很多人第一次用 AI 时的感受是:这玩意儿怎么答非所问?其实问题往往不在 AI,而在我们给的指令——也就是提示词(Prompt)不够清楚。
提示词就是你和 AI 之间的沟通语言。它不单是问一个问题,更像是设计一套结构化的指令,告诉 AI 你具体要什么、以什么方式给、有哪些限制。下面我们就从零开始,把这块捋清楚。
提示词为什么重要
举个简单的对比。你直接对 AI 说:
帮我写点东西
它大概率会给你一段泛泛的文字,因为你没说明要写什么、写给谁、多长、什么风格。但如果换成:
请写一篇面向企业白领的关于远程办公效率提升的文章,1500 字左右,风格轻松实用,包含 3 到 5 个可执行建议。
结果就精准多了。AI 不会读心,你给的边界越清晰,输出越可控。这个道理贯穿所有提示词设计。
几个必须知道的概念
不管任务多复杂,提示词基本由以下元素组合而成:
上下文(Context)
给 AI 交代背景。比如:
我是电商运营,需要分析上个月销售数据,找出下滑原因并给出改进建议。数据如下:[数据]
这比直接说'分析数据'有用得多。上下文可以包括你的身份、任务场景、约束条件等。
指令(Instruction)
明确动作和对象。用'总结这篇文章的三个核心观点'代替'总结一下',用'把这段文字改成正式商务风格'代替'改改'。动词越具体,结果越靠谱。
输出格式(Output Format)
告诉 AI 以什么形式呈现:段落、列表、表格、JSON、Markdown 代码块……比如:
请用表格对比 Python 和 Java 的优缺点,从语法简洁性、学习难度、运行速度、应用领域、就业前景五个维度展开。
约束条件(Constraints)
设定边界。比如字数限制、风格要求(幽默口语化)、内容禁区(只讨论技术层面,不涉及商业分析)、格式要求(代码块标注语言)等。
实际写提示词时,很少需要全部列出来,但心里要有这根弦:缺了哪个,AI 就可能自由发挥过头。
搭建提示词的简单模型
最常用的是一个三要素结构:角色设定 + 任务指令 + 输出要求。例如:
你是一位有 10 年经验的资深产品经理。请分析一款社交 App 的核心功能设计思路。输出时分点论述,每个功能点给出具体案例,总字数控制在 1000 字左右,用表格对比几项核心功能的优先级。
遇到复杂任务,可以扩展成更完整的链条:背景信息 + 角色设定 + 任务指令 + 示例参考 + 输出要求 + 约束条件。但别一开始就追求大而全,先从简单的三要素练手,慢慢往上叠加。
提示词的常见类型
从交互方式看,有单轮提示词(一次性问答)和多轮提示词(需要记住上下文逐步细化)。从任务类型看,大致有这几类:
- 信息获取型:用易懂的语言解释什么是机器学习。
- 内容生成型:写一篇环保倡议书。
- 分析推理型:根据销售数据预测下季度趋势。
- 修改优化型:把这段文字润色得更专业。
- 代码相关型:
用 Python 写一个爬虫,抓取某网站的新闻标题。
不同任务对提示词的详细程度要求不一样,简单翻译一句话就够,写个项目方案就得花些篇幅了。


