我最初用大模型干活的时候也吃过不少哑巴亏让它帮我写一封客户回访邮件它洋洋洒洒写了八百字全是正确的废话让它分析一下这份数据它输出的内容比我丢进去的原始数据还要散。后来我才慢慢意识到问题往往不在模型而在提问方式上。提示词工程这个说法看着玄乎拆开其实就两件事把需求说清楚把输出控住。今天这篇我把自己这两年踩坑踩出来的10个实用技巧外加一套拿来就能改的模板库一次性整理出来。不管你是刚接触大模型的新手还是已经在用它写文案、做分析、调代码的老手照着往下抄作业就行。1. 提示词工程到底是什么先读懂底层逻辑1.1 为什么要专门学提示词很多人觉得提示词无非就是好好说话,但现实中你会发现同样一句话不同人问出来的结果完全是两个水平。最简单的类比是带实习生你让一个新来的同事写个方案他多半会手足无措但如果你告诉他结合上季度的销售数据按现状、问题、建议三部分写每部分不超过200字重点给第三条建议他交付的东西立刻就能用了。大模型本质上也是一个知识面极广、但缺乏常识和上下文约束的超级实习生。它的训练目标决定了它会尽量迎合你的指令而不是主动追问细节。如果你给的提示词是模糊的它就会在概率空间里选一个最像样的答案而这个答案往往平庸、空洞、缺乏针对性。提示词工程的价值就是把你脑子里的需求翻译成模型听得懂的约束条件让输出从随机发挥变成可控交付。1.2 一条好提示词的五个基本要素根据我大量的使用经验一条高质量提示词基本包含五个要素角色、任务、背景、格式、约束。角色是让模型切换身份比如你是一名有十年经验的增长黑客任务是核心动作比如总结、改写、分析、生成代码背景是必要的信息输入比如目标用户、数据来源、产品特点格式决定了输出的样式比如表格、Markdown列表、代码块约束则是反向界限比如不要超过300字不要使用专业术语禁止编造数据。把这五个要素凑齐你的提示词就已经有60分了。剩下40分靠的是具体场景下的细节调整比如给示例、拆步骤、限定语气。我在下面的几个章节里会把这10个技巧逐一拆开讲并且每个都给出能直接套用的写法。1.3 动手写之前先想清楚的三件事很多人在输入框里打字之前自己都没想清楚要什么。我建议你在写提示词前先花30秒回答三个问题第一你要让模型做什么动作。是总结、翻译、改写还是分析、推理、创作动作不同提示词的重心完全不同。第二你希望输出的最终形态是什么样。是一段话、一张表格还是分步骤的清单把这个形态写进提示词模型就不会给你一坨无法分拣的文字。第三你能容忍多少自由发挥。如果答案是零那就必须给足背景和格式约束如果你只是为了头脑风暴那倒是可以放开限制让模型多给些选项。这三个问题想清楚之后再去套技巧效果会好很多。接下来我们就正式进入10个技巧的实战拆解。2. 基础三招让大模型一次就能听懂人话2.1 技巧1角色扮演法角色扮演是上手最快、见效最猛的一招。它的原理很简单模型在训练语料中见过大量特定职业、特定身份的对话模式一旦你给它指定角色它就会自动调用对应领域的知识结构和语言风格。对比一下就明白了。普通提问是帮我分析一下这款咖啡的市场前景。模型可能给你一段四平八稳、像百度百科一样的文字。角色扮演的写法是你是一名在精品咖啡行业做了8年的产品经理请从消费趋势、竞品差异、复购率三个维度分析一款定价38元的手冲咖啡产品并给出三个可落地的市场策略。后者的输出会明显更有行话、更有实操感因为角色的存在让模型的专业模块被激活了。实操经验角色可以叠加背景和资历但别叠得太夸张。资深产品经理和有8年精品咖啡行业经验的产品经理之间后者明显更精准。如果角色与任务越匹配输出质量就越高。2.2 技巧2给模型一个思考框架很多人抱怨模型逻辑混乱一会儿说东一会儿说西其实是你没给它一条思考路径。大模型是概率推理你给它一个框架它就会顺着框架走。举个例子你直接问帮我分析双十一活动效果模型很容易把所有指标混在一起讲。但如果你加一句请按以下步骤分析第一步列出活动的核心数据指标第二步对比去年同期数据第三步指出数据表现异常的地方第四步给出三条优化建议。模型输出的结构就会非常清晰每一条都不会漏。生活里也有类似的道理。你不希望朋友在讨论问题时东扯西扯于是说咱们先把问题列清楚再谈解决方案效果往往立竿见影。大模型也是一样思考框架就是给它画好车道它就不会开出去。这个框架还可以用在长篇创作、数据分析、代码解释等各种场景中属于通用的强化指令。2.3 技巧3示例先行Few-shot如果文字描述不够直观直接给模型看一个例子比任何解释都管用。这就是少样本提示在提示词里放一两组输入-输出的对照样本模型就会照着样本的格式和风格去生成。我举个例子。你希望模型把用户的售后评价改成正式回复与其解释要正式、要礼貌、要说明处理方案不如直接给出示例输入物流太慢了差评 输出非常抱歉给您带来了不佳的收货体验我们已同步物流团队加急跟进预计明天18:00前为您更新最新进展感谢您的耐心等待。模型看完这个例子就会模仿道歉-原因说明-处理方案-感谢的结构。你要是能再给第二个不同场景的示例效果会更加稳定。实际使用中示例不需要多一两个就够关键在于示例必须典型。如果示例本身质量不行模型会学得更歪。所以这条技巧的基本原则是你希望它输出什么风格就给什么风格的样本别拿劣质样本凑数。3. 进阶三板斧把输出质量从能用提到好用3.1 技巧4拆分任务一次只做一件事复合指令是大模型最容易翻车的地方。你让它总结这篇文章然后翻译成英文再提炼三个金句它经常会把三个任务搅在一起最后什么都做不好。这不是能力问题而是注意力分配问题——模型在同一段响应中需要反复切换任务模式本来就容易出错。我的做法是把复合任务拆成一步步单独提问。先让它总结拿到总结后再让它翻译翻译完再让它提取金句。每一步都在上一步的结果上操作逻辑清晰质量也明显更高。甚至还可以用对话接力的方式第一轮让模型输出提纲第二轮让它根据提纲展开写正文第三轮再让它润色。这样每一轮的任务都足够聚焦模型的发挥会比一次到位好很多。这个技巧几乎适用于所有场景。尤其是写方案、写长文、做数据分析的时候每次只让模型干一件明确的事反而比你一口气提一堆要求更快、更省心。3.2 技巧5设定明确的格式与长度约束模型默认的回复格式是一大段流畅的文字但你做表格、写周报、发小红书的时候需要的是结构化的内容。如果不加约束你拿到的就是一坨需要自己重新排版的内容等于白干了一半活。格式约束可以直接写在提示词里。比如用Markdown表格输出第一列是指标名称第二列是当前值第三列是与上季度对比。再比如用列表分点输出每一点开头加一个小标题。长度约束也很有用全文控制在200字以内每段不超过3句话。这些约束生效很快因为模型对格式指令的理解能力已经很强了。我自己的习惯是凡是需要给领导、给客户看的内容都强制要求用表格或分点结构。这样后来我只需要复制粘贴进文档改几个字就能交付效率提升了不止一倍。3.3 技巧6用反面约束堵住漏洞正面指令告诉模型要做什么反面约束告诉它不要做什么。很多问题恰恰出在No说得不够具体。比如你写提示词不要写废话模型依然会写一堆正确的废话因为废话这个概念太模糊。更好的写法是不要使用综上所述总而言之等空话套话不要重复正文中出现过的结论不要用形容词堆砌。这样的反面约束非常明确模型就知道该怎么避开了。反面约束特别适合用在内容审核、文案改写、报告润色等场景。你可以在一次提示词里既写正面要求也写反面要求两者结合起来输出质量会非常稳。比如请润色下面的段落要求表达更简洁正面不得改变原意反面不要添加原文没有的数据反面。这样模型就知道边界在哪里。4. 高级四式把提示词从一次性变成可复用4.1 技巧7迭代式修正很多人期待一次提问就拿到完美答案但现实是即使提示词写得很好第一版输出也经常需要调整。与其反复重新提问不如学会在已有结果上进行迭代修正这样效率更高保留的信息也更完整。举例来说第一轮你得到了一个还不错的方案但你觉得第三段的语气太官方你可以直接输入保留整体结构和第一、二段把第三段改得更口语化一些像朋友之间的交流一样。模型会基于当前上下文只改你指定的部分。这比重新粘贴一遍全文、再从头生成要精准得多。迭代式修正还有一个好处你能在过程中逐渐摸清模型的脾气知道自己哪类指令让它理解得更准。时间长了你写的提示词会越来越短效果反而越来越好因为你已经学会了点菜式提要求。4.2 技巧8模板化与参数化如果你频繁用AI做同一类事情比如每周写周报、每月写数据分析、每天发朋友圈文案那就应该把提示词固化成一个模板把每次变化的部分抽出来当参数。这跟写代码时封装函数是同一个思路。一个典型的周报模板可以是你是部门的数据运营负责人请根据我提供的本周数据写一封周报。格式要求分三部分分别是本周核心进展、数据异常说明、下周计划每部分用3-5个分点总字数控制在400字以内语气客观、简洁。本周数据如下{粘贴数据}你只需要替换花括号里的数据其他部分完全可以复用。把常用的模板存到备忘录或者笔记软件里用的时候复制出来改几个词一分钟就能生成一份质量稳定的内容。这比每次都从零开始写提示词省力太多。4.3 技巧9组合多步提示让模型边想边写面对逻辑推理类、分析决策类任务让模型直接给答案容易导致结论跳步、说服力不足。这时候可以显式要求模型先展示推理过程再给出结论。这种做法在AI圈里被总结为思维链思想实际上就是逼模型把大脑里的草稿纸摊开给你看。我常用的表述是请先列出你分析问题时考虑的关键因素和数据依据再一步步推导出最终结论最后给出一句总结。模型在逐步推导模式下输出会严谨很多尤其适合做竞品分析、方案比较、投资决策等需要逻辑链的场景。你可以把它理解为十以内加减法心算和列竖式的差别。列竖式虽然慢一点但每一步都看得见出错也容易发现。大模型直接给结论就像心算看着快翻车的概率也高让它逐步写出来画面就稳了。4.4 技巧10建立自己的提示词评估清单最后一个技巧也是很多人容易忽略的就是给自己的提示词建立一套效果评估标准。没有评估就没有改进你可能用了十次同样的写法却不知道它哪里有问题哪些地方可以更好。我的个人清单很简单每次拿到模型输出后我会从三个维度打分。第一是内容准确度有没有事实性错误、有没有逻辑矛盾第二是格式符合度是否按我的要求用了表格、分点、字数限制第三是可用程度也就是我拿过来需要改多少字才能用。每次打分后我会把效果最好的提示词保存下来并在旁边批注为什么好用。积累几周之后你会发现自己的提示词能力提升得特别快因为你已经不再是凭感觉提问而是在用数据和反馈训练自己的提问直觉。5. 模板库10个拿来就能改的实战模板技巧讲完直接上干货。下面是我平时用得最多、实测效果稳定的几组模板按使用场景分成三类。每个模板我都标注了可以替换的参数位置你用的时候把花括号里的内容换成自己的就行。5.1 写作类模板文案改写模板你是一名资深新媒体编辑。请改写下面的文案要求保留核心信息但表达更口语化、更有画面感适合朋友圈发布不要使用营销套话控制在150字以内可使用表情符号增强语气。原文{粘贴原文}文章大纲生成模板你是一名专注于{领域}的公众号作者。请围绕{主题}输出一篇深度文章的大纲要求包含一个抓人的开头切入点、四个核心章节、每章下列三个分论点每个分论点附一句可参考的案例或数据方向整体逻辑要层层递进结尾部分要有行动建议。请用Markdown列表输出。5.2 分析类模板竞品分析模板你是某消费品牌的市场分析师。请对比以下三个竞品{竞品A、B、C}。维度包括目标人群、核心卖点、定价策略、渠道布局、口碑评价每个维度用不超过80字概括最后给出我们可以切入的差异化方向并说明理由。请用表格输出。数据报告总结模板请在5分钟内理解以下数据并输出一份简洁的数据简报第一段用三句话概括整体表现第二段用数据说明2-3个关键趋势第三段指出可能存在隐患的地方整体控制在400字以内不要罗列全部数据只挑有价值的说。数据如下{粘贴数据}5.3 编程类模板代码调试提示词你是一名资深Python工程师。下面的代码在{运行环境}中报错错误信息是{粘贴报错}。请按以下步骤帮我排查第一指出最可能的错误原因第二给出修正后的完整代码并在关键行加注释第三说明这个改动解决了什么问题。代码内容如下{粘贴代码}代码审查提示词你是一名Scrum团队的代码Review专家。请审查下面这段{语言}代码重点检查三方面潜在的性能问题、边界条件的处理、代码可读性。每个问题请给出具体行号和修改建议并用严重/一般/建议标注优先级。代码如下{粘贴代码}这些模板不是让你死记硬背而是一个起点。用几次之后你自然会根据实际场景调整角色、格式和约束词。模板库的价值在于帮你节省前期的测试成本让你不用每次从零开始。6. 常见问题与排查技巧实录6.1 为什么它总是答非所问答非所问是提示词使用中最常见的问题原因一般是三种第一你的指令里动词太多它不知道优先做哪个第二背景信息不足模型靠猜测补全了很多前提第三你给的示例或格式要求与任务目标不匹配把模型的注意力带偏了。排查顺序也很简单先确认自己的主任务动词是否只有一个再检查背景信息是否覆盖了时间、对象、场景、目标最后看一眼示例是否符合期望输出。大多数情况下回答完这三个问题答非所问就解决了。如果还不行就把问题拆成两步一步步追问。6.2 输出太泛、太空怎么办输出空洞的根源在于约束太少。模型在没有硬性限制时倾向于生成最稳妥的内容也就是放在任何场合都适用的套话。要解决这个问题最有效的办法就是加限制词固定字数、固定结构、要求引用你提供的具体数据、规定不得使用某个词。我经常用的一招是要求模型所有结论必须基于我提供的信息并且每条观点都要附带一个具体案例或数据来源。这样它想泛泛而谈都难因为它必须先引用你的材料才有东西可写。6.3 结果总有一股浓浓的AI味很多人反馈AI生成的内容一看就知道是AI写的因为句式太工整、词汇太书面、逻辑太完整没有人的呼吸感。想消除AI味可以在提示词里明确要求语言风格。我会写语气要像人在微信里跟好朋友聊天一样自然允许短句、口语词和轻微的随性感不要用值得注意的是不可否认这类书面转折词。另一个有效技巧是在示例贯穿的前提下直接给它一句你平时说话风格的短文本让它模仿以下是参考语气{粘贴你自己写的一段话}。请用同样的语气重写下面的内容。这个做法比单纯说不要AI味有效得多因为模型有了真实的模仿对象。我个人在长期使用中还发现把自己真实的经历、数字、细节塞进提示词会让输出内容多一层别人复制不走的真实感。AI味浓往往是因为内容太通用一旦材料够具体AI味自然就淡了。最后再分享一点自己的体会提示词工程学到最后你会发现它练的并不是讨好AI的技巧而是你清晰表达需求的能力。你在提需求时说得越清楚模型的回报就越丰厚。这个能力换到任何协作场景都适用。建议你从今天开始选一个自己最常用的场景用上面的技巧和模板改造一条提示词对比一下前后输出的差异。试过一次之后你就回不去了。