提示词工程10个实战技巧：从角色设定到模板复用，提升AI输出质量

我见过太多人把提示词工程理解成“好好说话”——把需求写详细一点跟AI多聊几轮然后抱怨输出还是不行。另一种情况也很常见费了半天劲调出来的提示词换个任务就废根本没法沉淀成自己的东西。这篇文章不打算铺理论直接给10个我实测过、能立刻改变输出质量的提示词技巧。每一条分成三块说清楚它解决什么问题、它为什么有效、可以直接套用的模板长什么样。文章后半部分附了一份模板库一共10个模板覆盖文案、总结、分析、编程、决策五类高频场景把占位符替换成你的真实内容就能用。适合谁看如果你经常用各类大语言模型处理工作却总觉得“别人的提示词比我的好用”或者同一段提示词这次行、下次不行这篇就是给你准备的。1. 为什么你写的提示词总差一口气三个底层认知1.1 大模型不是搜索引擎它在“顺着你的话往下写”很多人第一次接触这类工具时的用法是“问一个准确的问题然后等答案”。这是把大模型当成搜索引擎了。搜索引擎是从海量网页里把你需要的现成内容捞出来你可能得到的是别人早就写好的段落而大语言模型在收到输入之后做的是一次“最自然的下文接续”——它顺着你给的文字一个词接一个词地生成大概率出现的后续内容。这个区别带来一个非常关键的推论模型的输出质量不取决于你的问题“准不准确”而取决于你给出的“文字上下文”是否把它引向了正确的方向。你给的约束越明确、示范越清晰它的“接续”就越靠近你想要的结果。我做个测试你就明白了。直接输入“帮我写一篇文章”模型最可能回你一篇四平八稳的通用内容因为“文章”这个词在训练数据里对应的平均形态就是这样。但如果你输入“帮我写一篇800字左右的公众号推文目标读者是25到35岁在一线城市打拼的上班族语气亲切标题要让人有点击欲”输出立刻不一样。不是因为它突然“听懂”了需求而是这段话把“文章”这个模糊概念收敛成了具体的用途、风格和长度。1.2 提示词的实质给一个“会读心的实习生”下需求我常用的类比是把模型想象成一位知识量惊人、但没有任何背景框架的实习生。这位实习生什么书都读过但他不知道你的行业背景、不知道你的老板喜欢什么风格、不知道你手头这份资料里哪句话更重要更不会主动追问。你布置任务时只说“把这份资料整理一下”他会按最普遍、最安全的方式整理。至于按什么维度分类、重点突出什么、输出成什么格式全靠他“猜”。猜错了真不能怪他——如果现实中这样带实习生责任在发指令的人。所以写提示词的本质就是像给新来的实习生写需求说明任务是什么、给谁用、什么格式、重点是什么、忌讳什么。把这些说清楚对方才能一次做到位。这套思路是所有技巧的总纲后面十条可以理解成这个总纲在不同场景下的具体动作。1.3 判断提示词好坏的三个维度在逐条讲技巧之前先给一个衡量标准否则你调提示词的时候根本判断不了“到底改对了没”。我自己的经验是盯三个维度维度怎么判断不合格的表现合格的表现有效性输出能否直接使用拿到结果还要大改小修甚至直接用稳定性同一个提示词多次运行时好时坏、忽高忽低质量稳定在可接受范围可复用性换掉具体内容后能否再战每次都要从零写换个变量就能复用后续十个技巧其实分别瞄准这三个维度前三个主要解决“有效性”中间四个主要解决“稳定性”最后三个主要解决“可复用性”。你可以在实践中把每一条对号入座调优时会更有方向感。2. 技巧一到三先把“话说清楚”输出就稳了一半2.1 技巧一角色设定不是装饰是限制“自由发挥”的围栏很多人写提示词时会加一句“你是一名资深文案”但加完就忘了利用它。实际上角色设定的核心作用不是“讨好”模型而是给它的输出划定概率范围。大模型生成文字时会在海量可能的“下一词”里做选择。如果你说“你是一名初中物理老师”它后续用词的分布会整体偏向教学场景更多类比、更多生活化例子、更少的公式堆砌。这种影响是词级层面的所以比一句“请讲得简单一点”有效得多。我的实测对比直接问“解释一下什么是区块链”输出是一篇中规中矩的百科式说明加上“请用八年级学生能听懂的语言来解释多用生活中的比喻”之后输出立马出现“账本”“很多人一起记账”这类画面感强的表达。同样一个知识不同的角色设定决定了它怎么“拆开”讲给你听。提示一个清晰的角色就够了不要“你既是一名资深律师又是一位亲和力很强的主播还是一个育儿专家”角色叠加会让模型无所适从输出变成大杂烩。可直接套用的模板你是一名【角色如拥有10年经验的电商文案策划】。 服务对象是【目标人群如第一次网购的老年人】。 请你用【语气风格如耐心、口语化、少用英文缩写】的方式完成以下任务 【具体任务】2.2 技巧二把“泛动词”换成“动作指令”模型才有执行依据“分析一下”“研究一下”“处理一下”“优化一下”——这些词在人类同事之间能沟通因为对方会结合语境自动补全“分析”的具体含义。但模型不会它只会按字面找一个最普遍的理解来执行。我见过最典型的失败案例让人工智能“优化”一封求职邮件结果它只是把个别词换成近义词通顺了一点但结构没变。原因就是“优化”太泛了模型不知道你想优化语言流畅度、逻辑结构还是篇幅长度。正确做法是把“优化”替换成具体动作改写、压缩、扩写、调整结构、换语气、删掉口语词、补充数据支撑每一项都是明确指令模型能直接执行。泛动词具体动作指令分析列出3个可能原因并说明因果关系优化压缩到200字以内保留核心信息总结按“背景、结论、下一步”三段式概括研究对比A和B两种方案的优劣势各列3条模板请对以下内容执行【具体动作】 - 动作【改写 / 压缩 / 提取要点 / 调整结构 / 更换语气】 - 保留【必须保留的信息】 - 删除【可以删除的信息】 内容如下 【粘贴原文】2.3 技巧三给示例比给规则强十倍Few-shot的正确姿势一次让模型按指定格式输出时很多人会选择写一大段规则“请注意输出必须包含A、B、C三个字段字段名必须精确为这样顺序不能乱……”结果模型还是经常丢三落四。但如果你直接给出两个“输入→输出”的完整示例模型对格式的理解会瞬间清晰。原因是模型本质上是在学“模式”示例比抽象规则更容易捕捉。这一招在信息抽取类任务里尤其明显。举个例子我想从用户评价里提取情感倾向如果只写“请提取情感和关键词”输出格式五花八门只要给出两个示例它就稳定多了任务从用户评价中提取情感倾向和关键词。 示例1 输入这个耳机音质不错但戴久了耳朵疼。 输出情感偏负面关键词音质、佩戴舒适度 示例2 输入物流很快包装也仔细整体满意。 输出情感正面关键词物流时效、包装 请按同样格式处理下面这条评价 输入【你的真实评价内容】提示示例不在多在精。同一格式给两到三个例子就够了多了反而占用上下文空间还可能引入干扰信息。3. 技巧四到七用结构约束让模型“按套路出牌”3.1 技巧四输出格式要写“格式说明具体示例”“请用表格整理”——这句话其实很模糊。是几列列名叫什么行数据怎么组织模型猜不准的时候就会自己定义一套表头有时三列有时四列。想让输出格式稳定最有效的做法是“描述加示例”双管齐下先用一句话说明格式再给出一个表格样例让模型照着填。请把以下内容整理成Markdown表格共4列 | 序号 | 项目 | 金额 | 备注 | 请把原始资料里的每一条都单独成行金额统一保留两位小数。 原始资料 【粘贴内容】这套写法在要求JSON结构输出时同样适用。如果你做程序接入可以直接在提示词里写明字段定义甚至附上一段最小的JSON示例模型的遵循程度会显著提升。请提取以下合同的关键信息以JSON格式输出字段固定为 {合同编号: , 甲方: , 签署日期: , 总金额: } 合同原文 【粘贴内容】3.2 技巧五思维链让模型先打草稿再回答复杂任务不再“一眼假”“请一步一步思考”这六个字是提示词工程里性价比最高的指令之一。背后的机制是当模型被要求先输出中间步骤时它会在每一步把自己的推理摊开而不是直接跳到一个“看起来合理”的最终答案。后者恰恰是很多低级错误的来源——模型在数据里见过大量“先给结论”的表达跳步时容易选中一个最顺口的错误答案。拿数学题举例一件衣服原价360元打七折后参加每满200减20的活动最终到手价多少如果不要求分步模型有时会直接算成232元因为它把满减基数和折后价的关系搞混了。但是只要在提示词后面加一句“请先算折后价再判断是否满足满减条件最后计算到手价”它就会规规矩矩给出折后价252元满足每满200减20的活动最终232元。这还不是最重要的。思维链真正的价值在复杂任务里比如做方案规划、写代码、做多条件判断。每多一步中间推理模型犯“逻辑跳变”的概率就明显下降。请按以下步骤思考全部完成后在“最终答案”之后给出结论。 1. 先提炼任务的关键约束条件 2. 根据约束条件列出可选方案 3. 对每个方案做最简评估 4. 给出你认为最优的方案并说明理由。 任务【你的任务】3.3 技巧六温度参数不是摆设它和提示词是同一套组合拳很多人翻来覆去改提示词却忽略了生成参数。大模型服务通常有一个“温度”temperature参数控制的是生成时的随机性。温度越高输出越发散、有创意温度越低输出越稳定、保守。如果你的任务偏事实和结构总结、抽取、翻译、代码生成温度应该调低一些比如0到0.3如果是写故事、起标题、头脑风暴温度可以放到0.7以上。这条经验我反复验证过很多“提示词不稳定”的抱怨其实是温度太高导致的跟提示词本身关系不大。那没有参数调节界面、只有聊天输入的普通用户怎么办也有办法——在提示词里加入“收敛性”的描述请给出唯一确定的答案不要提供多个备选方案选择最符合要求的一版输出。这句话本质上是在引导模型降低自己的“发散倾向”效果接近调低温度。虽然不能完全替代参数但在日常使用中已经能明显降低结果的随机性。3.4 技巧七边界条件一次说清省掉“对答案”的返工现实中布置任务你会说清楚预算多少、截止时间、哪些事千万别碰。但到了给模型下指令时很多人只讲“要什么”不讲“不要什么”。结果模型把不要的东西也给了你还得回头补一刀。边界条件至少包括四类必须包含什么、不能出现什么、篇幅控制在多少、风格抄哪份参考。举一个高频场景——写邮件请帮我写一封向客户说明项目延期的邮件。 要求必须满足 - 语气诚恳先道歉再说明原因 - 不得出现具体甩锅对象 - 给出新的交付时间和补救措施 - 全文控制在200字以内。 补充背景【你的背景信息】这样写比“帮我写一封道歉邮件”少走至少两轮返工。边界条件描述得越具体“补丁式”对话就越少。4. 技巧八到十多轮迭代与工程化管理才是长期降本的关键4.1 技巧八把大任务拆成“提示词流水线”而不是让模型一口吃成胖子很多人对着模型一次性下达大任务“帮我把这本产品手册改写成十条短视频脚本。”然后得到一个四不像信息太密、节奏不对、重点不清。问题出在任务粒度太大。更合理的做法是把它拆成一条提示词流水线——每个环节只做一件事做完一步把结果作为下一步的输入。拿“把产品手册改成短视频脚本”举例我会拆成四步让模型从手册里提取核心卖点列出清单让它基于卖点提炼3个用户痛点场景让它为每个场景产出5个备选标题最后才套用脚本模板生成完整脚本。每步之间我可以人工干预哪条卖点不成立就直接删掉哪个标题跑偏就先纠正。这种“人机协作式流水线”和工业流水线很像——每道工序只专注一件小事质量和效率都比一锅端高得多。更重要的是中间步骤沉淀下来的“卖点清单”“痛点列表”本身就可以复用到其他任务里。【流水线第1步】 请从以下产品资料中提取核心卖点按“功能、体验、价格、售后”四类归纳每条卖点不超过20字 【粘贴资料】4.2 技巧九加一句“请检查你的回答”模型会真的回头看一个经常被人忽略的事实是模型“回头看”自己输出时能发现不少初稿里的小毛病尤其是格式不符合要求、漏掉了约束条件、前后矛盾这类问题。我在处理需要严格格式输出的场景时会在提示词末尾追加一句“完成初稿后请检查是否符合上述全部要求不符合的地方直接修正”输出质量提升非常明显。原理很简单生成时模型是“边写边想”注意力集中在展开内容上再给它一次审视机会时它可以对照之前列出的约束做一遍检查类似于写完文章之后从头通读一遍改错。需要说明的是这种方法对“格式类、约束类”错误的修正效果最好但对“内容品味”类问题帮助有限——模型很难判断自己写得好不好笑、有没有感染力。判断“好不好”依然是人要做的事。请完成以下任务【任务描述】。 你的回答必须满足【2到3条硬性要求】。 写好之后请自己检查一遍确认每一条要求都已满足如有遗漏请直接修改后再输出最终版。4.3 技巧十像管代码一样管你的提示词版本这是十条里最“工程化”的一条也是我最希望早点学会的一条。早期我调试提示词全凭记忆改了几个字、为什么改、有没有效果完全靠心情。结果就是某天写出了特别好用的提示词几天后想复现却记不清当时改的是哪里。后来我改成“像管代码一样管提示词”的做法每个常用提示词单独存一个Markdown文件文件头部放版本记录表。格式很简单版本日期改动内容效果评价v12024-06-01初版角色定义为“资深编辑”输出偏正式可接受v22024-06-03增加few-shot示例格式稳定性大幅提升v32024-06-05删除角色设定改纯任务指令效果反而变差回滚v2这套管理方式看起来很笨但长期收益极大。三个月后你再看能清楚知道哪些方向有效、哪些是白费功夫。接触提示词工程两三个月后最容易出现的瓶颈不是不会写而是“写了很多但没沉淀”。版本记录就是对抗这种“无效勤奋”的手段。5. 模板库10个替换占位符就能上手的提示词模板5.1 使用模板库前先花30秒做这件事模板不是万能药用之前请先把每一处用【】括起来的占位符替换成你自己的信息。最常犯的错是占位符没替换干净就发送模型只能当填空题做——输出当然牛头不对马嘴。另外模板里的“角色”“目标人群”“语气”三个变量是捆绑的必须互相匹配。比如角色是“严肃的财务审计师”语气就不该写“轻松活泼”否则模型的输出会在两种风格里来回摇摆。下面十个模板我按场景分成四组文案写作、总结学习、分析编程、决策辅助。全部实测可用。5.2 文案写作类模板模板一至三模板一公众号推文初稿你是一名微信公众号编辑目标读者是【人群画像】。 请根据以下素材写一篇【字数】字左右的推文。 要求 - 开头用故事或场景引入不要直接说明主题 - 每段不超过线【4】行 - 结尾给一个明确的行动建议 素材 【粘贴素材】模板二多版本标题生成请根据以下内容生成【5】个标题候选。 要求 - 标题长度控制在【15-25】字 - 风格分别覆盖悬念型、数字型、利益型、反问型、情感型 - 不要使用标题党式的夸大表述。 内容核心【一句话说明内容主题】模板三口语化改写请把以下文字改写成口语化的表达适合在视频脚本中朗读。 要求 - 每句话尽量短避免嵌套从句 - 把专业术语换成日常说法无法替换时用括号补充解释 - 保留原文的核心信息和顺序。 原文 【粘贴原文】5.3 总结学习类模板模板四至六模板四会议纪要生成你是一名会议记录专员。请根据以下会议记录素材整理成结构化纪要。 输出结构 1. 会议主题 2. 参会角色代号即可 3. 决议事项每条一句话 4. 待办事项包含负责人和截止时间 5. 遗留争议点 素材 【粘贴素材】模板五费曼式知识讲解请用费曼学习法解释【主题】。 要求 - 先给一个一句话定义 - 再用一个生活化类比展开 - 再指出最容易误解的3个点 - 最后用一句话总结。 面向对象【读者背景如没有相关基础的初学者】模板六长文精华压缩请将以下长文压缩成适合速读的摘要。 要求 - 总字数不超过【200】字 - 必须保留原始结论、关键数据、可执行建议 - 不出现原文里的例子和铺垫性内容。 原文 【粘贴原文】5.4 分析与编程类模板模板七至九模板七数据异常排查你是一名数据分析师。以下是某业务指标最近【7】天的数据 【粘贴数据】 请帮我 1. 指出明显的异常点和异常方向 2. 列出可能导致该异常的3个潜在原因 3. 对每个原因给出验证思路。模板八代码解释与注释请解释下面这段代码的作用并逐行添加注释。 要求 - 先说明整体功能 - 再解释每段关键逻辑 - 标注哪些部分容易出bug 代码 【粘贴代码】模板九报错信息诊断我在运行以下代码时遇到报错请帮我定位原因并给出修复方案。 代码 【粘贴代码】 报错信息 【粘贴报错】 要求 - 先说明报错的直接原因 - 再给出修改后的代码 - 最后补充一条避免同类问题的建议。5.5 决策类模板模板十模板十结构化决策分析你是一名决策顾问。我需要做一个决策 【描述你的决策问题如是否应该更换供应商】 请按以下结构输出 1. 决策目标用一句话重述 2. 备选方案至少2个 3. 每个方案的优缺点各列3条 4. 每个方案需要的关键信息我现在还没掌握的 5. 给出你的初步建议和理由。提示所有模板里的【占位符】都可以成组替换。把模板存成文件后用全局替换功能一次性改掉所有变量比逐条手改快很多。6. 模板失效的5个常见原因这些坑我替你先踩过了6.1 上下文污染最隐蔽的“失灵”原因这是日常使用中最容易踩、也最难察觉的坑。你在同一个对话窗口里先聊了半小时无关话题再粘贴模板执行任务模型的输出往往不如开新会话时那么好。原因在于模型在多轮对话里会把前面所有内容当作“历史背景”前面聊的闲话会悄悄改变它对后续指令的理解权重。解决方法也很简单重要任务一律新开一个会话再执行。有时候你以为提示词“失效”了其实只是被前面的对话带偏了。6.2 占位符没替换干净听起来是个低级错误但实际中特别常见。复制模板后忘记替换【具体任务】【目标人群】这些占位符模型只能按照占位符的字面意思“生成一个任务描述”而不是执行任务。更隐蔽的情况是只替换了开头一处后面还有第二处、第三处同样的占位符没换。建议每次使用前做一次查找看看还有没有残留的【】。6.3 角色、任务、语气三者冲突模板里同时有角色、任务、语气三个变量它们的风格必须互相一致。如果角色是“严谨的财务分析师”任务却是“写一段轻松的朋友圈文案”模型的输出会非常别扭因为它同时收到两套彼此矛盾的要求。解决方法是统一变量确定一个主导风格让另外两个变量向它靠拢。给模型的目标越一致它的执行就越坚决。6.4 要求太多且互相打架在一条提示词里堆十个要求其中还包含“尽量简短”和“说清楚细节”这种天然矛盾模型只能根据自己训练时见过的常见搭配做随机取舍。结果就是每条要求都沾一点但每条都没做到位。遇到这种情况我会做“减法”一条提示词里硬性要求控制在3到5条并且按优先级排序。重要的靠前写不重要的干脆删掉或者拆到下一轮对话里处理。6.5 不同模型对同一提示词的反应差异同一份模板在GPT系列、Claude、国内大模型平台上的表现可能有明显差别。有的模型对角色设定更敏感有的对格式示例更敏感有的会因为一个“温度”参数差异而给出截然不同的结果。所以模板库里的内容不是“一次适配、处处可用”。我的习惯是每个模板在换到新的模型平台时先用最小的测试样例验证一遍再正式投入使用。这个动作只需要一两分钟却能避免大段返工。6.6 我的工作流里提示词工程该占多少比重写了这么多我想说一句实在话提示词工程不是越多越好。如果一个小任务花两分钟手动就能完成就不值得花十分钟去设计一个完美提示词。我自己会把精力集中在两类场景上一是重复性高、每周都要做的任务这类值得用模板库固化下来二是复杂度高、返工成本大的任务这类值得用思维链和流水线技巧慢慢打磨。凭经验说日常80%的收益来自把十来个核心模板维护好而不是追求提示词技巧的全而深。先从两三个模板开始跑顺了再逐步扩充这是我最推荐的上手路径。