先说我自己的体会提示词工程不是玄学它是一门可以拆解、可以复刻、可以批量复用的手艺。我在过去一年里用大模型处理过内容批量改写、竞品分析、代码生成、甚至给家人做旅游攻略踩过不少坑之后总结出一个结论——大多数人对提示词的理解停留在“把需求说清楚”但真正拉开效果差距的是你能不能把需求转化成模型最容易执行的结构。这篇文章给的10个技巧每一个都是我反复验证过、能直接搬进日常工作流的套路配套的模板库也是可以直接复制改用的。内容不涉及复杂的理论推导只说怎么做、为什么这么做、以及最容易翻车的地方在哪。适合谁看两类人最合适一类是已经在用ChatGPT、Claude这类大模型但总觉得回答质量不稳定的普通用户另一类是产品、运营、开发岗位的从业者想把手里的AI工具从“玩具”升级成生产力工具。如果你连一次对话都没跟大模型进行过也没关系所有技巧都配有现成模板照着替换括号里的内容就能用。1. 提示词工程到底在解决什么问题1.1 为什么差不多的需求别人得到的答案比你好很多人有过这种经历同一个AI工具同一个问题别人拿来写方案条理清晰、数据详实自己拿来写就干巴巴几行字跟百度百科的词条摘要似的。问题不在模型行不行而在输入的方式完全不同。举一个最常见的例子。普通用户会写“帮我写一份年度总结。”模型收到的信息量极少它只能猜你是谁在哪个行业给谁汇报偏重数据还是偏重叙事篇幅多长这些信息它没有就只能给一个“平均化”的答案。而懂提示词的人会写“你是一名互联网公司运营主管请以数据为骨架写一份年度总结重点突出三个核心指标的同比变化同时说明两个未达标项目的改进方案全文控制在800字语气偏正式适合向上级汇报。”同样的模型、同样的任务第二种写法得到的输出质量会压倒性地好。原因很朴素模型的生成逻辑是“根据已有信息推测最合理的下文”你给它输入的信息密度越高、边界越清晰它推测的难度就越低输出质量的天花板自然更高。提示词工程的核心就是把这个“信息密度”拉满同时把“边界范围”锁死。1.2 上下文工程提示词工程的升级版聊提示词工程绕不开最近越来越热的一个词上下文工程。很多教程会把提示词理解成一问一答里的“那段话”其实不够。真正影响生成质量的是整个对话上下文里出现的所有信息包括你的设定、你给过的示例、你之前追问时补充的细节甚至包括你要求模型忽略什么。上下文工程就是把这些信息当成一个整体来管理它的思路比单条提示词高一个维度提示词管的是“怎么问好一个问题”上下文工程管的是“怎么用好一整段对话”。举一个生活化的例子你跟朋友介绍一个人如果只说“他很有趣”朋友很难想象这个人的样子但如果你说“他上次在饭局上讲了三个冷笑话大家笑翻了但他自己面无表情后来才知道他是刻意练过的”朋友立刻就能建立印象。你给的不是一个形容词而是一组上下文。模型也是一样单一的指令往往不够充分但当你把背景、示例、风格要求、甚至反例组合在一起扔给它时它的表现会完全不一样。这篇文章后续所有技巧本质上都在帮你做同一件事把零散的指令升级成有结构的上下文。不管是角色设定、少样本示例还是任务分解都是在从不同的角度丰富和收敛上下文信息。这个观念转过来之后你再去看任何提示词教程都不会觉得那是“咒语”而是能看懂每一步背后的信息组织逻辑。2. 10个能立刻上手的提示词技巧这一部分是全文的核心。每个技巧我按统一的结构来讲它是干什么的什么时候用它模板长什么样以及一个容易踩的坑。前5个偏“怎么设定”后5个偏“怎么控制”。2.1 角色设定一句话让模型切换专业模式角色设定是门槛最低、见效最快的技巧。原理是给模型一个身份锚点它会自动调用与该身份相关的知识结构、语气风格和思考方式。同样是写一段产品介绍让“一个产品经理”来写和让“一个广告文案”来写结果差异非常明显。通用模板你现在是[角色/职业]你需要利用你丰富的[领域]经验帮我完成[具体任务]。 背景[提供必要的背景信息] 目标[明确你期望得到的最终结果] 受众[输出的内容是给谁看的]我实际常用的一个变体是你是一位有10年经验的数据分析师擅长用通俗语言解释复杂概念。 请帮我分析以下运营数据归纳出三个关键洞察并给出可落地的行动建议。 受众是没有统计学背景的市场部同事所以尽量避免专业术语必须用时请附带解释。踩坑提示角色设定不是越夸张越好。我见过有人写“你是全知全能的神”这种设定反而会让模型输出空泛的大道理。角色越具体、越有可参照的经验边界效果越好。与其说“你是营销专家”不如说“你是专注快消品行业、精通私域运营的营销专家”。2.2 少样本示范给两个例子比说一百句都管用如果你觉得模型输出的风格、结构不是你要的不用反复强调“再口语一点”“再正式一点”直接给它例子效率最高。这叫少样本学习原理是模型具有很强的模式识别能力你给的例子本身就是最强的指令。这个技巧我记得最牢的案例是让模型改写标题。一开始我说“帮我把下面这段标题改得更有吸引力”出来的东西全是“震惊”“重磅”这种垃圾。后来我改成给两个示例请参考以下两个标题的风格把给定的新标题改写得更吸引人。 原始标题1这款耳机音质不错 改写后标题1用了三个月我还没找到比它更耐听的千元耳机 原始标题2办公室零食推荐 改写后标题2不是吧这5种零食居然让全组同事都来问我链接 新标题这款台灯护眼效果很好结果出来了风格干净利落完全没有营销号的夸张感。还有一点提醒示例不要只给一个最少两个最好能覆盖不同的角度。给一个时模型容易“照抄”结构给两个或三个它能提取出共同的风格规律而不是模仿单个句子的形式。2.3 思维链逼出模型的推理过程思维链是我个人最常用、也最推荐普通用户掌握的一个技巧。它解决的核心问题是当你直接问一个复杂问题时模型跳步严重容易给出看起来合理但经不起推敲的结论。原理一点都不玄。你要求模型“一步一步思考”实际上是在强制它把隐含的推理过程展开每一步都基于前一步的结果继续往下走从而大幅减少跳步导致的错误。复杂任务中用思维链提示词输出正确率提升非常明显尤其是数学题、逻辑推理题、或需要多因素权衡的判断题。我实际用的模板[给定一个复杂问题] 请按以下框架分析和回答 1. 先拆解问题列出需要考虑的关键因素 2. 逐一分析每个因素的现状或影响 3. 基于上述分析推断可能的结论 4. 指出结论的局限性或可能的例外注意思维链的关键不只是让模型“认真思考”而是要规定它思考的路径。如果只写“请认真思考”往往没什么用但如果你规定了先拆解、再逐项分析、最后推断结论这个路径效果就非常稳定。不过有一点要提前讲清楚思维链会显著增加输出长度和消耗的token数简单任务没必要用。2.4 输出格式约束拿到的答案直接能用很多人忽略了提示词里对输出格式的控制权。其实在大多数场景下你完全可以规定模型输出的格式不管是JSON、Markdown表格还是纯文本。这个技巧最大的价值在于省掉“二次加工”的工作量。举一个实际场景我需要从十几篇竞品文章里提取关键信息做成表格对比。如果只是说“帮我整理一下”模型给出来的可能是大段文字但加上格式约束之后它直接生成我想要的表格请阅读以下文章提取关键信息并按Markdown表格输出以下列 | 产品名 | 核心功能 | 目标用户 | 定价策略 | 差异化亮点 | 要求 - 每个产品一行 - “核心功能”不超过20个字 - 如果原文没有提到定价策略填“未提及”这个技巧配合少样本特别好用。比如你可以先给一个填好的示例行再让它填剩下的。同时要注意格式约束和任务复杂性之间有一个平衡越复杂的任务格式越要“宽进严出”不要在一开始就规定细到每个字怎么写否则模型会把注意力从思考内容转移到迎合格式上。我个人的习惯是先用宽松格式跑通内容如果内容满意再追加格式要求做二次输出。2.5 上下文锚定把背景信息焊死在对话里这是从“提示词工程”过渡到“上下文工程”最重要的一步。它的思路是不要每次都重复你的需求而是在对话的一开始就把关键背景信息一次性“锚定”住后续所有对话都基于这个背景展开。什么叫锚定我举个自己处理过的事情。有一次我需要模型帮我整理一场线上分享的逐字稿要求是提炼重点、去口语化。一开始我每发一段文字都得重新说一遍“请提炼重点”后来换了方式在对话开头就写入背景设定请在整个对话中始终记住以下背景 - 我是一位写作者正在整理一场2小时的线上分享逐字稿 - 分享主题是个人知识管理 - 整理目标压缩到3000字以内的干货文章保留核心观点和案例 - 风格要求简洁、口语化但逻辑清晰 - 后续我发送的每一段文字默认都是需要按上述要求处理的逐字稿片段从那之后我只需要粘贴文本不需要再带任何指令。这个技巧用在多轮对话场景里体验提升特别明显。这也回应了前文说的单独的提示词只是“问对问题”而上下文工程是“构建一个稳定的对话环境”。一个小提醒上下文锚定不代表模型100%不会忘尤其在超过一定长度的对话后模型可能“偏移”最初的设定。比较稳妥的做法是每做几个任务就温和地重申一次关键要求比如在粘贴新内容前加上“还是按最开始的要求处理这段”。2.6 负面指令用“不做什么”框住模型大多数人在提示词里只写“要什么”但控制输出质量往往还要写清楚“不要什么”。我把这个叫负面指令它是防止模型放飞自我的安全带。举一个例子让模型写产品文案正面指令写得再好模型也可能自由发挥加入浮夸的形容词。但如果你补一句“不要使用感叹号、不要使用夸张营销词、不要包含‘最’‘第一’这类极限词”输出会立刻收敛很多。我的常用负面指令包括“不要用总结性套话不要出现‘总之’‘综上所述’这类词不要编造数字和案例不要用过于口语化的网络用语。”还有一个在代码场景里特别有用的负面指令“现有代码中使用了XXX请保持这一风格的统一不要重构为其他写法。”做代码补全或者代码优化的时候这句话能省掉很多改来改去的麻烦。要注意的是负面指令不能代替正面指令。只告诉模型不要做什么没有告诉它应该做什么它容易陷入过度约束而产出僵硬的文本。最好的做法是“正面给结构、负面划边界”先说“用三段式结构观点、案例、总结”再加“不要使用空泛的套话”这样模型既知道往哪里走也知道哪里不能走。2.7 任务分解把大需求拆成小步骤如果你向模型提了一个特别大的需求例如“帮我写一份完整的年度营销方案”得到的输出很可能框架完整但内容空洞。这不是模型能力不行而是你在挑战它在一次生成长度内的极限。解决方案就是拆分。任务分解的底层逻辑很简单把一个宏大的目标切成一连串子任务逐个子任务单独向模型提问每一步的输出作为下一步的输入。这样做有三个好处第一每一步的信息量变小模型能集中精力处理当前局部的质量第二你可以更早发现问题在第一步就跑偏就不用继续浪费时间第三中途可以随时调整方向不至于全盘重来。我的常用流程是比如写一篇文章第1步“请列出关于这个主题的8个可能切入点每个用一句话说明” 第2步“我选择第3个切入点请为它生成一个框架大纲包括小标题和每节的核心观点” 第3步“请根据第2步的大纲帮我写引言部分的内容要求不超过300字能吸引读者继续往下看” 第4步“请继续写第2章内容保持引言引入的风格”每次只让它干一件事。虽然整体沟通轮次变多但产出的最终质量不是一次性提问能比的。这个技巧尤其适合内容创作、方案策划、研究报告这类需要深度产出的场景。2.8 迭代式修正一次问不出来就多轮逼近很多用户对AI生成抱有一个误解觉得一次提问就应该得到完美答案如果结果不好就认为是模型不给力。我接触的大多数高质量输出其实是多轮“对话”的结果。迭代式修正就是把“一次性提问”改成“分轮次逐步逼近目标的过程”。实际操作起来特别简单。第一轮先给一个相对概括的问题看模型的输出方向对不对如果方向不对第二轮明确指出哪里不对让它参考新要求重新输出第三轮再做细节调整比如语气、字数、结构。每次只调整一个维度不要同时改变多个要求否则你很难判断是哪一项修改起的作用。举一个真实现场的过程我先让模型写一段产品介绍看完觉得定位不清晰于是说“第二段的用户痛点不够具体请给出一个典型用户的使用场景”改完后又觉得语气偏书面就说“整体改成更口语化的表达像是在给朋友推荐”。就这么来回两三轮输出的质量已经远超第一版。有一点要说清楚迭代修正不是让你做“复读机”。如果你什么都不改只反复说“重新写一篇”得到的往往还是差不多水准的答案。真正有效的修正是带反馈的——你得给出具体的、可执行的修改方向而不是表达不满意。2.9 风格迁移从模仿到定制风格迁移是进阶技巧但门槛没有想象中高。核心逻辑是模型看过很多文本本身就掌握了大量风格模式你要做的只是给它一个明确的“风格样例”它就能按同样的风格去生成新内容。比如你想让模型按特定作家的文章感觉来写请模仿以下文章的风格写一段新的内容。注意不要复制原文句子只学习和还原它的节奏、用词和叙事方式。 [提供原文样例] 新内容写作主题[你的主题]这个方法可以迁移到很多场景你可以让模型模仿你过去写的好文案给它两三篇也可以让它模仿竞品的官方语气还可以让它模仿某种经典文风。关键是一定要有“样例”且样例质量和数量决定了迁移效果。我个人的经验是风格样例选2-3段不要太长但要足够典型。最好每段突出这个风格的不同侧面一段体现句式节奏一段体现用词偏好一段体现整体氛围。这样模型能同时捕捉多个维度的风格特征而不是只学表面。风格迁移不是复制这是我在实操中最深的一个体会。2.10 模板化把技巧固化下来重复用前面9个技巧每一个单拎出来都能提升你的提示词质量但它们真正发挥威力是在被“模板化”之后。所谓模板化就是把一类常用任务的提示词提炼成固定框架之后每次使用时只替换变量部分不用重新思考组织语言。我自己的模板库里大概有二十多个模板按场景分类有“内容改写类”“数据分析类”“代码生成类”“学习辅助类”等等。每个模板的核心结构都遵循同一个逻辑角色 背景 任务 上下文示例 输出约束 格式化要求。举一个我现在还在用的“文章改写”模板结构角色资深编辑 任务把口语化内容改写成适合公众号发布的干货文章 背景[原来的材料内容] 要求 1. 保留核心观点删除重复表达 2. 用短句一个小节只表达一个观点 3. 加入2处“注意事项”形式的提示语 4. 总字数控制在[XXX]字以内 保留原文中的[专有名词/数据]不要替换模板化最大的价值是让你把“每一次都从零思考怎么跟模型说话”的脑力消耗省掉。你只需要在模板的变量里填入当次的内容就能得到稳定水准的输出。这其实也是我这篇文章想让读者带走的最核心工具。3. 模板库实战三个场景完整流程演示技巧讲完了但你可能会问这些模板组合起来长什么样这一节我用三个真实场景做完整演示。每个场景都是从0到1的完整提示词链你可以直接抄走改写成自己的场景。3.1 场景一用模板做竞品分析报告这个模板解决的是运营和市场岗位最常见的问题——市面上的竞品信息零散整理要花大把时间。我的做法是用一套提示词链让模型综合多个信息源输出结构化报告假设你已经把收集到的竞品资料粘贴给了模型。角色资深市场分析师专注[XX行业] 任务基于我提供的资料产出竞品分析报告 资料[粘贴原始资料] 请按以下结构输出报告 1. 竞品概览用表格列出每个竞品的核心定位 2. 功能对比重点标出差异化功能 3. 定价策略分析不同竞品的价格带和策略动因 4. 共同弱点基于资料推断这类产品的短板 要求 - 报告应体现“分析师的观点”不能只是资料摘抄 - 严格基于我提供的资料没有提到的信息标注“资料缺失” - 如果资料之间存在矛盾请明确指出这个模板的魔力在于“共同弱点”那一项。大多数人不写这个模型就只能做信息整理一旦你明确要求它推断弱点它就自动进入分析状态输出就从一个“资料员”变成了半个“分析师”。模板里的“资料缺失”“内容相互矛盾”这类标注指令是为了避免模型编造信息这属于我前文说的负面指令和边界控制技巧的合用。3.2 场景二用模板批量生成小红书风格种草文案如果你的工作是内容运营每天要写很多短文案这套模板能直接把产能拉满。我过去帮朋友做账号代运营时测试过单条文案从写初稿到改好从半小时压缩到五分钟差别就只是一个稳定模板。角色小红书资深种草文案擅长把普通产品写得让人心动 任务为以下产品写一篇种草笔记 产品信息[产品名称、价格、核心卖点] 写作要求 1. 开头第一句话必须是使用场景的带入不能是产品介绍 2. 用口语化表达可以有少量语气词 3. 必须提到2个使用细节不能只夸“好用” 4. 结尾带一个购买小建议比如适合什么人群 5. 篇幅200字以内 负面指令 - 不要用“绝绝子”“天花板”这类网感过重的词 - 不要堆砌形容词每句话需要有信息量注意写作要求的第3条“使用细节”和小红书这种平台的种草逻辑是契合的真实感才是种草的核心而“使用细节”就是真实感的来源。这个模板虽然简单但它同时用了角色设定、输出约束、负面指令三个技巧的组合这也是我强烈建议读者不要只用单个技巧的原因——组合起来的效果远大于单用。3.3 场景三用模板搭建个人写作助手最后一个场景比较个人化。我自己有写长文的需求过去最痛苦的是从零开始写第一稿。后来我搭了一个长文写作助手模板从定主题到出大纲再到逐段生成整个过程都靠模板引导。第一步用这个提示词生成大纲 你是一位资深专栏作者请帮我把“XX”这个主题写成一篇适合深度阅读的文章。 请生成一个详细大纲要求 - 包含引言、正文至少5个小节、结尾 - 每个小节需要标注要表达的核心观点以及建议的案例类型个人经验/行业案例/数据分析/权威引用 - 大纲的叙事逻辑是从读者的一个常见困惑出发逐步引入具体方法和案例最后给出可执行的行动建议 第二步拿到大纲后逐小节生成内容 请把大纲里“第X小节XXX”扩展成完整内容。要求 - 保持前文已写部分的语气和风格衔接 - 每小节控制在500字左右 - 开始前可引用一句与内容相关的名言但不并强求 - 不要在前面重复解释已写过的思路直接展开新内容用这套方式我写一篇三千字的文章只需要四到五轮提示词中间穿插几次人工修正总体时间比从头码字缩短了一半不止。这里的核心技巧还是任务分解——把“写一篇长文”拆成“生成大纲→写引言→写小节→写结尾”每一步的压力都小质量上限反而更高。4. 常见问题与排查技巧实录4.1 提示词写了一大堆输出还是很空泛这是我被问得最多的问题。排查思路很简单先看你的指令里有没有“可执行的约束”。如果提示词写了200字其中大部分是背景描述和形容词真正的约束条件却只有一句“帮我写好一点”那这200字的边际效用就很低。判断标准是把你提示词里的每个句子过一遍去掉它之后输出会有明显区别吗如果没区别那句就是无效信息。另外检查你是不是只给了“分类标签”没给“行为指令”。比如写了“你是一个产品专家”但后续没有说清楚具体要做什么、按什么步骤做、输出什么格式那角色设定就成了空壳。角色设定的作用是为行为指令提供一个风格前提它本身不能替代行为指令。一个我试下来效果不错的自检办法把提示词发给一个对业务一无所知的新同事看对方能不能按照你的提示词执行出你要的结果。如果能模型绝大多数情况也能如果新同事一脸懵那就是你的提示词信息密度不足。4.2 同样的模板为什么结果每次都不一样模型本身带有随机性参数温度设置决定生成结果的发散程度所以同样的输入每次输出不完全一样是正常的。但这不代表模板必须依赖运气。想让输出更稳定可以从两个方向入手。第一把约束写得更“硬”。比如“必须包含以下三个观点”“严格按照以下四段结构”比“请重点阐述XXX”要稳定得多第二多问几次选最好。我自己在需要稳定输出的场景比如生成对外发布的文案一份提示词会跑三遍再从中挑最合适的。甚至可以直接加一条提示词“请给出三个不同风格的版本分别侧重于理性说服、感性共鸣、专业权威。”一次拿到多个版本省去反复跑的麻烦。4.3 模型“听不懂”你的意思怎么排查当生成的输出和预期的方向不一致时我一般按这个顺序排查排查点具体操作背景是否缺失把你以为“它应该知道”的信息明确写进提示词目标是否模糊检查“任务”部分是否有可量化的目标比如字数、结构、角度示例是否缺失如果风格不对立即上少样本示例给出你期待样子的例子格式约束是否宽松要求输出表格/清单/JSON让结构本身约束内容走向是否一次给太多任务把多个任务拆成多轮对话每轮一个重点我遇到最典型的“听不懂”案例是我让模型为电商产品写标题。我写了“写一个标题”但它输出的都是“高品质、高性价比”这种通用表达。后来加了一条“请用具体的使用场景和用户利益来组织标题例如‘通勤路上也能轻松充电的迷你充电宝’”情况立刻改善。很多时候不是模型听不懂是你给的有效信息还不够它做出准确匹配。4.4 一个容易忽略的坑对话长度越长初始设定越容易失效这在上下文工程里是一个真实存在的问题。模型对话的上下文窗口是有容量限制的早期的设定可能在长对话中被冲淡模型开始“忘掉”你最开始的指令。遇到这种情况不要硬撑着有效做法是复盘对话结构在新的任务开始时重发一次必要的背景和格式要求或者把整段对话复制一份开一个新对话窗口更新更精确的设定。你会发现重置对话和重新锚定上下文经常能让模型恢复到初始的高质量状态。5. 模板库的持续迭代最后想分享一个我的习惯就是把所有用过的模板积累成一个自己维护的文档。这个文档慢慢地会长成一个“个人话术资产”因为里面的每个模板都经历过真实任务的考验踩过的坑和改进点都被记录在案。后续使用就越来越顺手需要微调的地方也越来越少。模板库里不需要包含太多花哨句式重点是每个模板都知道它在解决什么任务、为什么这么设计、踩过什么坑。这些信息才是最有价值的。