提示词工程实战指南：10个技巧让大模型输出质量翻倍

1. 为什么提示词工程成了刚需而不是玄学天天有人问我AI 都这么聪明了随便说两句它不就懂了吗怎么还要专门搞什么提示词工程说实话我最早也觉得往对话框里打字这事儿谁不会但真当我把同样的任务用两种不同方式丢给大模型得到的结果一个能用、一个废掉的时候我意识到问题不在模型在我。提示词工程说白了就是我们跟大模型之间的沟通协议。模型不是人它不会从你含糊的只言片语里脑补出完整意图它只是个极其擅长猜概率的机器你给的信息质量直接决定它猜得准不准。你看那些能把 AI 用得飞起的人不是他们运气好而是他们掌握了把脑子里想的东西翻译成模型能听懂的指令的方法。这跟带新人一个道理你交代任务说得越清楚对方干得越到位。今天这篇东西不聊那些玄乎的理论我直接给你 10 个拿来就能用的技巧。这些技巧每一个我都亲自在 GPT 系列、Claude 和国产的大模型上跑过效果稳定适合日常写文案、写代码、做分析、学东西这些场景。每一条我都会告诉你背后是什么逻辑、怎么落地、有哪些坑要躲。最后我会把积累下来的模板库一并放出来你直接把变量替换掉就能用。适合谁刚接触提示词工程的小白也好已经玩了一段时间但总觉得输出差口气的老手也好这些技巧都能让你少走弯路。2. 十个技巧逐个拆解每个都能立刻上手2.1 角色锚定给 AI 一个具体身份而不是让它自由发挥这是所有技巧里门槛最低、见效最快的一个。你可能早就见过请你扮演一位资深律师这种说法但很多人用的时候只是随便加句话效果不稳定原因在于角色给得太虚。我把技巧拆成三层身份 背景 语气。比如你写营销文案别只说你是一位营销专家要说清楚这位专家擅长什么品类、服务过什么客户、偏好什么样的语言风格。我经常用的是你是一位专注快消品领域的内容营销顾问服务过元气森林这类新消费品牌擅长用年轻人听得懂的话讲卖点不说空话套话。模型拿到这个设定输出的用词倾向、案例偏好、句式节奏都会往这个方向靠。为什么要这样因为大模型的训练语料里不同角色对应的文本风格是聚类的。你给它明确的角色画像相当于把它的输出分布往某个方向推了一大截。就好比你问一个实习生写个方案和问负责过双十一大促的活动运营写一份面向 95 后用户的新品推广方案后者写出废稿的概率低得多。注意角色不要叠加太多。我见过有人一口气给模型堆了五个身份让它同时是律师、医生、程序员、作家和心理咨询师结果输出四不像。一个任务绑定一个核心角色就够了。2.2 结构化拆解用分隔符让任务边界清晰起来把指令写成一大段连字符都懒得加的文字这是提示词工程里最伤输出质量的做法。模型确实能处理连贯的自然语言但结构化程度越高的指令它的理解偏差越小。所谓结构化拆解就是用清晰的标记把任务的各个部分分开要处理的材料放在一对分隔符里任务要求单独列出来输出格式单独说明。我习惯用三个反引号或者三个井号把原材料包起来和指令本身做隔离。这样模型就知道引号里是你要处理的对象引号外是你对我的要求不容易把材料误当成指令去执行。给你对比一下效果。烂写法是帮我看一下这段话有没有语病顺便润色一下让它更正式一点这段话如下我们这边那个项目呢因为各种原因吧就推迟了时间。模型确实能干活但它会顺手帮你把各种原因具体化甚至帮你发挥一下。更好的写法是请润色以下文本要求语气正式且简洁不要增删事实信息不要补充原文没有的细节。原文我们这边那个项目呢因为各种原因吧就推迟了时间。看到差别了吗加了不要增删事实信息和分隔符之后输出质量完全可控。2.3 让模型先复述任务花 10 秒钟避免大翻车这个技巧用的人不多但对复杂任务特别管用。做法是在正式回答之前先让模型用自己的话把你的要求说一遍。听起来多余实际上能救回大量返工。原理很简单如果模型复述出来的任务和你脑子里想的不一致那说明你的指令写得有问题。这时候让模型直接开干结果必然跑偏。提前复述等于花极低成本做了一次需求对齐跟开发接到需求以后先说我理解你要的是 ABC对不是一个道理。我个人的操作习惯是当任务步骤超过三步、约束条件超过两个或者涉及专业领域判断的时候一定加一句先不要执行任务请复述你对我的要求的理解确认无误后再开始。实测下来大约有三分之一的概率模型会问出你没想到的模糊点或者复述得不够准确这时候你就有机会把指令补得更扎实。成本高吗一点都不高。复述通常不超过两百字几秒钟就读完了。比起让模型闷头生成两千字然后发现方向错掉这个投入太划算了。2.4 少样本示例给模型一个别人怎么干的参考这里说的少样本是指在提示词里直接喂几个输入输出的例子让模型照着这个路子照着写。对于风格类任务——写标题、写摘要、写小红书文案、写代码注释——它的效果比任何抽象描述都强。我在带团队的时候常说如果你能用三个样例说清楚你想让 AI 干什么就别用三百个字描述。语言描述总会有歧义但例子没有。你给我看三篇你想要的风格的推文我立刻就知道你要什么腔调你说得再多都比不过一个现成的参照物。格式上我推荐输入 输出成对出现。比如你想让模型给你的产品写卖点文案先给它两组示例输入无线降噪耳机续航 30 小时支持无线充电。输出戴上它整个世界只剩下你和音乐。通勤、自习、飞行30 小时超长陪伴放下充电线尽情沉浸。然后接上真正的任务请按照上面示例的风格为下面这款产品写卖点文案智能保温杯保温 12 小时能显示水温。模型会给出一段语气、节奏都和示例对齐的输出。注意示例不要超过三个太多了反而会干扰模型让它纠结我到底该模仿哪一个。2.5 思维链引导逼着模型把脑子里的推理过程写出来处理数学题、逻辑分析、多条件判断这类需要推理的任务时直接问答案很容易翻车尤其是模型在中间绕了一步就会把结果带沟里去。这时候你用上思维链的思路让模型先把推理步骤写出来再给结论。不要真的对模型说请你进行思维链推理这个说法太学术腔模型反而容易一本正经地胡说八道。更实用的说法是请一步步分析把中间过程写出来然后再给出最终结论。或者直接告诉它请先列出你考虑的所有因素逐一排除再下结论。我拿一个实际问题给你演示。你直接问三个苹果和五个橘子一共多少钱已知苹果比橘子贵两块钱——这种题模型容易蒙对也可能蒙错。但如果你让它先设苹果单价为 X橘子单价为 Y根据已知条件列出方程再算出答案出错率大幅下降。其实这个技巧的威力不光在数学题上。做竞品分析、方案评估、内容选题判断我都喜欢让模型把判断依据先摆出来避免它跳步给结论。结论可验证推理过程也可检查输出的可信度完全是两个量级。2.6 硬约束输出格式让结果不用二次加工你是不是经常遇到这种情况辛辛苦苦让模型写了一段分析结果它把结论藏在第三段你还要自己提炼要点。其实一个完善的提示词从一开始就该把输出格式硬性锚定。做法很简单明确告诉模型输出格式为结论一、理由、结论二、理由或者生成 Markdown 格式包含标题、列表、表格。更进一步你可以要求它输出 JSON 结构方便程序直接解析。我常用的一套是请以以下结构输出1. 结论不超过 50 字2. 支持理由分三条每条不超过 30 字3. 行动建议一条包含时间节点。这种格式化的输出特别适合需要喂给后续流程的场合。很多模型支持输出 JSON 格式字段包括 xxx、xxx、xxx这种写法用起来非常爽尤其是做批量内容生成、结构化信息抽取的程序化需求。唯一的坑是模型偶尔会输出注释或者多余文字但在指令里加一句只输出 JSON不要包含任何说明就能解决。2.7 负面约束告诉模型不要做什么同样重要大家写提示词的时候习惯只写我要什么很少写我不要什么。但在很多场景里负面约束的价值不亚于正面描述。举几个真实的例子。写商务邮件的时候你要是不说不要用亲爱的作为开头模型大概率给你来一个特别客套的开场白。写技术文档的时候你要是不说不要出现首先、其次、最后这种废话连接词它就会按套路给你堆一堆。做内容改写的时候你要是不说不要使用成语、网络流行语、生僻隐喻它总要在某些地方耍一下文采。我现在的模板几乎都会预留一行不要做的约束区把绝对不允许出现的风格、词汇、结构写进去。为什么有效因为模型的遣词倾向受指令的抑制信号影响你明确禁止的东西它会刻意避开这比干巴巴说要高级一点管用多了。注意负面约束要说具体别只说不要写废话这种模糊表述。要写成不要出现形容词堆砌、不要使用问句结尾、不要超过两行不换句。约束越具体模型执行得越好。2.8 分解任务把一个大任务拆成一串小任务很多时候不是模型不行是你要求太高想让它一口气完成一个复杂任务链条。比如帮我写一篇关于新能源车市场分析的行业报告包含市场规模、竞争格局、技术趋势、用户画像、投资建议——这种提示词扔给任何模型输出大概率是肤浅的综述每个版块都点到为止没有一个能打。我拆任务的原则是一次只让模型做一件有明确边界的事把上一阶段的输出作为下一阶段的输入。先让它列出报告大纲你审阅大纲没问题了再让它逐章展开逐章展开的时候每一章单独调用一次附带背景信息和上一步的结论。这样每一步的质量都是可控的你可以随时修正方向代价只是多花几次调用时间而已。这个思路说起来简单实操中很多人因为嫌麻烦习惯一次性抛出大而全的提示词结果就是生成一堆正确而无用的废话。提示词工程里有个很值得铭记的原则与其期望模型一次做对不如把它切成你做主、模型执行的协作流。2.9 情境注入给足背景模型才有办法做出正确取舍有次我把一个产品介绍扔给模型让它写宣传文案结果它把产品的目标人群写得完全跑偏。后来我发现问题出在输入里头。因为我压根没告诉模型这个产品主要是卖给谁的它当然只能按照自己的默认认知去猜。大模型的知识来自训练数据它是所有场景的平均值不是你这个具体场景的答案。你如果不主动注入情境信息——用户画像、使用场景、竞品差异、品牌调性、项目背景——它就会自动往平均的方向滑过去。情境注入的要领是在给指令之前先花几句把背景讲清楚而且优先讲那些你不说它就一定不知道的信息。比如你做一份内部汇报用的 AI 应用分析你不提观众是公司管理层关注投入产出比和落地周期这个背景它给你的东西可能全是技术细节堆砌完全不对口。我自己的习惯是把自己想象成一个给外包团队派活的甲方把模型当成一个能力很强但不了解我公司的外部顾问。一个合格的提示词必须让这位外部顾问在不动嘴问你的前提下就能把活儿干对。2.10 迭代追问把输出当成草稿而不是终稿最后一个技巧也是很多人最容易忽略的效率最高的用法不是一次生成而是把模型每次的输出当成一个可迭代的草稿。一次对话多轮追问不断修正效果远比每次重新从零开始要好。具体的操作模式是第一轮先用结构化的提示词生成初稿然后基于初稿发现问题继续追问第二段的分析不够深入请补充 2023 年至 2024 年的具体数据表现在哪里或者标题有点平再给我十个更有吸引力但同时不过分夸张的备选。这样一轮轮磨下去模型输出的质量会在一段对话的关系里稳定往上走。为什么有效因为模型每一轮生成都会参考之前的全部对话内容你后续的每一次反馈都是在给模型提供更精准的上下文信息。这其实是在利用对话历史做一个动态的调优过程比你一开始试图把所有要求全塞进一个提示词里可靠得多。我的建议是重要的内容产出至少要经过两轮对话第一轮求广让模型多给几个方向第二轮求深选定一个方向让它展开第三轮求精做风格校准和细节打磨。3. 实操演示把十个技巧串成一条能打的提示词技巧单独拎出来都简单难点在于组合使用。我带大家看一条我实际工作中用过的完整提示词这条提示词解决的问题是写一篇推文但它的框架基本可以迁移到任何内容创作场景。角色你是一位专注科技产品领域的内容策划写过上百篇 10w 阅读量的数码产品推文。 任务为一款智能电动螺丝刀撰写一篇产品推文大纲。 背景目标用户是动手能力较强的男性用户年龄 25 至 40 岁关注工具的实际效率和收纳便利。 要求 1. 标题至少给出 5 个备选风格包含实用型、悬念型、对比型。 2. 正文按以下结构输出开篇痛点场景、产品核心卖点、与手动螺丝刀的对比、使用场景列举、选购建议。 3. 每个章节先给一句话中心思想再展开细节。 4. 语气要像朋友在推荐不要用官方腔不要出现极致卓越品质生活这类空洞词汇。 负面约束不要超过 800 字不要用感叹号堆砌不要出现具体价格和购买链接。 输出格式用 Markdown 输出标题用 H2每个部分内部用无序列表。这条提示词把角色锚定、结构化拆解、输出格式、负面约束、情境注入这些技巧全用上了但没有堆砌感每个部分各司其职模型跑出来的结果通常直接可用最多只需微调。你可能会问这样的提示词是不是太长了我的经验是宁可多写 50 个字做上下文铺垫也比你写了一百字但关键信息缺失最后花十分钟改稿要省事。一轮敲对比三轮返工划算得多。4. 模板库8 个高频场景直接拿走替换下面这些模板我整理成了可以直接套用的格式把中括号里的内容换成你自己的信息就能用。每一个模板我都尽量按照角色 任务 背景 要求 负面约束 输出格式的结构来搭你直接用就行用多了自然能找到自己的节奏。模板一文章改写润色你是一位资深编辑擅长在不改变原意的前提下提升文本流畅度。 请改写以下文本【粘贴原文】 要求保留全部事实信息不补充原文没有的内容调整句式让表达更紧凑删除空话套话。 语气平实、专业、自信。 不要使用成语、网络热词、感情强烈的形容词。 输出直接输出改写后的文本不要解释你做了哪些修改。模板二产品卖点提炼你是一位熟悉消费品的营销策略师。 请为下面这款产品提炼卖点【粘贴产品描述】 要求从用户痛点、使用场景、竞品差异、情感价值四个维度提炼每个维度给出 2 至 3 个卖点。 卖点要求每一条不超过 20 个字说人话不玩文字游戏。 不要使用极致零感黑科技等过度包装词汇。 输出格式四行每行以维度名称开头冒号后列出卖点。模板三代码解释你是一位拥有十年经验的软件工程师擅长用通俗语言解释复杂代码。 请解释下面这段代码的功能和实现逻辑【粘贴代码】 要求先一句话概括这段代码的作用再按执行顺序解释关键步骤指出潜在的 Bug 或性能问题。 不要使用过多术语堆砌必须解释任何出现的专业名词。 输出格式分三节分别是功能概述执行逻辑潜在问题。模板四数据分析报告摘要你是一位商业分析师擅长从数据中提取关键洞察。 以下是原始数据和相关背景【粘贴数据或背景】 请提炼一份执行摘要包含 1. 最值得关注的三个数据趋势每个趋势附上数据佐证和可能原因。 2. 当前策略中可能存在的问题最多 3 个按严重程度排序。 3. 下一步行动建议不超过 3 条每条包含执行人和时间节点。 语气客观直接不用客套话。 不要编造没有出现在数据里的结论。模板五思维导图大纲生成你是一位结构化的知识整理专家。 请根据以下主题生成一份可用于制作思维导图的大纲【粘贴主题】 要求层级不超过五层每个节点使用短语而非完整句子同级分支不超过 6 个。 输出格式用 Markdown 无序列表层级缩进对齐。 不要把句子写成长段落不要堆砌形容词。模板六会议纪要整理你是一位高效的行政助理擅长从散乱信息中提炼会议要点。 以下是我的会议原始记录【粘贴记录】 请整理成标准会议纪要包含会议主题、参会人、讨论要点按议题分组、结论、待办事项标注负责人和截止时间。 要求保留所有关键决策和数字删除口语化的无关内容不确定的信息标注待确认。 不要自行补全缺失信息不要美化原文观点。模板七学习计划定制你是一位教育规划老师擅长根据学习目标拆解阶段计划。 我的学习目标是【粘贴目标】可用学习时间为【时长】每周可投入约【小时数】。 请制定一份分阶段学习计划包含阶段目标、每周重点任务、推荐的学习资源类型、每阶段自测方式。 要求计划要具体到周任务量要符合实际可投入时间自测方式要可操作。 不要给出过于理想化的时间安排不要泛泛而谈坚持就是胜利之类的话。模板八多版本方案生成你是一位创意思维教练擅长从不同维度拆解问题。 请针对以下需求给出 3 个差异化的解决方案【粘贴需求】 三个方案的定位分别为保守稳妥型、创新突破型、资源高效型。 每个方案需包含核心思路、执行步骤3 至 5 步、预期效果、潜在风险。 不要把三个方案写成换汤不换药的版本。以上模板都是我日常工作里用的底稿你每次用的时候可以根据实际情况增加细节但大框架不用动。5. 常见问题与排错经验问题一模型输出总觉得哪里不对劲但说不出来具体是什么这个现象十有八九是提示词的输出格式约束不够硬。你去检查一下自己的提示词里有没有明确说明输出的结构、顺序和篇幅。如果没有赶紧补上。我当时就是从请帮我写个方案改成请按背景分析、方案对比、实施建议三段来写每段不超过 300 字之后输出质量才真正稳下来。记住你觉得不对劲说明你的提示词给了模型太多自由发挥的空间。问题二加了很多约束但模型的输出变得生硬做作约束太多太死也会过犹不及。我最早写提示词的时候恨不得把每个标点符号都规定好结果模型输出的文本连基本的自然流畅都丢了读起来全是格式化套话。后面我慢慢摸到一个平衡点内容层面的约束观点方向、语气风格可以多给表达层面的约束句式、结构、措辞要克制。如果觉得生硬试试先把负面约束减半再把角色设定说得更具体一些。问题三同一个提示词这次效果好下次效果差这太正常了。大模型生成本身就带有随机性尤其当你的提示词给的细节不够多时随机性会拉大。解决方法有三个方向一是把提示词写得更具体缩小模型的自由落点范围二是设置较低的温度参数我在程序调用 API 的时候通常把 temperature 设在 0.3 到 0.7 之间三是如果输出差异大到影响使用直接用代码固定随机种子但这招只在接口层面有效。问题四模型总是不按我要求的格式输出可能是你要求的格式模型理解起来有歧义。比如你说用列表输出它可能理解成任何带圆点的文本但你说用 Markdown 无序列表每一项以-开头它就非常清楚该干嘛。我现在写格式要求都快写成机器指令了越具体越不留歧义越好。如果模型还是不听可以把格式要求放到提示词的最后面并且在前面加一句严格按照输出格式部分的要求执行。问题五让模型判断哪个方案好的时候它偏向和稀泥模型天生倾向给出平衡、圆滑的回答不敢旗帜鲜明地做取舍。针对这个问题我会在提示词里明确施加压力比如必须明确给出最优解不允许使用各有优劣视情况而定这类表述。另外可以引入博弈视角让它假设资源只能支持一个方案落地你会砍掉哪些项目为什么。加了这个不得不选的前提模型输出的判断力明显提升。6. 我在实操中越用越顺的一个心得最后分享一个我踩过不少坑之后才彻底想明白的事提示词工程不是写作文是写配置文档。你要把自己当成一个配置管理员把任务拆成角色、目标、背景、约束、输出格式这些字段逐项填清楚。刚开始写的时候可能会觉得麻烦但熟练以后这套动作几乎变成了肌肉记忆——拿到任务三秒钟就能在脑子里列一个字段清单然后噼里啪啦把提示词打出来。真的别指望 AI 读懂你的言外之意它没有这个能力也不会因为你说得含糊就主动追问。所有你觉得它应该知道或者应该是常识的东西都值得写进去。宁可让提示词看起来啰嗦一点也比输出废稿强一亿倍。我自己还养成了一个习惯把好用的提示词存成一个小仓库按场景分类。下次遇到相似任务直接调出来改改就用不用从零开始。这个习惯帮我省了非常多时间也让我对不同模型的脾气有了更清晰的感知。你从今天这套模板开始积累三个月以后你也会拥有一套专属于你自己的提示词资产。