上周有个做运营的朋友跟我抱怨说同样都是用ChatGPT别人写出来的方案一眼就能用自己问出来的东西全是正确的废话。我问她怎么提问的她给我看了对话记录——好家伙全程就是“帮我写个方案”“写详细点”“再详细点”。这种问法给再强的模型也白搭。提示词工程说白了就干一件事让你和模型之间的沟通成本降下来让它一次就听懂你要什么。这玩意儿不是搞AI的人专属技能但凡你日常要用大模型干活——写周报、做表格、拟合同、改文案、写代码——都绕不开。而且好消息是提示词工程根本不需要学什么编程它更像是一种“结构化表达”的能力练的是你把需求说清楚的本事。这篇文章我整理了10个我自己天天在用的技巧全部是能直接复制去用的那种每个技巧后面都附了模板。文末还有一个可以直接抄的模板库建议收藏了再往下看。1. 内容整体设计提示词工程到底在解决什么问题先说个很多人没意识到的点大模型本质上是一个“极其擅长接话”的系统。你给它什么信息它就顺着这个信息往下编。它不是搜索引擎不会去猜你脑子里那个模糊的、没表达出来的需求。所以提示词工程的底层逻辑就四个字——降低歧义。1.1 为什么你问出来的东西总是“差那么一点”你让AI“写一个短视频脚本”它给你写的可能是通用模板任何一个风口题材都能套。但你让AI“写一个面向25-35岁健身人群、时长60秒、前3秒需要出现痛点画面的短视频脚本”它给你的东西就完全不一样了。区别在哪儿信息密度。AI生成内容的上限完全取决于你给它的约束下限。你觉得AI笨多半是因为你给的信息不够。1.2 提示词工程的思维转变从“问答”到“指令”很多人用AI的习惯是“提问”但真正高效的用法是“下指令”。提问是开放性的AI只能靠猜指令是约束性的AI知道边界在哪里。举个例子提问式“怎么提高文章的阅读量” 指令式“你是一名深耕公众号运营5年的编辑请针对职场类公众号写一篇提升打开率的标题优化方案。要求给出3个具体方法每个方法附带2个标题案例并用表格对比优化前后的差异。”看出区别了吗第二种给AI设定了角色、场景、输出形式和具体数量要求它生成的答案精度会完全不一样。这是提示词工程的第一课也是后面所有技巧的基础。2. 全场景覆盖的10个实操技巧下面进入正题。这10个技巧是我从上百次实际调用里筛出来的覆盖了写文案、整理数据、写代码、学习辅助等最常见的场景。每个技巧我都给了“为什么有效”的底层解释这比单纯抄模板更重要——理解了底层逻辑你才能举一反三。2.1 技巧一角色设定法给AI一个“职业身份”模板“你是一名[具体职业/身份]拥有[X]年从业经验。请从你的专业视角出发帮我[具体任务]。要求考虑[具体约束1]注意[具体约束2]。”角色设定的本质是给AI框定一个回答的“知识背景库”。同样是回答“怎么做好用户增长”普通模式下的回答是教科书式的概念堆砌但当你设定它是“操盘过百万日活产品、擅长低成本裂变增长的用户增长专家”回答里就会出现大量实操中才会碰到的细节——比如不同渠道的成本区间、什么样的裂变机制能提高分享率——这些内容在泛泛的模型回答里几乎不会出现。实操心得角色描述越具体越好。“你是一名资深HR”不如“你是一名在互联网大厂工作8年、擅长处理员工关系与绩效面谈的HR”。角色越清晰AI调取的知识域就越精准。2.2 技巧二结构化输出法让AI按你的格式来模板“请用以下格式输出[具体任务]\n一、[标题]\n - 核心观点[内容]\n - 依据[内容]\n - 案例[内容]\n二、[标题]\n - ...\n如果没有找到相关内容请直接回复‘无’不要编造。”这个技巧解决的是排版和可读性问题。很多人让AI给个方案结果收到一篇不分段的大作文还得自己重新整理。但你事先把格式框死AI会老老实实按你的结构来。这里有个技术细节值得说明用“如果没有找到相关内容请直接回复‘无’”这句话属于提示词工程里的拒绝机制——它给模型开了一条“说不知道”的路而不是逼着模型为了面子强行编造。大模型有一个通病是“宁可信口开河也不承认不会”这个技巧能有效降低幻觉率实测至少能减少五六成编造内容。2.3 技巧三少样本示范法一个例子胜过一段描述模板“请参照以下示例的输出风格和格式完成[任务]。\n示例输入[示例内容]\n示例输出[示例输出]\n现有输入[你的实际内容]”少样本学习Few-shot Learning是提示词工程里性价比最高的技巧。很多时候你用文字描述不清楚想要的风格比如“轻松但不要太口语专业但不要生硬”——这种玄学描述AI听了也懵。但如果你给它一个“什么是你觉得好的效果”的示例它就立刻懂了。我自己的习惯是凡是要AI产出固定体裁的内容比如周报、会议纪要、产品需求文档我都会先丢一个我自己写好的样本让它“照着这个风格来”。效果比任何形容词都管用。2.4 技巧四思维链提示让AI“一步步想清楚”模板“请一步一步思考以下问题并在最终答案前用‘推理过程’开头展示关键推导\n[具体问题]”如果你让AI直接回答一道复杂的逻辑题它经常一本正经地胡说八道。但当你要求它先“展示推理过程”再给结论正确率会有肉眼可见的提升。原因是大模型的生成方式是逐词预测如果不强制它先整理思路它会在生成中途“迷失方向”。强制分步输出的过程相当于帮它自己捋了一遍逻辑链。这在处理数据分析、方案推演、代码调试类任务时效果极佳。实操心得这个技巧适合20秒以上的复杂任务别拿去买菜算钱这种小事浪费。另外如果你不想看推理过程可以在提示词里加一句“推理过程不要输出只输出最终答案”但你的指令里仍然要包含“请逐步分析后再作答”这样能保住推理收益。2.5 技巧五格式锚定法用符号锁定关键信息模板“我将用[方括号]标注关键信息。\n请根据这些信息完成[任务]\n产品名是[智能水杯]目标用户是[25-35岁注重健康的白领]核心卖点是[水温提醒饮水量记录蓝牙连接手机APP]请在文案中自然融入这些信息。”这个技巧的核心作用是防止AI丢失关键信息。大模型对长文本的注意力会衰减尤其当你的需求里塞了七八个要点时AI经常写着写着就忘了其中一个。给关键信息做一个醒目的标记相当于在信息里加了噪声标签模型会更倾向于优先处理这些信息。在涉及多个参数的复杂指令里这个技巧几乎是我的必选项。比如同时要求“字数控制在300字”“语气偏正式”“包含3个案例”“结尾有行动呼吁”——用方括号把这四个约束单独列出来AI漏掉任何一个的概率都会大幅下降。2.6 技巧六反向提示法告诉AI“不要做什么”模板“请完成[任务]。注意不要使用以下内容——\n1. 不要使用‘首先、其次、最后’这类连接词\n2. 不要使用‘总而言之’做结尾\n3. 不要输出超过3条建议。”大多数人的提示词只描述“要什么”很少描述“不要什么”。但AI生成内容时往往会不自觉地落入套路化表达写文章必用“在当今社会”写方案必用“抓手”“赋能”写总结必用“综上所述”。要破除这些套话正向约束效果很弱反向约束反而立竿见影。这里的原理很好理解大模型的训练语料里存在大量高频表达模式这些模式是它的“默认倾向”。你不明确禁止它就默认走老路。反向提示相当于给模型划了一条“禁区”直接把它的惯性路径堵死了。2.7 技巧七语气与风格控制用参考和类比代替抽象描述模板“请将以下内容改写成[风格]\n风格要求像[某类具体对象/某个领域知名作者]那样[具体特征1]、[具体特征2]。\n原始内容[待改写内容]”很多人表达风格需求时只会说“写得幽默一点”“专业一点”“高级一点”这些词的主观性太强AI根本拿不准尺度。更有效的做法是用具体的参考类比来代替抽象形容词。比如“写得像知乎高赞回答的说话方式”就比“写得不那么正式”清晰得多“讲话语气像乔布斯在产品发布会上的演讲风格”就比“要有感染力”明确得多。如果不想引用名人可以用类型化的描述“像经验丰富的同事跟你面对面聊天那样口语化但逻辑清晰可以带一点个人经历”。2.8 技巧八多轮追问法把大任务拆成小对话模板“先不要输出最终结果。第一轮请只做[子任务A]完成后再根据我的反馈做[子任务B]。”很多人用AI的另一个误区是——试图让AI“一次性搞定所有事”。比如一上来就让AI“帮我写一篇完整的行业分析报告”。这种大而全的需求AI给出的结果往往很平庸因为它在一次生成里既要顾结构又要顾案例又要顾结论注意力被极度分散。更聪明的做法是“分而治之”第一轮让AI只列大纲你审核调整第二轮让它按大纲逐段展开第三轮再统一风格和补细节。步步为营每一轮的信息量都更聚焦产出的质量远高于一次性生成。2.9 技巧九上下文锚定法让AI全程记住关键前提模板“在整个对话过程中请始终记住以下前提\n- 目标用户[具体画像]\n- 产品定位[具体定位]\n- 禁止使用[违禁词列表]\n现在请开始\n第一问[具体问题]”大模型的“记忆”实际上是上下文窗口——它只能看到当前对话里的文字。如果你的对话很长早期的信息会被“挤出去”AI就会忘记你最开始提的要求。解决方法是把关键约束重复出现在每轮提问里。听起来很啰嗦但这是对抗上下文遗忘最有效的手段。实操心得对于超过10轮的长对话我通常会在第5轮、第10轮左右主动“重申上下文”把核心约束再贴一遍。虽然占一点token但能确保AI不会跑偏。它的原理就跟开会时主持人反复重申会议目标一样不重复就会被带节奏。2.10 技巧十变量参数法用定量约束控制输出模板“请完成[任务]输出要求如下\n- 字数控制在[具体数字]字以内上下浮动不超过10%\n- 内容分为[具体数字]个要点\n- 每个要点必须有[具体数字]个支撑案例\n- 总阅读时长不超过[X]分钟。”AI对数量的把握非常模糊。你说“写短一点”它给你写800字你说“写个简单方案”它给你整出10页PPT的图文稿。但如果给出具体的数字约束——字数范围、段落数、要点数、案例数——它的输出就会像被施了定身术一样规矩很多。这里有个量化小技巧如果希望输出控制在多少字左右可以直接在提示词里写“请在末尾标注实际字数”。这个标注动作会逼迫模型在生成时刻意控制篇幅实测下来比单纯说“控制在多少字以内”更有效。3. 实战拆解用组合技巧完成一次高质量输出单独看技巧是一回事真正好用是把它们组合起来。这里我用一个真实任务走一遍完整流程你感受一下组合的威力。**任务**写一篇针对新手爸妈的婴儿推车选购指南要求内容专业但不枯燥、信息量大、能直接发布。我先写出基础提示词版本“你是一名母婴产品测评博主。请写一篇针对新手爸妈的婴儿推车选购指南。要求内容专业信息量大适合直接发布。”这个提示词其实已经比大多数人写得好了有角色、有任务、有受众、有风格要求。但按我的标准它还远远不够。接下来我依次叠加技巧叠加格式锚定法把关键要素用方括号框起来——“目标受众是[宝宝0-3岁、预算1000-3000元、居住在城市、经常使用公共交通出行的新手爸妈]”。叠加反向提示法加一句“不要使用‘首先、其次、最后’的段落结构不要堆砌‘性价比之王’‘闭眼入’这类空洞营销词”。叠加变量参数法“正文分为5个部分选购核心参数、不同场景下的选购建议、价格段位对比、常见认知误区、3款代表产品分析。总字数控制在2000字左右。”叠加少样本示范法给一个“我写的标题样例”让AI参考风格。最终版提示词效果如何这么说吧同一个模型基础版输出像百家号洗稿文最终版输出像干了好几年的垂类博主写的深度内容。差异之大会让人怀疑用的是不是同一个AI。3.1 模板库直接复制可用的10个场景模板下面是我平时用得最多的模板集合按场景分类直接复制改参数就能用。模板的价值不在“标准答案”而在提供一个可参考的结构母版用的时候务必结合自己信息做修改。场景一快速写周报你是一名[岗位名称]请根据以下工作记录帮我写一份本周工作周报。 工作记录[粘贴你的原始记录] 周报要求 1. 按“本周完成/本周进展/下周计划/风险与问题”四段式展开 2. 每条工作描述用“动作量化结果”的格式数字不要编造记录里没有的数字写“待补充” 3. 语气客观不要出现“努力”“积极”等空泛修饰词 4. 总字数控制在300字以内。场景二会议纪要请将以下会议记录整理成结构化纪要[粘贴会议原始记录] 纪要要求 1. 包含会议主题、参会人、讨论要点、结论、待办事项含负责人和截止日期 2. 待办事项以表格输出列名为“事项/负责人/截止时间/备注” 3. 讨论要点只保留有信息量的内容过滤寒暄和重复发言 4. 如果原文中没有说明负责人或时间标注“待确认”不要编造。场景三产品文案改写你是一名有10年经验的消费品文案策划。请改写以下产品介绍 [粘贴产品介绍] 改写要求 1. 目标客群是[目标客群画像]痛点场景是[具体场景] 2. 开头第一句必须直接抛出一个用户痛点场景禁止用“在当今......的时代”句式 3. 全文用短句禁止使用“赋能”“抓手”“闭环”等黑话 4. 结尾加一句行动召唤语语气克制不浮夸。场景四代码调试我有一段[编程语言]代码运行时报了[具体报错信息]。请帮我排查问题。 代码内容 [粘贴代码] 要求 1. 先解释这个报错最可能的原因再给出修改后的完整代码 2. 不要在代码里加无意义的注释 3. 如果错误不止一个按严重程度排列 4. 如果信息不足以判断直接告诉我需要补充哪些信息不要瞎猜。场景五学习辅助你将扮演一名[学科名]老师我正在备考[考试名]。请针对以下知识点出题测试我 [粘贴知识点] 要求 1. 先出[数字]道选择题难度由易到难 2. 等我全部答完后再统一公布答案和解析 3. 解析时要说明每个错误选项的干扰逻辑 4. 如果我的回答暴露了某个知识盲区请追加2道同类强化题。场景六生成思维导图大纲请将以下内容整理成思维导图大纲[粘贴内容] 要求 1. 按“中心主题-一级分支-二级分支-三级分支”的层级输出 2. 每级分支的标题不超过10个字 3. 使用缩进式文本输出层级用制表符或两个空格区分 4. 同名分支不要重复出现合并同类项。场景七翻译并本地化请将以下内容翻译成[目标语言]注意不要直译 [粘贴原文] 要求 1. 保持原文的专业术语准确但表达方式要符合目标语言的母语者习惯 2. 如果有文化梗或双关语无法直译请用脚注说明并给出一个本地化改编方案 3. 输出格式逐段对照先原文再译文 4. 翻译完成后用一句话总结你对这篇文本风格的整体判断。场景八写邮件请帮我写一封[邮件类型如“跟进合作的商务邮件”]。 背景信息 - 收件人[姓名/职位/与你的关系] - 核心诉求[你要表达的事情] - 语气[正式/半正式/轻松] - 附加要求:[如“对方上次没有回复需要礼貌地再次跟进”] 要求 1. 标题控制在15字以内说清主题 2. 正文先说结论再说细节不要铺垫 3. 结尾要有明确的下一步建议 4. 总字数不超过200字。场景九头脑风暴主题[具体问题/项目] 请提供[数字]个不同方向的创意方案。 要求 1. 每个方案用“方案名称核心思路预期效果潜在风险”四段式输出 2. 方案之间要有足够的差异性不要只在同一维度上小修小改 3. 其中至少[数字]个方案要有反常识的切入点 4. 输出完方案后用表格横向对比所有方案的“实现成本/落地难度/创新程度”。场景十摘要提炼请将以下内容压缩成一段[X]字以内的摘要[粘贴长文] 要求 1. 保留核心结论和数据删除过程和铺垫 2. 如果原文包含多个主题按主题拆分摘要每个主题带一个“主题X”前缀 3. 不要输出“本文主要讲了”这类废话引导语直接给内容 4. 输出前自查一遍确保摘要里没有出现原文没提到的信息。4. 常见问题与排查技巧实录前面讲了方法下面说实战中踩过的坑。这些坑在教程里很少见到但几乎每个人都会碰。4.1 问题一提示词写得没问题但AI输出就“差那么点意思”这是频率最高的问题。排查思路按照下面三个步骤来第一步排查角色设定是否清晰。当你的提示词里没有角色设定或者角色只是“你是一名助理”这种没区分度的角色AI会倾向使用万能语气。先把角色改具体。第二步排查输出格式是否有约束。没有格式约束的提示词AI默认给大段文字。加上结构化格式要求信息密度立刻提升。第三步排查是否给出“坏例子”。如果你能用一句话描述“我不想要什么样的结果”加上这个反向约束。用这三步排查完效果通常会有质的提升。如果还没改善建议直接换更强的模型或换一个提示词框架重新写。4.2 问题二AI一本正经地胡编乱造幻觉问题大模型的一切输出本质上是预测不是查证。它编造数据、编造案例是天然属性完全无法根除只能压制。我实测最有效的三种压制方法强制标注信息源在提示词里加“如果信息来自你的训练数据而非我所提供请标注‘基于AI知识’如果是数据类的信息请标注‘此数据未经核实’”。这个标注动作能提高模型对信息真实性的“警惕”。绑定参考材料把AI当作只能基于你提供的材料来回答的机器在提示词里明确写“只基于我提供的以下材料回答不要使用外部知识[粘贴材料]”。这相当于给它的知识范围上了一道锁。预设“不知道”出口明确说“如果你不知道或不确定直接回复‘信息不足无法判断’”。大多数模型在被允许说“不知道”时编造率会大幅下降。4.3 问题三AI输出结构混乱段落逻辑跳跃特征是单看每句话都对连起来读前言不搭后语。这通常是因为任务本身的逻辑复杂度超过了模型单次生成的处理上限。解法就是前文提到的分步推进法不要让它一口气写完整篇文章而是先出大纲你确认后再逐段扩写或者明确要求它“先列出行文逻辑再填充内容”。强制AI先思考顺序输出的连贯性会有质的改善。4.4 问题四上下文一长AI就“忘了”开头的要求原因是对话题目的上下文窗口有限早期的信息被后续的新内容挤出了“注意力范围”。尤其是那些最初角色设定和格式要求隔了十几轮之后基本失效。这种情况下不要试图让AI“想起来”直接重新发一遍约束条件更有效“提醒一下仍按最初的要求来你是一名[角色]输出格式按[格式要求]不要使用[违禁词]。现在继续处理这个问题[新问题]”这个方法比抱怨“我不是跟你说过了吗”管用得多。5. 提示词工程的下一个版本什么是上下文工程如果在提示词工程这条路上走得足够深你迟早会碰到它的进阶版——上下文工程Context Engineering。这个说法最近热度涨得很快在技术社区里甚至有“上下文工程是提示词工程的下一站”这种判断。怎么理解这俩概念的区别提示词工程优化的是“你发给模型的那几句话”目标是让单次指令更精准上下文工程优化的是“模型能看到的信息全景”目标是设计模型在回答前所接触到的全部信息环境。打个比方提示词工程是教你怎么把菜点好而上下文工程是教你怎么设计整个餐厅的菜单、环境和服务流程让顾客获得更好的用餐体验。具体到实践上下文工程做的事情包括设计系统提示词System Prompt来设定模型的全局行为基准、把外部知识库检索到的内容注入上下文、设计多轮对话的信息更新与淘汰策略、控制检索增强生成RAG的排序和展示逻辑。如果你在用一些允许自定义系统提示词的工具现在就可以开始体验上下文工程的思路——在系统提示词里把角色的长期目标、行为风格、知识边界一次性铺好比在每一轮临时叮嘱“你要专业一点”要有效得多。这个方向值得每一个重度使用者关注它是提示词从“技巧层面”走向“架构层面”的关键跃迁。最后分享两个实战心得第一模板库里的模板不是拿来就直接用的一定要先改参数再执行。每个模板里的角色、场景、约束条件都要替换成你的真实情况。直接抄模板的人效果往往打五折原因就是参数没对齐。第二养成保存优质提示词的习惯。我自己的做法是建了一个“提示词仓库”的文档每次调出一个好用的提示词就存进去按场景打标签现在已经积累了几百条。这个习惯带来的复利效应超乎想象——同样的需求下次直接调用微调效率至少翻一倍。提示词工程不是一个需要“学完才能用”的东西它更像骑自行车——先上车歪歪扭扭地骑起来然后在每一次摔倒里调整方向。上面的技巧和模板选一个你最近会用的场景今天就试一次你会立刻感受到差别。