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。
