1. 提示词工程到底是什么以及为什么你需要一套系统打法先聊点实在的。过去两年我搭过不少基于大语言模型的应用从自动写周报的小工具到给公司内部用的知识库问答机器人多少都和提示词打交道。见过太多人拿到 ChatGPT、Claude 或者国产模型第一句话就是帮我写个方案然后抱怨输出太泛、太假、不能用。问题不出在模型上出在提示词上。提示词工程Prompt Engineering说白了就是跟大模型打交道的方法论。你给它的指令质量直接决定了它回给你的内容质量。这个规律在任何大模型上都成立越是开源小模型对提示词的要求越苛刻越是想拿它干正经事越需要把需求说清楚。一个模糊的提示词换来的必然是一份正确但没用的废话。我见过不少朋友收藏了几十个提示词模板真到用的时候还是抓瞎。原因是模板只是术你得先弄清楚背后的道——模型是怎么理解你的话的它的注意力机制更关注哪些词上下文窗口里放什么信息最有效。搞懂这些哪怕模型版本换了、接口换了你也能自己写出好用的提示词。这 10 个技巧不是从教科书上抄来的是我在实际项目里反复试错、验证过真正能提升输出质量的打法。每个技巧我都配了可以直接套用的模板你在自己项目里按需修改即可。先提醒一句这些技巧不是孤立的组合起来用效果远好于单打独斗。2. 写提示词前先搞清楚这 3 条底层规则很多教程一上来就扔技巧但你没搞懂底层逻辑技巧就成了空中楼阁。我用一个类比来解释模型的工作方式想象你请了一位能力很强但完全不了解你背景的实习生。你不告诉他你是谁、想要什么格式、给谁看、什么语气他交上来的东西大概率不是你要的。大模型本质上就是这样一位高智商但无常识的实习生。2.1 规则一模型没有读心术你不说它就不做大模型的训练目标决定了它倾向于生成最可能的回答而不是最正确或最符合你需求的回答。你让它写一份产品推广方案它会把训练数据里出现频率最高的那种结构拿给你——市场分析、目标用户、推广渠道、预算分配看起来什么都齐了但跟你产品毫无关系。因为你没告诉它产品的具体信息。所以第一条规则是你在提示词里写清的信息越具体模型的输出就越接近你想要的结果。写一封邮件给客户和以项目经理的身份给因为项目延期而催促我们的甲方写一封道歉邮件语气诚恳、简短、避免过度解释同时在邮件末尾附带修订后的交付时间表这两者需要的提示词信息量完全不是一个级别。2.2 规则二上下文窗口是你的短期记忆每个模型都有一个上下文窗口它决定了模型一次能记住多少信息。这个窗口不是无限的而且你输入的长文本、中间对话轮次、包括系统提示词都会占用这个空间。很多人写提示词喜欢把能想到的背景全部塞进去结果背景太长真正重要的指令反而被挤出了有效注意力范围。我的建议是上下文窗口里只放三样东西——角色定义、关键约束、具体任务。其他辅助信息用附件或文档提供比如把详细资料贴在一个明确的标记区域内而不是全部堆在指令里。这样短期记忆始终留给最关键的信息。2.3 规则三输出的质量由约束强度决定同一句问话你可以让模型自由发挥也可以给它划定边界。边界越清晰输出越稳定。所谓约束强度就是你给的限制条件有多硬核。包括格式要求、字数范围、语气风格、必须包含/禁止出现的要素等。约束体现在提示词里通常有三种形式一是明确给出的规则不要使用专业术语二是通过示例隐含的规则参考下面的样例风格三是通过输出格式约束以列表回答每条不超过50字。熟练的提示词工程师会在一条提示词里同时使用这三种约束方式让模型几乎没有跑偏的余地。3. 10 个立刻能上手的提示词技巧下面进入正题。这 10 个技巧是我从大量实操里筛出来的每个都附带可直接复制的模板你可以按需改一改就用。3.1 技巧一动词前置第一句话就告诉模型去干什么这是最基础也最容易被忽视的一点。写提示词时把动作词放在句首——写总结翻译对照分析评论而不是绕来绕去。模型的注意力机制会重点关注句子前部的词汇动词前置等于一上来就给它一个明确的任务标记。对比一下这两条提示词的效果模糊版公司第二季度的销售数据出来了我需要一点帮助能不能帮我看看有哪些问题清晰版分析附件中第二季度销售数据找出环比下滑幅度最大的3个产品线并分别给出原因推测。原因推测要求列出数据依据每条不超过100字。后者的动作分析在句首任务目标明确到3个产品线约束条件给了字数限制和数据依据要求。模型拿到的是一张清晰的任务工单而不是一道开放题。模板库 A1任务工单式提示词[动作分析/总结/撰写/提炼/对比/翻译] 任务对象[明确的对象描述] 交付内容[列出具体需要输出的要点] 限制条件[格式 / 字数 / 语气 / 禁忌]3.2 技巧二角色扮演时给对方能力说明而不仅是身份名字你现在是一个资深HR、你是一位营销专家——这类角色设定有用但过于简单。模型对资深HR的理解来自它训练数据里的平均值输出容易趋同。更有效的做法是在身份后面补上这个角色的能力边界和行动准则。你设想一下这两条的区别你是一位资深HR帮我看看这份简历。你是一位有10年经验的互联网行业HR擅长技术岗位招聘。请以HR的阅读习惯审阅这份简历从技术深度、项目含金量、跳槽频率三个维度给出评估用招聘者的口吻点评并给出最终录用建议建议录用/待定/不推荐。后者给了模型一个具体的角色画像还规定了它从哪几个维度看这让模型不再是泛泛的HR而是一个有你指定视角的专业审阅器。角色扮演的核心不是让它装而是让它在这套设定下调用相应的知识结构和判断标准。模板库 A2角色能力准则提示词角色定义[身份 经验年限 擅长领域 行事风格] 任务对象[需要处理的具体内容] 评估维度[维度1 / 维度2 / 维度3] 输出要求[格式 语气 结尾需要给出的判断]3.3 技巧三用输出格式反向约束思考路径这是实操中我用得最多的技巧之一。当你告诉模型用表格输出用三句话概括每行只写一个要点时格式本身就变成了推理的约束。模型的输出空间被压缩了它必须在既定结构内思考这反而能显著提升内容的条理性。举个例子我要让模型帮我做竞品分析。如果只说分析一下A和B两个产品的差异它会输出一大段文字逻辑可能松散。但我说用两列表格对比A产品和B产品列名分别为维度和A/B对比结果行内容覆盖定价策略、核心用户、流量来源、功能差异、口碑评价5个维度。每个单元格不超过80字。这样模型的思考路径就被表格的骨架约束住了它只能逐行填充内容。结果不仅结构清晰遗漏关键纬度的概率也大幅降低。对于汇报类、分析类的任务我甚至会把表格的列名和行名都预先定义好让模型只负责往里面填内容。模板库 A3格式约束式提示词将以下内容整理为[表格/清单/要点列表] 列/字段[列名1][列名2][列名3] 行内容覆盖[维度A][维度B][维度C] 单元格字数限制[字数] 数据来源[来源说明]3.4 技巧四大任务切成小步骤分步提问把一个复杂的提示词一次性扔给模型它很容易一头雾水。比如帮我写一份完整的商业计划书这个任务涉及项目描述、市场分析、竞争格局、财务预测、风险评估多个模块一次性生成的商业计划书质量通常很差因为模型的注意力会被分散前面写得好后面就开始敷衍了。我常用的做法是拆解成 5~6 个子任务逐个提问。每步只让模型聚焦一个小目标质量会显著提升第一步根据我提供的项目背景列出商业计划书的大纲框架。第二步基于这个大纲写第一章项目概述部分描述清楚产品解决什么问题、面向谁、差异化在哪。第三步写第二章市场分析需要包含市场规模估算、目标用户画像、竞品分析三个部分。每一步的输出都基于上一步的结果继续模型在每一步都握着完整的上下文且只需专注一个任务。如果你用的是 API 接口这些步骤可以通过代码自动串联成多轮对话如果你只是网页版手动逐个复制粘贴也行。模板库 A4任务拆分提示词第一步调用任务目标[最终要完成的整体任务] 请先将这个任务拆成[数字]个有前后逻辑关系的子步骤。 每个子步骤要求 - 描述清晰可独立执行 - 输出内容可以供下一步使用 - 标注每一步依赖的前置信息 先输出任务拆解清单然后我从第一步开始逐步执行。3.5 技巧五给模型参考答案而不是只给标准提示词工程里有个词叫 few-shot learning翻译成大白话就是——给例子。模型从几个高质量的示例中能学到比指令文字多得多的信息。你告诉它写专业文案不如给它两条它应该模仿的文案让它照着写第三条。比如我要让模型写产品功能介绍页的文案。单纯说写得专业、有说服力输出通常比较干巴。但我在提示词里贴两段参考文案后效果完全不一样下面是我希望达到的文案风格请模仿这种写法为我们的产品写一段 150 字左右的功能介绍 示例1[粘贴一段标准文案] 示例2[再粘贴一段风格不同的文案] 注意事项不要直接复制原句保留原句的段落节奏和用词风格即可。给示例的本质是把抽象的要求具象化。模型对专业高级有温度这些词的理解是模糊的但示例中的句式结构、用词偏好、节奏感它都能直接学习。示例的数量不必多1~3 个就够过多反而让模型混淆到底该模仿哪个。模板库 A5示例学习提示词任务[要完成的新内容] 参考示例1[示例内容] 参考示例2[示例内容可选] 模仿要求 - [希望保留的风格特征] - [希望避免的内容] - [输出长度限制]3.6 技巧六负面约束往往比正面要求更有效多数人写提示词只写要什么很少写不要什么。但模型的输出中比起它该说的你更需要管住它不该说的。负面约束Negative Prompt能有效屏蔽低质量输出的常见问题。举个例子让模型写一篇小红书笔记风格的种草文案。如果你只说写得吸引人它大概率会写出一堆绝绝子神仙好物闭眼入这类网络热词。但你加上负面约束之后效果立刻不同写一篇介绍这款蓝牙耳机的种草文案风格参考小红书。需要包含佩戴体验、音质表现、续航能力三个维度。注意禁止使用绝绝子神仙YYDS等网络流行语禁止使用夸张感叹号每句话不要超过30字不要使用家人们姐妹们等称呼。负面约束的关键在于具体化。你说不要写得太夸张模型不知道怎么执行但你说禁止使用感叹号和程度副词如非常极其它就知道了。负面约束不需要太多挑你最不能接受的三四点写进去就够。模板库 A6含约束的写作提示词写作任务[作品类型 主题 目标读者] 正面要求 - [维度1] - [维度2] 负面约束 - 禁止[行为1] - 避免[行为2注明判定标准] 风格参考[可选粘贴示例]3.7 技巧七让模型一步一步想但别让它大声说出来这个技巧在很多大模型上争议较大但实测下来确实能提升推理类任务的准确率。核心思想是当你问一个需要推理的问题时把思考过程纳入任务本身而不是只让它给个干巴巴的结论。比如我让模型帮我排查一个代码部署问题。如果只问为什么部署失败了它可能只给一个笼统的原因。但我改成了以下是我的部署日志。请按以下步骤处理 第一步梳理从构建到部署的完整流程找出每一步的日志关键词 第二步根据日志中出现的 ERROR / WARN 级别信息列出可能的失败点 第三步结合失败点分析最可能的原因并给出解决方案。注意我让它 按步骤处理但没让它把心里的推理过程全部写出来。直接把结论和依据说清楚就够了。这在一些任务中能明显降低幻觉的发生概率因为模型必须按照指定的逻辑链条走而不是跳步给结论。不同模型对逐步思考的支持程度不同。少部分模型比如某些推理专用模型可以接受请先仔细思考再回答这样的提示词并且输出经过优化的思考链而多数通用模型如果你让它给出完整思考过程反而可能因为要凑字数而增加幻觉风险。稳妥的做法是让模型只给出分步结论而不要输出全部内部推理细节。模板库 A7分步推理提示词任务[需要推理或分析的问题] 分析步骤 1. 先[列出/识别]相关的[输入信息/条件] 2. 再对[关键点]进行判断 3. 最后给出结论和依据 输出要求 - 结论放在最前面 - 依据逐条列出可用编号 - 每条依据不超过[字数]3.8 技巧八当输出不满意时别重写提示词而是追问修正很多人觉得提示词工程就是一次性把提示词写到完美这是最大的误区。实际使用中迭代修正的效率远高于一次性完美。模型第一次输出不满意正常得很你的提示词写得再好也难免有遗漏。当你看到不如意的输出时与其重新写一大段提示词不如直接在对话里追问修正。比如模型给你了一段文案你觉得语气太书面了你可以说保持刚才的内容结构不变把语气改为更口语化的版本像是朋友之间的推荐。这种追问修正的方式保留了你刚才对话中的上下文模型能更精准地理解你的修改方向。追问修正的核心技巧是只改一个维度。一次只提一个修改要求让模型完成后你再看效果再提下一个要求。如果一次提五个要求模型往往会顾此失彼。我自己用来修改文案、报告、方案的迭代次数通常不超过三轮。模板库 A8追问修正句式保持[已有内容的关键结构/信息点]不变 将[需要调整的维度如语气/篇幅/格式/视角]修改为[具体目标] 附加要求[与本次修改相关的约束如字数、风格]3.9 技巧九先让模型复述任务再让它执行这是一个非常实用的防幻觉技巧。当任务比较复杂、或者你担心模型理解偏了时先花一轮对话让模型用自己的话复述一遍它接到的任务和要求。确认无误后再让它真正执行。实际操作中我通常在提示词末尾加上一句在开始执行前先总结一下你对上述任务的理解包括任务目标、输出格式和约束条件。等确认无误后再开始。这一步有两大好处一是逼着模型真正读懂你的提示词而不是走捷径二是你可以在它的复述中发现提示词里的歧义点。比如我写过一条提示词我本意是让它生成 3 条微博文案结果它理解成了3 个主题方向各写一条复述时我立刻发现了问题修正后才让它执行避免了返工。这个技巧多一道工序但是对复杂任务的价值极大。如果任务简单你可以跳过。模板库 A9复述任务提示词任务[完整的任务描述] 在执行前请先完成以下步骤 1. 用自己的话复述任务目标和最终交付物 2. 列出你将遵守的主要约束条件 3. 标注你在哪些地方存在信息不足提出需要补充的细节 确认无误后再开始正式执行。3.10 技巧十把常用模板模块化像拼积木一样组合使用这是最有工程价值的一个技巧。把提示词拆成可复用的模块比如角色模块、任务模块、格式模块、约束模块、示例模块需要时组合拼装。这样你不需要每次从零写提示词而是像搭积木一样快速组建。我自己的做法是在本地维护一个提示词模板库或者直接放进代码项目的 prompt 文件夹里每个模块是一个 markdown 或文本文件。使用时拼成一个完整的提示词[角色模块] 你是一名专注企业服务的资深产品经理有 8 年 B 端产品设计经验。 [任务模块] 请针对以下需求撰写一份产品需求文档PRD的核心功能部分。 [背景模块] 产品是面向中小型连锁门店的会员管理系统核心场景顾客到店消费、积分累计与兑换、门店间通用权益。 [格式模块] 请用以下结构输出1. 功能概述2. 用户流程描述3. 功能需求明细表格形式4. 边界条件。 [约束模块] 每个功能点描述不超过 150 字避免使用技术术语给出普通运营人员也能看懂的描述。模块化的好处显而易见可复用、易测试、方便调整。当你发现某个模块质量不高时只需要替换这一个模块而不影响其他部分。更进一步你可以记录每次调用后的输出质量慢慢沉淀出自己最顺手的一整套模块库。模板库 A10模块拼接清单[角色模块]身份 经验 擅长 [任务模块]具体动作 任务对象 [背景模块]产品/项目/场景描述 [数据模块]需要参考的输入数据 [格式模块]输出结构定义 [约束模块]字数 / 语气 / 禁忌 [示例模块]参考样例4. 模板库的组织方式与使用建议上面 10 个技巧我配了 10 个模板但模板不是让你原样照抄的。我建议你根据自己常做的任务类型进行重组。模板库的核心价值在于让你每次写提示词时不用从头思考。4.1 我的模板库分类方式按照任务类型我把日常提示词模板分成了六类任务类型典型场景模板数量写作类文案、文章、邮件、周报8分析类数据解读、竞品分析、用户调研6总结类会议纪要、文章摘要、报告提炼5推理类代码排查、逻辑判断、策略建议4创意类头脑风暴、选题策划、命名3转化类改写、润色、翻译4你不用照我的分法来按你自己的使用习惯即可。重点是当你发现某次输出的效果特别好的时候一定要把这组提示词保存下来注明它适用于什么场景好在哪里。反之输出质量差的也要记录标注哪些地方容易踩坑。时间长了你会积累出一份比任何网上下载的万能提示词库都更适合自己的模板库。4.2 模块化组合的长线收益组合模块而不是死记模板最大的收益就是可维护性。大模型的能力在持续迭代今天好用的模板过几个月可能就失效了。但你拆出来的最小模块比如负面约束模块或角色定义模块更新起来很容易你只需要微调特定的模块就能让整个模板库保持在最新状态。比如我用的模型从 GPT-4 切换到了 Claude大部分模板依然有效但个别格式约束模块需要调整——因为不同模型对 Markdown 表格和列表的支持略有差异。这时候我只调整格式模块其他全部保持不变整个迁移过程不到半小时。5. 常见问题与排查技巧实录这节是实践经验的精华部分。提示词工程有很多坑我踩过不少以下是我觉得最有代表性的 5 个问题附上排查思路和解决办法。5.1 模型总是输出正确的废话现象你给了一堆背景要求它给出建议但输出的内容放到任何行业都适用就是和你具体场景无关。原因你的背景信息虽然多但缺少决策约束和具体数据。模型的输出只能依赖它学到的普遍规律。排查思路在提示词里加入结合以下具体数据/事实……的段落把自己掌握的真实信息填入。如果模型仍然说废话说明这些信息没有被它真正利用起来下一轮追问修正时直接指出请基于我给出的具体数据进行回答不要泛泛而谈。5.2 同样的提示词有时候好有时候坏现象同一套提示词今天输出很好明天输出很平庸。原因大模型输出带有随机性温度参数temperature没有设为较低值。如果用的是 API可以将 temperature 调低到 0.2~0.4输出会更加稳定如果用的是网页版聊天界面只能通过增加约束条件来压缩随机性比如加上按以下结构严格输出。排查思路先确认你是不是在同一个会话里重复使用提示词模型可能会受前面对话影响。每次全新开始时第一轮就贴上完整提示词最稳。另外如果模型有内部版本更新输出风格也会明显变化需要根据新模型的表现微调提示词。5.3 模型编造了不存在的数据依据现象要求模型给出数据支撑时它编出一些听起来合理但实际不存在的数据。这在分析类任务中尤其危险。原因模型是基于概率生成文字它不会自动核对数据的真实性。排查思路凡是涉及事实、数据的任务务必要在提示词里写明只能基于我提供的数据/文档作答不要生成额外的数据和引用。如果必须给出数据要求它标注来源。对于关键数据我会让它从文档中提取原句并附上对应编号这样便于人工核对。永远不要把模型的输出当权威数据直接使用。5.4 提示词越长输出越跑偏现象为了让提示词更完善你写得越来越长结果模型反而忽略了关键指令。原因上下文窗口虽然大但模型的注意力是有限的。过长的提示词会稀释核心指令的权重尤其是背景描述过于冗长时。排查思路把提示词中最关键的动作和约束放在最前面和最后面模型通常对首尾内容记忆更牢把背景、参考材料单独放在一个明确标记的区域比如【背景材料】随需扩展的内容放在这个标记中不会干扰核心指令。如果背景材料过长尽量用附件或文档形式提供。5.5 角色扮演时模型入戏太深现象让它扮演某类专家结果它用浮夸的语气回复或者强行使用它对这个角色的刻板印象反而影响输出质量。原因角色设定浮于表面没限制风格边界和信息边界。排查思路在角色定义后加上保持专业、客观、平实的语言风格这类约束并明确如果信息不足直接说明不要猜测。角色扮演的目的是调用相关知识框架不是让它去表演。当你发现模型在演而不是在解决问题时就是提示词里的风格约束没写到位。6. 把提示词工程融入工作流的个人经验最后分享一点我自己总结的工作习惯。提示词工程不是独立于业务流程的花活它是你与大模型协作效率的底层能力。真正值得去做的不只是记住几个技巧和模板而是建立一套属于自己的质量反馈闭环。我现在的习惯是每完成一个类型的任务如果输出质量达到了我满意的标准就把这组提示词连同当时的输出样例一起存档。下次再遇到类似任务我直接用这个模板然后根据实际情况微调。如果发现模板失效了就花时间分析原因并更新。一段时间下来你手里会积累出相当可用的个人提示词资产。还有一点是有关人机协作的。提示词写得再好你也不能把最终结果直接交给上级或客户。模型的输出最多算一版高质量初稿最终的信息准确性判断、风格打磨和决策把握还是得靠人。提示词工程能帮你节省的是从无到有的时间而不是替你做判断的本分。踩过几次坑之后我的体会是与其追求一次写出完美的提示词不如快速试错、快速修正。模型的反馈速度极快你的迭代速度越快越能在短时间里摸清它的脾气。这个脾气每个模型都不一样只有多喂、多试、多记录才能慢慢形成手感。希望这套从实战里打磨出来的方法能让你少走一些我当年走过的弯路。