什么是提示词 ― 表达方式不同，结果大不一样
拜托朋友帮忙时，说"你看着弄吧"和说"请在下周五之前完成一份A4两页的方案，预算不超过5万元"，得到的结果完全不同。
给AI的指令也一样。提示词（Prompt）就是发送给AI的指令文本。而提示词的写法会让AI的回答产生天壤之别。
这不是凭感觉说的。一项对1,500多篇提示词相关研究论文的荟萃分析显示，仅仅在提示词中添加具体条件，就能让回答精度提升约30%，无关信息减少42%[1]。
你可能听过"提示词工程"这个词。数据显示，2025年有68%的企业已经将提示词技能纳入了全员培训体系[2]。这不再是工程师的专属技能，而是所有使用AI的人都需要掌握的基本技能。
本章将用具体实例，讲解任何人都能立即实践的提示词写作方法。
好的提示词的5个要素
有效的提示词包含5个要素。用烹饪来类比的话：谁来做（角色）、做什么（任务）、给谁做（背景）、怎么摆盘（格式）、有什么忌口（约束）。
① 角色（Role）― 想让AI以什么身份回答
只需加一句"你是XX领域的专家"，AI的回答语气和知识深度就会改变。
示例："你是有10年经验的网络营销专家。请教我如何提升个人博客的流量"
② 任务（Task）― 要AI做什么
不要只说"告诉我"、"想一想"，而是用具体的动词。"总结"、"对比"、"提出5个建议"等，动作越明确，AI就越精准。
③ 背景信息（Context）― 为什么在问这个问题
告诉AI你的情况，回答的方向性会大幅改善。只需写"我是零编程基础的大学生"，回答的难度就会自动调整。
④ 输出格式（Format）― 想要什么形式的回答
"用列表"、"用表格"、"300字以内"、"加标题" ― 不指定格式的话，AI往往会给出长篇大论。根据用途来指定吧。
⑤ 约束条件（Constraints）― 不能做的事、需要遵守的规则
"不要使用专业术语"、"限定中国市场"、"必须包含缺点" ― 配合这些限制条件一起告诉AI，能减少返工次数。
提示：不需要每次都包含全部5个要素。刚开始的时候只关注②任务 + ③背景两个要素，回答质量就会有明显提升。熟练后再逐步添加其他要素。
实用技巧集 ― 7种今天就能用的模式
2024年发表的大规模研究「The Prompt Report」系统分类了58种提示词技巧[3]。但不需要记住58个，日常使用AI真正需要的大约7种。以下按难度分类整理。
【初级】① 具体指示
最简单、效果最大的技巧。在模糊的问题上加入数字、对象、条件即可。
模糊："教我怎么提高销售额"
具体："一家10人的面馆，月销售额如何提高20%？按成本从低到高列出5个方案。目前客单价50元，月客流量约3,000人"
【初级】② 指定输出格式
研究表明，是否指定格式会导致精度差异最大达76个百分点[1]。只需加一句"用列表"、"用对比表"、"XX字以内"，就能得到更实用的回答。
【初级】③ 赋予角色（角色扮演）
只需说"你是XX"，AI就会给出该领域的专业回答。
"你是有10年经验的销售经理。请按优先顺序列出新人销售在前3个月应该掌握的技能"
关键是加入从业年限和具体职位。"专家"不如"有X年经验的XX"更能改变回答的深度。
【中级】④ 提供示例（Few-shot）
在正式提问前先给AI看2-3个输入输出的示例。在分类、转换、模式化任务中特别有效。
请按以下格式对商品评价进行情感分类：
评价："这个产品太棒了！" → 情感：正面
评价："让人失望" → 情感：负面
评价："还行，能用" → 情感：中性评价："物流很快，但有划痕" → 情感：
有趣的研究发现：Few-shot的效果更多取决于示例的"多样性"而非"正确性"。也就是说，展示模式的广度比准备完美的示例更重要[4]。
【中级】⑤ 让AI分步思考（Chain-of-Thought）
只需加一句"请一步一步思考"，推理任务的准确率就能提升约35%[1]。对计算题、逻辑题、复杂分析特别有效。
"苹果一个5元，橘子一个3元。买3个苹果和5个橘子，用100元付款，找零多少？请逐步展示计算过程"
2025年注意事项：对于ChatGPT o系列和Claude扩展思考等最新的"推理模型"，请不要使用"请一步一步思考"的指令。这些模型内部会自动进行分步推理，明确指示反而可能降低性能[5]。该技巧适用于标准模型如ChatGPT 4o或Claude Sonnet等。
【高级】⑥ 让AI自我审查
让AI对自己的回答进行批判性检查的技巧，在要求准确性的场景中特别有效。
（收到AI回答后）
"请批判性地检查这个回答是否有问题或遗漏。如有错误请修正"
但AI并不能100%发现自己的错误。研究者指出，AI的输出越看起来合理，就越难被验证，这被称为"合理性陷阱（plausibility trap）"[5]。重要决策一定要加入人工审查。
【高级】⑦ 元提示词 ― 让AI来写提示词
当你对提示词的写法比较熟练后，可以让AI来帮你写提示词。
"我是自由职业的网页设计师，想高效地制作给客户的提案书。请帮我设计一个最佳的提示词来实现这个目标"
诀窍是不要直接使用AI生成的提示词，而是根据自己的实际情况进行调整。
Before / After ― 同样的问题，结果如此不同
光讲技巧可能不太直观，来看看具体的Before/After对比。
示例1：撰写商务邮件
| Before | After |
|---|---|
| "写一封道歉邮件" → 生成通用且不实用的邮件 |
"关于交付延迟3天的事情，给客户张总写一封道歉邮件。原因是物流故障，预计下周一到货" → 生成可以直接发送的邮件 |
示例2：创意发想
| Before | After |
|---|---|
| "给我一些新产品的创意" → 不知道什么行业什么产品，建议很笼统 |
"面向20-30岁女性的健康食品，月费不超过100元的订阅制产品，提出5个方案。附上与竞品A公司B公司的差异化要点" → 直接可以用于方案书的创意 |
示例3：学习和调研
| Before | After |
|---|---|
| "教我机器学习" → 返回生硬难懂的解释 |
"用初中生都能理解的方式，用做菜的比喻来解释机器学习的原理。不用专业术语，包含2个具体例子" → 返回通俗易懂的解释 |
共同点是明确了"给谁、做什么、怎么做、什么格式"。条件越具体，AI的回答就越精准。
常见错误模式与解决方法
以下是AI新手容易犯的5个错误及解决方法。
错误1：指令太模糊
"帮我弄好看点"、"再改改"这种指令，AI也会无从下手。要具体说明什么叫"好"。"用轻松的语气"、"加入3个数据"、"300字以内"等，明确标准是关键。
错误2：一次问太多
"教我营销策略的制定方法、推荐工具、还有预算编制" ― 这样AI会试图浅浅地覆盖所有内容，结果每个都不够深入。一次只问一个主题，基于前一个回答再问下一个，能得到更深入的回答。
错误3：盲目相信AI的输出
AI有时会自信满满地犯错（幻觉）。特别需要注意的是：
- 具体数字和统计 ― 要求AI给出来源并核实
- 人名和专有名词 ― 人名、公司名、法律名称必须核实
- 最新信息 ― 模型的知识有时间界限
- 法律和税务 ― 必须查阅官方信息
对策很简单：养成问"这个信息的出处是什么？"的习惯。AI给不出出处的信息，就是需要核实的信号。
错误4：一次交互就结束
"问了AI但回答不太好" → "AI果然不行"。这是非常可惜的模式。下一节会详细解释，但与AI的对话应该以2-3个来回为前提。
错误5：全部丢给AI
AI擅长的是草稿制作、信息整理、发散创意。人类擅长的是最终判断、读懂上下文、伦理考量。将两者结合才是最有效的使用方式。"让AI做初稿，人来做收尾" ― 这种分工配合效果最好。
与AI的对话技巧 ― 不要一次就结束
比提示词技巧更重要的是"持续对话"这个思维方式。
提示词研究表明，通过反复反馈（迭代），输出质量可以提升35%[1]。不要期望第一次就完美，而是看了AI的回答后调整方向再问一次。这个循环才是提升质量的关键。
6种反馈模式
如果"不知道该反馈什么"，这里有6种常用的模式供参考：
| 类型 | 使用示例 |
|---|---|
| 方向调整 | "换成更轻松的语气"、"太专业了，改成面向新手的" |
| 深入展开 | "把第3个方案详细说说"、"加上具体的操作步骤" |
| 追加条件 | "只保留预算10万以内的方案"、"限定在中国市场" |
| 换个视角 | "从客户的角度重新思考"、"也列出反对意见" |
| 质量检查 | "检查一下这个内容有没有错误或矛盾" |
| 格式转换 | "把这个内容改写成邮件"、"重新整理成表格" |
经过2-3次反馈，回答质量会大幅提升。诀窍是不要一开始就追求完美。
从"提示词工程"到"上下文工程"
最后，谈谈提示词技术的最新趋势。
AI研究者Andrej Karpathy在2025年6月提出，"日常简短的提示词只是产业级AI应用的冰山一角"，并提出了上下文工程（Context Engineering）的概念[6]。
这是一种不仅设计提示词（指令文本），还要合理规划传递给AI的全部信息 ―― 参考资料、历史对话、工具输出结果等 ―― 的思维方式。例如，先让AI读取公司内部文档再提问，或者附上过去的会议记录再请求摘要，都属于上下文工程的范畴。
不过基本功不会变。先把本章学到的5个要素和7个技巧付诸实践。仅此一点，AI的回答质量就会有显著的提升。
参考文献
- Gupta, Aakash. "I Spent a Month Reading 1,500+ Research Papers on Prompt Engineering." Medium, 2025.
- "Is Prompt Engineering Dead?" Fast Company, May 2025.
- Schulhoff, Sander et al. "The Prompt Report: A Systematic Survey of Prompting Techniques." arXiv:2406.06608, 2024.
- Min, Sewon et al. "Rethinking the Role of Demonstrations: What Makes In-Context Learning Work?" arXiv:2202.12837, 2022.
- Lakera. "Prompt Engineering Guide 2026." lakera.ai, 2026.
- Karpathy, Andrej. "Context Engineering." X (Twitter), June 2025.
相关链接：
- Prompt Engineering Guide ― 提示词技术的综合指南（英文）
- Anthropic Prompt Engineering Docs ― 针对Claude的提示词设计指南
下一章将介绍如何在实际场景中运用本章学到的提示词技巧 ―― 工作、学习和创作中的具体应用方法。