1. 提示词写不好先别急着怀疑自己我做了三年多的AI应用落地带过十几个人的内容团队也帮不少朋友调过他们的“个人AI工作台”。有个现象特别有意思几乎所有人第一次用大模型写东西不满意的时候第一反应都是“我提示词写得不行”。然后就开始疯狂收藏各种“万能提示词模板”手机备忘录里存了几百条真到用的时候还是一条都挑不出来。这个标题——“AI提示词写不好多半不是你的问题”——我太有共鸣了。因为踩了足够多的坑之后你会发现提示词效果差真正的原因往往不在你身上或者说不全在“措辞”这件事上。它可能出在模型本身的能力边界、出在你对任务的理解颗粒度、出在你把“写提示词”当成了“写作文”而不是“写需求文档”。这篇文章我想把“提示词工程”这件事拆开聊透。不管你是用AI写稿件的文字工作者还是用AI辅助编程的开发者或者只是想搞一个顺手的个人AI工作台下面这些内容应该都能帮你少走至少半年的弯路。我会从底层逻辑讲到实操步骤从常见误区讲到排查技巧尽量做到你看完就能上手改自己的提示词。2. 提示词工程的底层逻辑为什么你写的提示词总差一口气2.1 大模型不是“听懂人话”而是在做概率接龙很多人对AI有个根深蒂固的误解觉得它像一个知识渊博的助理你说什么它都能理解。实际上大语言模型的工作方式更像是一个超级复杂的“文字接龙游戏”。你给它一段文字它根据训练时见过的海量文本预测下一个最可能出现的词是什么然后一个词一个词地往外蹦。这个认知特别重要。因为它意味着你写的提示词本质上是在给模型“限定搜索范围”和“设定接龙方向”。你给的信息越具体、越有结构模型能“接”对的概率就越高。反过来如果你只丢一句“帮我写个方案”模型面对的可能性空间几乎是无限大的它只能按训练数据里最常见的套路给你凑一篇——这就是为什么你总觉得AI写的东西“一股AI味”。我经常用一个类比来解释这件事你去餐厅点菜跟服务员说“随便来点好吃的”后厨大概率给你端一盘最安全的番茄炒蛋。但如果你说“我要一道川菜主料用牛肉口味偏麻辣不要放糖配菜用芹菜”后厨就能精准出餐。提示词就是你在“点菜”模型就是那个后厨。2.2 提示词的“上策”与“下策”一个被大多数人忽略的分界线网上关于提示词技巧的内容铺天盖地但很少有人把“上策”和“下策”讲清楚。我自己的划分标准是这样的下策堆砌形容词和修饰语。比如“请你作为一个资深的、专业的、经验丰富的、顶尖的文案专家用非常优美、生动、有感染力的语言写一篇超级棒的文案”。这种提示词看起来很长很唬人实际上对模型来说几乎全是噪音。模型不会因为你多说了几个“资深”就真的变资深它只会被这些冗余信息干扰反而抓不住重点。中策给出角色和任务描述。比如“你是一个科技领域的文案编辑请写一篇关于智能手表的推广文案目标人群是25-35岁的上班族字数500字左右”。这已经比下策好很多了至少模型知道自己在干什么、写给谁看、写多长。大部分“提示词模板”都停在这个层面。上策定义输入输出的结构和约束条件。真正好用的提示词核心不在于“怎么描述角色”而在于“怎么定义任务的结构”。你要告诉模型输入是什么格式、输出是什么格式、有哪些必须遵守的规则、有哪些绝对不能出现的内容、遇到不确定的情况该怎么处理。这听起来不像“写提示词”更像“写接口文档”——没错上策的提示词本质上就是一份给AI看的接口文档。举个例子。你要AI帮你写稿件下策是“帮我写一篇关于XX的文章”中策是“你是一个资深编辑帮我写一篇关于XX的800字文章风格轻松”上策是任务根据我提供的素材生成一篇面向普通读者的科普文章。 输入我会给你3-5条核心信息点每条不超过50字。 输出格式 - 标题15-25字包含核心关键词 - 正文分3个小节每节200-300字 - 每节开头用一句话概括本节要点 约束 - 不使用“随着...的发展”等套话 - 每段不超过5行 - 专业术语首次出现时用括号加通俗解释 - 如果素材信息不足以支撑某个小节标注[需要补充]你看上策的提示词里几乎没有形容词全是结构化的规则。这种提示词写起来费劲但用起来极稳。而且一旦写好换任何素材都能复用这才是真正的“提示词工程”。2.3 为什么说“写不好多半不是你的问题”回到标题。我说“多半不是你的问题”有三层意思。第一层很多任务本身就不适合用提示词解决。比如你让AI算一个复杂的数学题或者让它记住你上周跟它说过的某句话这些是模型能力边界的问题你提示词写得再花哨也没用。就像你不能靠“把菜名念得更响亮”让一个不会做这道菜的厨师做出来。第二层很多提示词模板本身就是错的。网上流传的“万能提示词”大多是针对特定模型、特定任务调出来的换个模型、换个场景就失效了。你照着抄效果不好真不怪你。第三层提示词的效果上限取决于你对任务的理解深度。如果你自己都没想清楚要什么AI不可能帮你想清楚。这不是提示词技巧的问题是需求分析的问题。我见过太多人让他说清楚“你到底想要什么”他说不出来然后指望AI猜——这跟买彩票差不多。3. 核心细节拆解一条好提示词的五个必备组件3.1 角色设定不是越牛越好而是越准越好角色设定的作用是给模型“定调”。但很多人把角色设定理解成了“给模型戴高帽”动不动就是“世界顶级专家”“行业泰斗”。实际上角色设定的关键是匹配任务所需的视角和知识范围。比如你要AI帮你改一段代码角色设定写“你是一个有10年经验的Python后端工程师”就比“你是世界顶级编程大师”有用得多。因为前者限定了技术栈和经验范围后者只是一个空洞的赞美。再比如你要AI帮你写小红书风格的种草文案角色设定写“你是一个经常分享好物的普通用户”就比“你是顶级营销专家”更贴切。因为种草文案的核心是“真实感”而不是“专业感”。我的经验是角色设定要包含三个要素——身份、经验范围、表达风格。比如“你是一个有5年经验的科技媒体编辑熟悉消费电子领域写作风格偏口语化、喜欢用类比”。这样的角色设定模型才能真正“入戏”。3.2 任务描述动词比形容词重要一百倍任务描述是提示词的核心。这里最大的坑是用形容词代替动词。比如“帮我写一个好一点的方案”——“好一点”是形容词模型不知道什么叫“好”。但如果你说“帮我写一个方案要求包含三个备选方向每个方向列出优缺点和预估成本”——这就是动词和名词模型能精确执行。我总结了一个规律提示词里的动词越具体输出质量越高。具体到什么程度最好是能对应到一个明确的动作。比如“写”太模糊 → “列出”“对比”“改写”“扩写”“缩写”“翻译”“分类”“提取”“分析”太模糊 → “找出其中的三个问题”“按重要性排序”“标注每条的置信度”“优化”太模糊 → “把长句拆成短句”“把被动语态改成主动语态”“删除所有副词”你可以试试把提示词里的每个形容词都换成动词或名词效果立竿见影。3.3 输入输出格式给AI画好“格子”这是最容易被忽略、但效果最明显的一个组件。如果你不规定输出格式模型就会用它自己最舒服的格式——通常是那种四平八稳的“总分总”结构也就是你最讨厌的AI味。规定输出格式的方法有很多。简单一点的是用自然语言描述比如“请用表格输出三列分别是问题、原因、解决方案”。复杂一点的可以用JSON、Markdown、YAML等结构化格式。对于需要批量处理的任务我强烈建议用JSON因为格式最稳定方便后续程序处理。输入格式同样重要。如果你要给AI提供素材最好把素材整理成清晰的列表或表格而不是一大段乱七八糟的文字。模型处理结构化输入的能力远强于处理“一锅粥”。3.4 约束条件告诉AI“不要做什么”比“要做什么”更重要约束条件是提示词里的“护栏”。没有护栏模型就会自由发挥而自由发挥的结果往往是你不想要的。常见的约束条件包括字数限制“每段不超过100字”禁用词“不要使用‘赋能’‘抓手’‘闭环’等词”语气要求“不要用感叹号”“不要用问句开头”内容边界“只基于我提供的素材不要自己编造数据”格式禁忌“不要用Markdown标题”“不要分点用连贯段落”我个人的经验是约束条件要具体、可验证。“写得简洁一点”不可验证“每句话不超过20个字”可验证。“不要太官方”不可验证“不使用‘尊敬的’‘感谢您’等敬语”可验证。3.5 示例一条好示例胜过一千句描述如果你想让AI模仿某种风格或格式最有效的方法不是描述而是给例子。这在提示词工程里叫“少样本提示”Few-shot Prompting。比如你想让AI写产品文案与其说“要写得有感染力、有画面感”不如直接给它两三条你满意的文案作为示例然后说“请模仿以上示例的风格为XX产品写一条文案”。示例的数量一般是2-5条。太少模型抓不住规律太多会占用上下文窗口。示例的质量比数量重要一定要选你真正满意的、有代表性的。注意示例要放在任务描述之后、正式指令之前。顺序很重要模型对靠近指令的内容注意力更高。4. 实操过程从零写一条能用的提示词4.1 第一步把需求拆到“不能再拆”写提示词之前先别打开AI。拿一张纸把你的需求拆解成最小单元。比如你要AI帮你写一篇公众号文章拆解下来可能是目标读者是谁年龄、职业、痛点文章要解决什么问题核心观点是什么一句话需要几个小节每节讲什么开头怎么引入结尾怎么收字数范围风格参考有没有对标账号必须包含的关键词绝对不能出现的内容拆到这个程度你会发现提示词已经完成了一半。剩下的只是把这些信息组织成模型能理解的格式。4.2 第二步按“组件”组装提示词把上一步拆解的信息按角色、任务、格式、约束、示例五个组件组装起来。我一般用Markdown格式来写因为结构清晰模型也容易解析。# 角色 你是一个面向职场新人的公众号编辑写作风格轻松但不失专业擅长用具体案例解释抽象概念。 # 任务 根据我提供的素材写一篇关于“时间管理”的文章。 # 输入 素材1... 素材2... 素材3... # 输出格式 - 标题20字以内包含“时间管理”关键词 - 开头150字左右用一个具体场景引入 - 正文3个小节每节300字每节一个小标题 - 结尾100字左右给出一个可立即执行的建议 # 约束 - 不使用“随着生活节奏的加快”等套话 - 每段不超过4行 - 所有建议必须具体可执行不写“要合理规划时间”这种空话 - 如果素材不足以支撑某个小节标注[素材不足] # 示例 附上一篇你满意的文章作为风格参考4.3 第三步小步测试逐步加约束很多人写提示词喜欢一次写一大坨然后跑一次看结果不满意就推翻重来。这样效率极低。我的做法是先写一个最简版本跑一次看输出然后针对不满意的地方逐条加约束。比如第一版输出发现开头太啰嗦就加一条“开头不超过100字”发现用了太多专业术语就加一条“专业术语首次出现时用括号解释”。这样迭代三五轮你就能得到一条高度定制化的提示词。而且这个过程本身会让你更清楚自己到底要什么。4.4 第四步固化模板建立自己的提示词库一条提示词调好之后别用完就扔。把它存下来按任务类型分类。比如“写稿类”“编程类”“分析类”“翻译类”“UI设计类”。下次遇到类似任务直接调用模板改改输入素材就行。我自己的提示词库分了十几个类别每个类别下有3-5个模板。常用的模板我会进一步优化加上更细致的约束和示例。这个库是我做AI应用最值钱的资产比任何网上抄来的“万能提示词”都管用。5. 常见问题与排查技巧实录5.1 输出太短/太长怎么办这是最常见的问题。模型对字数的控制能力其实很弱你说“写500字”它可能给你300字也可能给你800字。解决方案用结构控制字数而不是用数字控制字数。比如不说“写500字”而说“分3个小节每节150-200字”。这样模型有了明确的结构参照字数控制会准很多。如果还是不准可以在提示词末尾加一句“写完后统计字数如果超出范围请精简”。有些模型支持这种“自检”指令效果不错。5.2 输出“AI味”太重怎么办“AI味”的典型特征开头“随着...的发展”、中间“首先...其次...最后”、结尾“综上所述”、大量使用“不仅...而且”“不是...而是”等句式。解决方案在约束条件里明确禁用这些词和句式。我一般会列一个“禁用清单”包括随着...的发展/在当今社会/众所周知首先/其次/最后/总之/综上所述不仅...而且/不是...而是/既...又...赋能/抓手/闭环/落地/对齐/颗粒度另外给一个“人味”示例也很有效。找一段你喜欢的、明显是人写的文字让模型模仿。5.3 模型不遵守约束怎么办有时候你明明写了“不要用感叹号”模型还是用了。这通常是因为约束太多模型“顾不过来”。解决方案减少约束数量把最重要的3-5条放在最前面。模型对提示词开头和结尾的注意力最高中间部分容易被忽略。所以关键约束要前置或后置。另外可以用“如果违反约束请重新生成”这样的指令。有些模型支持自我修正效果还可以。5.4 换个模型效果就崩了怎么办不同模型对提示词的敏感度不一样。有的模型吃“角色设定”这一套有的模型更看重“任务描述”。你在这个模型上调好的提示词换到另一个模型可能完全失效。解决方案把提示词写成“模型无关”的格式。也就是尽量用结构化的、通用的语言少用特定模型的“魔法咒语”。比如“请分三步完成”比“请深呼吸一步步思考”更通用。如果必须针对特定模型优化那就为每个常用模型维护一套模板。麻烦是麻烦了点但效果最稳。5.5 常见问题速查表问题现象可能原因排查方向解决技巧输出太短任务描述太模糊检查是否给了结构要求用“分X节每节Y字”代替“写Z字”输出太长缺少字数约束检查是否有明确的字数上限加“每段不超过N行”AI味重缺少禁用词清单检查约束条件是否具体列出禁用词和句式给人类示例不遵守约束约束太多或位置不对检查约束数量和位置精简到3-5条前置或后置换模型失效提示词依赖特定模型特性检查是否用了模型专属技巧改用结构化通用格式输出格式乱未规定输出格式检查是否有格式说明用JSON或Markdown规定结构内容编造未限制素材范围检查是否有“只基于素材”约束加“不确定的内容标注[待确认]”5.6 几个我踩过的坑坑一以为提示词越长越好。刚开始我写提示词动辄上千字恨不得把所有的要求都塞进去。结果模型反而抓不住重点输出质量下降。后来发现提示词的质量取决于信息密度而不是长度。一条300字但结构清晰的提示词效果远好于1000字的“散文”。坑二忽略上下文窗口的限制。如果你在对话里连续跟模型聊了很多轮之前的对话会占用上下文窗口导致模型“忘记”你最早的指令。这时候需要重新开一个对话或者把关键指令再重复一遍。坑三把“提示词”和“系统提示词”搞混。系统提示词是设置模型全局行为的用户提示词是单次任务的。如果你在系统提示词里写了太多具体任务的要求会影响其他任务的执行。我的做法是系统提示词只放通用的角色和风格设定具体任务要求放在用户提示词里。坑四不测试就上线。我见过有人调了一条提示词跑了一次觉得不错就直接用到生产环境了。结果遇到边界情况就崩了。提示词一定要用多样化的输入测试至少测10-20个不同风格的素材看看稳定性如何。6. 进阶思路把提示词当成“产品”来打磨6.1 建立个人AI工作台的提示词体系如果你经常用AI处理某类任务比如写稿、编程、做UI设计建议你建一个“个人AI工作台”。这个工作台的核心不是工具而是一套经过验证的提示词体系。我的工作台分三层基础层通用的角色设定和输出规范所有任务共用任务层针对具体任务类型的提示词模板比如“写稿件”“写代码”“写UI文案”场景层针对特定场景的微调版本比如“写科技类稿件”“写生活类稿件”这样分层的好处是改一处就能影响所有相关任务维护成本低。6.2 用“提示词链”处理复杂任务有些任务太复杂一条提示词搞不定。这时候可以用“提示词链”——把任务拆成多个步骤每个步骤用一条独立的提示词前一步的输出作为后一步的输入。比如写一篇深度文章可以拆成提示词A根据素材生成文章大纲提示词B根据大纲和素材逐节生成内容提示词C对生成的内容进行润色和事实核查提示词D生成标题和摘要每一步都可以单独优化整体质量比“一条提示词包打天下”高得多。6.3 持续迭代把每次不满意都变成优化机会提示词不是一次写好的是迭代出来的。我的习惯是每次输出不满意不急着改提示词先问自己三个问题是模型能力不够还是我的提示词没说清楚如果是我没说清楚缺的是哪个组件角色/任务/格式/约束/示例这个改进能不能固化到模板里下次直接用这样每次不满意都变成一次优化用不了多久你的提示词库就会变得非常强大。6.4 关于“AI编程提示词”和“AI UI提示词”的特别说明这两个场景的提示词逻辑和写文章不太一样简单提一下。AI编程提示词的核心是“上下文约束”。你需要给模型提供足够的代码上下文相关文件、依赖、报错信息然后明确约束用什么语言、什么框架、什么编码规范、不要引入新依赖。我一般会用这样的结构# 上下文 - 项目类型... - 相关文件... - 当前问题... - 报错信息... # 任务 请修改以下代码实现... # 约束 - 使用Python 3.10 - 不引入新的第三方库 - 保持现有代码风格 - 添加必要的注释AI UI提示词的核心是“描述参考”。你需要用文字精确描述界面布局、配色、字体、交互最好附上参考图或参考网站。我一般会按“整体风格→布局结构→组件细节→交互状态”的顺序来描述。7. 最后分享几个我常用的提示词片段写到这里分享几个我反复使用、效果稳定的提示词片段你可以直接拿去用。片段一让输出更具体请确保每个观点都配一个具体案例或数据。如果无法提供标注[需要补充案例]。片段二让输出更简洁删除所有不影响意思的形容词和副词。每句话不超过25个字。能用短句就不用长句。片段三让输出更有结构用以下格式输出核心结论一句话→ 支撑论据3条每条不超过50字→ 行动建议1条具体可执行。片段四让输出更“人味”想象你在跟一个朋友聊天用口语化的方式表达。可以用“我试过”“说实话”“踩过的坑”等表达。不要用书面语和套话。片段五让输出更可靠只基于我提供的素材回答。如果素材不足以回答问题直接说“素材不足无法回答”不要编造。对不确定的内容标注[待确认]。这些片段可以自由组合塞进你的提示词里。用熟了之后你会发现自己写提示词的速度越来越快效果越来越稳。说到底提示词工程不是什么玄学它更像是一门“把需求翻译成机器能理解的语言”的手艺。手艺这东西看再多教程不如自己动手调一百条。调得多了你自然就知道什么该写、什么不该写、什么写了有用、什么写了白写。到那时候你就不会再纠结“我的提示词写得好不好”这个问题了——因为你已经知道提示词只是工具真正决定效果的是你对任务的理解和对细节的把控。