设为完全零基础的新手。模板H资料提炼与问答生成你是一名教研员请根据下面的学习资料生成一套自测题题型包括3道选择题、2道简答题、1道应用场景题每道题后附3行以内的答案提示选择题的干扰项要来自资料中最容易混淆的知识点不要出资料中没有涉及的内容输出格式用列表题号清晰。6.5 日常办公类模板模板I周报/月报生成请根据下面我提供的零散工作记录帮我生成一份[周/月]报。要求按本周/本月目标 → 实际完成 → 数据/成果 → 问题与风险 → 下周/下月计划五个模块组织成果描述要包含具体数字没有数字的注明无量化数据语气客观中立不夸大不谦虚控制在[目标字数]字以内。模板J邮件/工作沟通草稿你是一名商务沟通顾问请帮我把下面的意图改写为一封正式的工作邮件。要求主题行在10个字以内直接点明核心事项正文开场先说明发信目的再展开细节需要对方做的事单独成段并说明 deadline语气专业、友好但不冗长附上可能的回复模板方便对方直接回复确认。7. 避坑指南我刚接触提示词工程时踩过的5个典型坑7.1 坑一提示词越长越好错冗余信息会稀释注意力早期我特别喜欢把提示词写成小作文背景、例子、注意事项、语气要求全塞进去总觉得信息给得越多模型发挥越稳。实际上大模型的注意力是有限的提示词里冗余信息越多真正影响输出的关键指令反而越容易被稀释。我实测过一个产品描述提取任务把背景从100字加到300字之后提取准确率不升反降。现在我的做法是写完提示词后主动做减法把和核心任务无关的背景信息全部拿掉只保留推理必要的上下文。一个判断标准是——删掉某句话之后如果模型输出的质量没有变化那这句话就是噪音。7.2 坑二示例的质量比数量重要给错误示例同样有效有一次做销售话术模板我给模型提供了5个实际对话案例心想这么多例子它总该学会了吧。结果它的输出反而非常混乱一会儿学第一个案例的语气一会儿又跳到第三个案例的结构。后来我把案例砍到2个同时特意加了一个反面示例标注以下案例中存在过度承诺问题不要模仿输出立刻稳定了。大模型的少样本学习有一个特点示例之间的差异如果太大模型学到的是平均风格而不是你想要的目标风格。示例应该尽量保持格式、长度、语气的一致性差异只体现在内容本身这样模型才能抓住你真正想要的模式。7.3 坑三格式要求写得不够死下游程序就会崩这个坑我踩过好几次。有一次写提示词要求模型输出JSON但忘了写不要输出任何多余文字结果模型每次都在JSON外面包一句好的结果如下。解析脚本一遇到这种情况就报错我当时还以为是代码的问题排查了半天才发现是提示词的锅。现在但凡涉及结构化输出我会在提示词里加一句输出必须符合格式模板不要添加任何说明、注释或前后缀文字并且在模板末尾加一个空白JSON格式示例不给模型发挥空间。7.4 坑四不同模型的脾气差别非常大模板不能一套通吃同一个模板GPT-4o、Claude、文心一言、DeepSeek跑出来的效果可能完全不同。这个现象的根本原因是训练数据、对齐方式和解码策略都有差异。比如思维链提示词在推理能力强的模型上效果明显但在一些追求简洁输出的模型上它可能会把推理过程过度展开显得啰嗦。所以我的建议是模板库一定要标注适配模型和版本更新时间。每拿到一个新模型先用同一套测试集跑一遍模板把表现异常的地方记下来在模板备注里写明需要调整的参数。这看起来麻烦但长期下来能省大量反复调试的时间。7.5 坑五提示词是业务问题不是技术问题最后一个坑可能听着不像技术坑但它比前面所有坑都重要。我能把提示词写得又快又好不是因为我背的模板多而是因为我在写出提示词之前已经把业务需求想清楚了。举个最简单的例子同样是生成产品文案如果我不清楚目标用户是谁、卖点优先级是什么、平台调性是什么那我写再多角色设定和格式要求产出的文案也只是看着专业而已。提示词工程真正考验的不是和AI对话的能力而是你把自己的需求结构化的能力。当你发现自己的提示词怎么调都不对劲时先别急着改提示词先回头问问自己我真的想清楚要什么了吗推动我持续优化提示词技巧的动力来自一个朴素的观察大模型的能力提升速度很快但普通用户的使用水平还停留在当成搜索引擎来用的阶段。这不是用户的错而是绝大多数教程只告诉你要写清楚却没告诉你怎么才算清楚。这10个技巧和模板库是我在大模型应用落地过程中一点点沉淀出来的谈不上多高深但每一个都经过实际项目的验证。如果你刚开始接触提示词工程我建议你从技巧1角色设定和技巧5少样本示例入手这两个门槛最低、见效最快如果你已经在日常工作中稳定使用提示词了那就把精力放到技巧10模板化沉淀上把你的提示词慢慢整理成可复用、可传承的资产。等你积累到一定程度会发现写提示词不再是对付AI而是在构建一套人和AI协作的表达协议。
