提示词工程入门：让AI听懂你的5个技巧

为什么答案总是正确但没用

当你只说“帮我写个方案”，AI面对的是一个没有边界的巨大空间：给谁看、解决什么问题、预算多少、用什么语气、最后要表格还是文章，它都不知道。它只能选择最常见、最安全的平均答案，于是文字通顺，却难以直接使用。

高质量提示词不是堆砌术语，而是减少歧义。你不需要对AI客气地绕弯，也不需要寻找所谓神奇咒语。把它当成一位能力强但刚加入项目的同事：给背景、说目标、列约束、说明验收标准。

技巧1：给AI一个明确角色

角色会帮助AI选择合适的知识范围、语气和判断视角。“你是一位有10年经验的电商数据分析师”比“你很专业”更具体，因为它同时限定了行业、任务类型和经验水平。

Before：帮我看看这组销售数据。After：你是一位有10年经验的电商数据分析师，请从增长、转化、复购和库存风险四个角度审阅这组Q2销售数据。

角色不是越夸张越好。“你是世界第一专家”不会自动带来可靠答案。有效角色应该与任务直接相关，并且尽量说明服务对象，例如“面向没有财务背景的门店老板”。

技巧2：明确任务边界

一份好任务要同时回答“做什么”和“不做什么”。你可以规定范围、目标、受众、已有材料和不能改变的条件。边界越清晰，AI越不容易跑题。

Before：给我做一份营销计划。After：为一家50人的家居电商公司制定Q3线上营销计划，目标是在预算30万元内提高新客首单转化。只讨论小红书、抖音和微信，不包含线下投放与品牌升级。

如果任务很大，把它拆成几轮：先让AI复述需求并列分析框架，你确认后再写方案；然后针对预算、风险或执行排期逐项深化。这样比一次要求它完成所有事情更稳定。

技巧3：规定输出格式

格式约束让答案从“能看”变成“能用”。当结果要进入会议、表格或执行清单时，提前规定列名、长度、层级和排序方式，可以节省大量二次整理时间。

Before：分析竞争对手。After：用Markdown表格比较3个竞品，列为目标用户、核心卖点、价格、获客渠道、优势、风险；表格后补充3条我们本月可执行的差异化动作，每条不超过30字。

你还可以指定“先给结论，再给依据”“只输出JSON”“每一项都包含负责人和截止时间”。但不要同时塞入互相冲突的格式要求。输出越复杂，越应该给一个短样例。

技巧4：用示例校准答案

示例也叫少样本提示。它不是让AI照抄，而是展示你心中的合格标准。尤其当你需要固定语气、标签分类或特殊格式时，一个好示例往往比十句抽象描述更有效。

Before：把标题写得更吸引人。After：请把产品标题改成克制、有信息量的小红书标题。示例：普通“这家咖啡店很好喝”→目标“大学城旁这杯手冲，第一口像咬开一颗柑橘”。现在改写下面5个标题，每个不超过20字。

示例最好包含输入和理想输出，并说明你喜欢它的原因。如果有禁区，也可以给一个反例：不要夸张承诺，不要使用“绝绝子”等过时网络词。

技巧5：让AI先分析再回答

复杂任务里，直接要结论容易漏条件。更稳妥的方式是要求AI先列出判断维度、检查信息是否充分，再给结论与证据。你不需要索取模型内部的隐秘思考过程，只需要它展示可核验的分析步骤和假设。

Before：这个项目值不值得做？After：请先列出评估这个项目需要看的5个维度，再根据我提供的数据逐项打分。明确区分已知事实、合理推测和缺失信息，最后给出“继续/小范围试点/停止”三选一建议。

涉及事实与数据时，再加一句“为关键结论标注来源；无法确认时明确写未知，不要编造”。AI仍可能出错，但这会让你更容易发现它在哪一步越过了证据。

一份可以直接用的万能模板

你可以把下面这份结构存下来，每次只替换方括号内容：

角色：你是一位[领域/经验]。背景：我正在[场景]，现有信息是[材料]。任务：请完成[明确动作]。受众：[谁会使用结果]。格式：[表格/清单/分步骤]。约束：[字数、预算、语气、禁止项]。质量标准：[什么算好]。在回答前：先确认信息是否充分，缺少关键条件时先提问。

真正的高手并不是一次写出完美提示词，而是会观察输出、指出差距、补充条件，再让AI迭代。把一次对话看成共同编辑，而不是一次抽奖。现在你可以回到首页的Prompt Lab，用同一个任务分别尝试普通问法和结构化问法。