提示词工程这个词这两年有点被喊滥了。一边是各种一招让你的AI输出质量翻十倍的标题党另一边是不少人在实际使用中发现改了十几个版本的提示词输出还是那个味。我大概从大模型刚火起来那阵就开始持续研究提示词先后在两个内容团队和几家企业的落地项目里反复打磨过这套方法。今天不兜圈子直接把验证过、真正能立刻提高输出质量的10个技巧摆出来再附一套可以直接复用的模板库。适合刚接触提示词的小白也适合已经在用但总觉得差点意思的进阶玩家。先说明一个前提提示词工程不是玄学也不是什么神秘咒语。它本质上是在理解大模型工作方式的基础上把你的需求翻译成模型更愿意配合、也更容易准确执行的指令。所以下面这10个技巧不是孤立的咒语而是围绕一个核心逻辑展开的实战打法。1. 先搞懂模型怎么读提示词技巧才有意义1.1 大模型不是人是接龙高手很多人有一个误区觉得ChatGPT这类大模型是真听懂了你的话。实际上大语言模型在底层做的只是下一个词预测它根据你输入的提示词结合训练阶段见过的海量文本模式预测接下来最可能出现的词序列。这就解释了为什么提示词的写法会强烈影响输出质量。因为这个底层机制模型对你提示词中出现的词语、句式、结构极其敏感。你给它的提示词是碎片化的、含糊的它就更倾向于生成那种语料库里常见的万金油式回答你给的是结构化的、像专业文档一样的指令它就更可能按照专业文档的模式去生成内容。关键结论是你在提示词里展示什么样的文本形态模型就会下意识模仿什么样的输出形态。这既是许多问题的根源也是很多技巧生效的原理。理解了这一点再看提示词工程就不再是背模板而是懂机制。1.2 好提示词的五个维度我判断一条提示词好不好一般只看五个维度。维度说明反例正例明确性任务指令是否具体、可执行帮我写点东西写一篇800字的公众号推文主题是春季过敏预防结构化信息是否分层、边界是否清晰一大段混杂的文字角色、任务、要求分块列出上下文背景信息是否充足翻译这段话把这段客服对话翻译成英语语气要礼貌、口语化示例是否提供期望输出的样板按规范格式输出参考这个示例格式输出……约束是否定义边界、禁区、格式写一个方案只输出方案正文不要前言不要总结不超过500字这五个维度不是每次都要用满但当你发现输出质量不理想时按这五个维度逐项检查提示词通常能快速找到问题出在哪个环节。我在带团队时经常说一句话提示词写不好很多时候不是不会写而是你根本还没想清楚自己要什么。2. 十个拿来即用的实战技巧每一招都能直接抄作业下面是这十个技巧的核心内容。为了避免看了就会、一用就废我把每个技巧都拆成三块为什么要这么做、具体怎么用、有什么坑要避。2.1 技巧一任务指令前置别让模型猜为什么要这么做模型对提示词前部的信息权重更高把真正的任务放在开头相当于给整段指令定调。很多人写提示词喜欢先铺垫一堆背景最后才说所以请帮我总结一下模型读到这里时注意力已经分散了。具体怎么用【任务】请对下面的会议纪要提取5条待办事项并按优先级排序。 【会议纪要内容】……粘贴内容 【要求】每条待办需包含负责人、截止时间、事项描述。任务放在开头材料放在后面要求收尾。这样模型从一开始就知道自己要干什么不会在中途跑偏。避坑不要把背景写得比任务还长。背景只需要跟任务直接相关的部分无关信息越多模型的注意力被稀释得越严重。2.2 技巧二给模型一个角色帽为什么要这么做角色设定相当于给模型一个检索范围。当你告诉它你是一名资深律师和你是一名脱口秀演员即使是同一个问题输出风格和知识侧重也会完全不同。角色本质上是在激活模型记忆中某一类语料的分布特征。具体怎么用你是一名有10年经验的儿科医生。 请你用通俗易懂的语言向一位新手妈妈解释婴儿湿疹的日常护理要点。 要求不要堆砌医学术语如果必须使用专业名词请用括号补充解释。避坑单纯说你是专家基本无效。角色一定要配合任务领域、经验年限、表达风格这些限定词模型才知道调用哪一类的专家模式。角色设定越具体输出越有针对性。2.3 技巧三用分隔符划定内容边界为什么要这么做模型经常分不清指令和被处理的材料。你用分隔符把材料包起来等于明确告诉模型这中间的内容不是让它执行的指令而是需要处理的数据。具体怎么用请对以下用户反馈进行情绪分类分为正面、负面、中性三类 反馈内容 你们的App更新之后闪退了好几次体验太差了但客服响应还挺及时的。 /反馈内容 要求先输出分类结果再用一句话说明判断理由。避坑分隔符本身也要有辨识度。不要用普通的引号因为正文里也可能出现引号。用尖括号、三引号、自定义标签都行核心是让模型一眼能判断这是边界标记。2.4 技巧四少样本示例比抽象规则更管用为什么要这么做这个技巧背后的机制叫上下文学习。你用两三个示例给模型展示输入长这样、输出长那样远比干巴巴地写请你严格按照规范输出有效得多。模型看到示例会自动归纳输入与输出之间的映射规律。具体怎么用请判断以下产品评论是好评还是差评并提取核心观点。 示例1 评论手机续航太差了半天就没电。 输出差评 | 核心观点续航不足 示例2 评论屏幕显示效果很细腻色彩很准。 输出好评 | 核心观点显示效果好 待判断评论 评论拍照效果还行就是机身有点重。 输出避坑示例不要只给一个因为单个示例会让模型过度泛化某一种模式至少给两个、最好给三个且示例之间要有差异。同时示例最好包含边界情况比如既有明确的正面、负面也有中性的表达这样模型对复杂情况的处理能力会更强。2.5 技巧五分步拆解让模型展示思考过程为什么要这么做当你让模型直接给答案时它容易跳步尤其在逻辑推理、数学计算类任务上错误率很高。如果你让它先把推理步骤写出来再给结论正确率会显著提升。这就是思维链的基本逻辑。具体怎么用一家公司的季度营收为250万元运营成本为180万元税费为营收的8%。 请先列出计算步骤再给出净利润的最终金额。避坑这个技巧不是所有场景都适用。如果是让模型写一句宣传语、起一个标题就没必要让它展示思考过程。判断标准是任务是否存在中间推理环节。有就让它分步没有果断砍掉。2.6 技巧六把输出格式写进要求里为什么要这么做很多人的提示词只管内容不管格式结果模型给出一大段混杂文本人工要花大量时间整理。如果你需要的是JSON、Markdown、表格这类结构化输出直接把它写进要求里模型遵循格式的稳定程度会大幅提升。具体怎么用请提取以下合同中的关键信息以JSON格式输出格式如下 { 合同编号: , 甲方: , 乙方: , 签约日期: , 合同金额: } 只输出JSON对象不要包含任何解释性文字。 合同内容……粘贴合同原文避坑给格式示例时要一并强调只输出这个格式不要解释。否则模型常常会在JSON前后加上好的以下是提取结果之类的话程序化解析时会很头疼。另外格式示例要完整不要只给半个结构让模型猜。2.7 技巧七明确禁区能有效压制幻觉为什么要这么做模型的默认倾向是接话你问什么它都倾向于给出一个像模像样的回答哪怕它并不知道答案。明确告诉它不知道就直说等于在指令层面给它一个出口能明显减少编造内容的概率。具体怎么用请根据我提供的产品文档回答用户的售后问题。 规则 1. 只依据文档内容回答不要使用外部知识。 2. 如果文档中没有相关信息请直接回复文档中未找到相关信息不要推测。 3. 回答要简洁不超过100字。 文档内容…… 用户问题……避坑约束不能设得太空。请确保回答准确这种话没有执行力模型不知道具体怎么做。要给出可操作的行为准则例如只依据某材料回答不能使用某类词汇超出范围时回复什么话模型才能真正照做。2.8 技巧八补充必要的背景上下文为什么要这么做模型对使用者一无所知。你不告诉它目标用户是程序员还是宝妈不告诉它内容发布平台是知乎还是小红书它只能按照训练语料中的平均值来写输出自然没有针对性。上下文职责就是消弭这个信息差。具体怎么用请为以下产品写一条电商详情页文案。 产品无线蓝牙耳机 目标用户25-35岁、日常通勤、注重便携性的上班族 投放渠道天猫详情页 文案要求突出单次充电续航30小时和通话降噪两个卖点语气简洁有科技感不超过300字。避坑上下文不是越多越好。我见过有人把整整三页的公司介绍贴进提示词但跟当前任务相关的可能就两句话。上下文过长既浪费token也稀释模型注意力。筛选标准只有一条这个信息会影响输出内容吗不影响就别放。2.9 技巧九别只改提示词学会配合参数为什么要这么做这个常被忽略但很关键。大模型的输出随机性由Temperature、Top_p等采样参数控制。Temperature越高输出越发散、有创意越低则越稳定、保守。很多提示词没用的案例其实是参数没调对。具体怎么用任务类型推荐Temperature原因代码生成、数据提取、事实问答0~0.3要求准确性和确定性内容创作、头脑风暴、文案润色0.7~1.0需要一定的随机发散去拓展思路翻译、摘要、改写0.3~0.5需要在忠实和自然之间平衡避坑参数和提示词是配合的关系不是替代关系。如果你希望代码稳定输出即使把Temperature调到0模型依然可能选择不同的写法所以提示词里的格式约束和示例仍然不能省。反过来如果你做创意文案提示词写得再细也不够适度的随机性反而能给出惊喜。2.10 技巧十在提示词里建立自查循环为什么要这么做很多人不知道你可以让模型对自己的输出进行检查和修改。模型在同一个回答里第二次审视自己时往往能发现第一次的错误或不足。这个技巧相当于在提示词内部搭建了一个自查机制。具体怎么用请写一份针对项目经理的周报模板。 要求 1. 先输出初版。 2. 然后以一名资深管理顾问的身份review这份模板指出其中结构不清晰、维度缺失的地方。 3. 根据review结果输出修改后的最终版本。避坑这个技巧会增加一次额外的生成过程输出长度变长、耗时变长所以不要每个任务都用。一般用在内容质量要求较高、或者一次生成容易出错的复杂任务上。另外如果第一次生成的内容问题很大光靠自查不一定能救回来更高效的做法是修改提示词重新生成。3. 模板库把散招组合成标准件3.1 为什么需要模板库十个技巧单独用能解决零散问题但实际工作中我们遇到的问题往往是重复的。今天给团队写产品文案明天给客户写数据分析报告后天帮新人改代码。如果每次从零开始设计提示词效率和稳定性都很差。模板库的价值在于把上面这10个技巧按场景组合成一套标准流程用的时候只需替换变量不需要重新发明。我在团队里一直推行提示词模板化要求核心工作场景至少沉淀一套模板效果是团队整体的AI输出质量提升非常明显。3.2 五段式通用提示词框架我设计的这个五段式框架可以作为绝大多数模板的底座。它吸收了上面10个技巧中的核心要素同时保持了简洁。# 角色 你是一位{角色}。 # 任务 请完成{具体任务}。要求{核心要求}。 # 背景 {任务相关的上下文信息包括目标读者、使用场景、必要材料等} # 输出格式 {期望的格式Markdown/JSON/表格/纯文本长度分节要求} # 约束 - {禁止事项1} - {禁止事项2} - {信息不足时的处理方式}这个框架写出来的提示词模型理解成本极低输出结构也相对稳定。我自己做内容创作时90%的任务都能套用这个框架微调。3.3 四套高频场景模板拿来即用场景一内容创作模板# 角色 你是一位深耕科技领域的内容创作者行文风格通俗、有洞察力能让非技术背景的读者看懂。 # 任务 围绕主题{主题}写一篇适合发布在{平台}的{文章类型}目标读者是{目标读者}。 # 背景信息 {补充相关的资料、数据、案例或者你的核心观点} # 输出格式 - 标题提供3个备选要求有吸引力且不标题党 - 正文{800}字左右分{3}个小节每节配一个小标题 - 结尾给出一句有记忆点的总结 # 约束 - 不要使用随着……的发展综上所述等空泛表达 - 不使用emoji - 不编造数据和案例场景二代码助手模板# 角色 你是一位有10年后端开发经验的工程师代码风格遵循PEP8。 # 任务 实现一个函数功能是{功能描述}输入参数{参数说明}输出{输出说明}。 # 背景 项目技术栈{如Python 3.10, FastAPI, PostgreSQL} 已有代码{粘贴相关代码片段} 依赖限制{只能使用标准库/可使用xx库} # 输出格式 - 先给出完整代码 - 再简要说明实现思路不超过150字 - 最后列出3个边界条件供测试 # 约束 - 不要使用{某种不推荐的做法} - 代码中不要包含print调试输出场景三数据分析模板# 角色 你是一名数据分析师擅长从数据中找到业务洞察。 # 任务 根据以下数据分析{业务问题}给出结论与改进建议。 # 数据 {粘贴表格或结构化数据} # 输出格式 - 关键发现列出3条最重要的发现 - 问题诊断点出数据反映出的2个核心问题 - 改进建议给出3条可落地的行动建议按优先级排序 - 所有结论必须引用数据中的具体数值 # 约束 - 不要泛泛而谈数据反映了整体趋势这类空话 - 如果数据不足以支撑某个结论请直接说明数据不足场景四学习辅导模板# 角色 你是一位耐心的学科老师擅长用生活化类比解释复杂概念。 # 任务 向一个零基础的初学者讲解知识点{知识点}。 # 输出格式 - 先用一个生活化类比建立直觉 - 再给出准确的定义和核心要点 - 然后给出两个从简单到进阶的练习题目附答案 - 最后列出学习者最容易产生的3个误解 # 约束 - 不要一次性抛出过多术语 - 如果必须使用术语紧随其后用括号给出解释3.4 模板库的日常维护从能跑到好用模板库不是一次性建完就完了它需要持续迭代。我的习惯是给每个模板加一个使用记录什么时候用过、效果如何、改了什么。比如某个模板第一次生成的内容偏啰嗦我就在约束里加了每段不要超过4行某个模板输出的JSON字段命名不一致我就把示例字段固定下来。还有一个小技巧模板里的变量命名尽量语义化。用{目标读者}而不是{A}用{核心卖点}而不是{B}。因为这些变量名本身也会被模型读取语义化的变量名能让模型更好地理解该往哪个方向填充内容。4. 现场排查提示词为什么又翻车了无论技巧掌握得多熟练在实际使用中一定会遇到模型不配合的时候。这里我总结了四个高频翻车现场每个都附带排查思路和修复方法。4.1 翻车现场一输出全是正确的废话现象让模型写方案它给你输出首先我们要明确目标其次要分析问题最后要总结经验这一套空话。信息密度极低。排查思路检查提示词里是否只有任务没有材料。模型没有足够的具体信息就只能用通用模板填充。检查是否缺少背景和数据。没有上下文它不知道你的业务是什么自然只能写正确的废话。检查约束里是否有空话禁区这样的明确要求。修复方法把模型需要的事实材料直接塞进提示词让它基于材料说话。例如与其说写一份市场推广方案不如说根据以下竞品数据和目标用户画像写一份市场推广方案。模型有了素材输出的内容密度会明显上升。4.2 翻车现场二格式乱得没法用现象明确要求输出JSON它偏偏在JSON前后加说明文字要求分点它给你写成长难句。程序化解析直接失败。排查思路检查是否在提示词里给了格式示例。模型对具体示例的遵从度远高于抽象指令。检查是否补充了不要输出其他内容这类排除性指令。检查输出格式是否过于复杂。如果你要求JSON嵌套四层模型出错概率会大幅上升。修复方法给出格式示例并用分隔符标注清楚然后加强约束只输出{格式}内容不要输出任何解释。如果任务复杂宁可分成两次调用也不要试图一次性让模型生成超复杂结构。4.3 翻车现场三模型无视约束自作主张现象明确说了不要使用括号模型每段还是给你来个括号补充明确说不超过200字它给你写500字。排查思路检查约束是否放在提示词尾部且被其他内容淹没。约束最好紧跟在任务指令之后或者单独用一节写清楚。检查约束本身是否可度量。不要太长这种表述毫无约束力要换成不超过200字。检查是否与示例存在矛盾。如果你给了两个各300字的示例却要求模型输出100字它会倾向于追随示例。修复方法约束前置并写成硬性规则。例如硬性规则 - 正文字数严格控制在150至200字之间 - 禁止使用任何括号注释 - 违反上述规则时必须重新生成把违反规则必须重新生成这句话加进去模型的遵从度会明显提升。4.4 翻车现场四一本正经地编造数据现象让模型引用统计数据支撑观点它直接编造了几个某机构报告显示的数字看着像模像样实际全是幻觉。排查思路检查任务本身是否超出模型能确定的范围。大模型对具体数字、引文、最新事件的记忆并不靠谱它会在高压下自动补全。检查提示词里是否明确限制了只能使用已知材料中的数字。修复方法在提示词中加入幻觉抑制条款规则 1. 如需使用数据只能使用上述材料中明确出现的数据。 2. 如引用的数据不来自给定材料必须标注待验证。 3. 宁可写材料中未提供该数据也不要自行补充。如果是需要实时数据或外部统计正确做法是使用带联网检索的工具而不是依赖模型记忆。5. 我的几点体感写在最后的实话技巧和模板说到底都是方法真正让你越用越顺的是养成把模型当作需要沟通的协作者这个思维习惯。我在实际项目里踩过很多坑最深的体会有三条。第一提示词要像写代码一样去调试。不要期望一次生成就完美。把提示词当作代码输出结果就是运行日志根据日志反向修改提示词几轮之后自然会收敛到理想效果。我通常把改提示词看作比后期修内容更高效的选择因为前者解决的是根因。第二保留一份提示词变更记录。我自己的模板库里每个模板下面都有一份修改记录写了哪个版本加了一句什么约束、为什么加。这份记录帮了大忙。有一次团队里同样的任务输出质量突然下降翻记录后发现有人把要求数据来源需标注这个约束删了加回去之后效果立刻恢复。第三把提示词工程当作团队能力来建设。如果你只是一个人用掌握这10个技巧已经很够用。但如果你带团队我强烈建议把那些灵光一现的优质提示词沉淀成公共模板库。一个人会写提示词不是竞争力一个团队能稳定地产出高质量AI协作结果才是。最后再分享一个小习惯每当模型输出让我眼前一亮的时候我会顺手把那条提示词存下来标注效果超预期每当输出让我皱眉的时候我也会记下当时的提示词和问题。时间长了你手里就会积累出一套自己的提示词样本库这比任何网上现成的模板都有价值因为它们是长在你的业务场景里的。