做了这么久AI应用我越来越觉得提示词工程是普通人最容易低估的一项能力。很多人觉得它不就是跟AI说句话嘛可实际上同样一个模型有人拿到的答案是条理清晰的成果有人拿到的是又臭又长的废话差别全在提示词里。今天这篇内容就是我把自己在项目里反复打磨、真正用过的10个提示词技巧和配套模板库拿出来分享不玩虚的每一步都能直接抄走用起来。这篇东西适合谁无论你是刚接触大模型的初学者还是已经在用AI辅助写代码、写文案、做分析的进阶玩家都能在里头找到能立刻改进你提问方式的东西。我会把每个技巧的原理、模板、实战示例和容易踩的坑都讲透保证你读完就能动手改自己的提示词。1. 先把提示词工程这件事想明白1.1 提示词工程到底解决什么问题提示词工程Prompt Engineering说白了就是一门如何跟大语言模型高效沟通的学问。它的核心目标不是让你学会更多新词而是让你通过合理组织语言把模型的潜力真正激发出来。大语言模型本质上是一个依靠上下文预测来生成内容的系统。你给的提示词就是它生成内容的依据和边界。提示词清晰、结构完整、约束到位模型就知道往哪个方向走输出的结果自然更接近你的预期。反之提示词含糊、信息不足模型就只能靠猜测来自由发挥结果就是各种答非所问。我见过太多人抱怨AI不聪明其实很多时候不是模型不行而是提问方式有问题。就好比你让一个实习生去干活你说把这个事情处理一下他当然不知道从哪里下手但如果你说请把这份数据里的异常值找出来按时间顺序列成表格并标注可能的原因他就能明确地执行。提示词工程解决的就是这个说清楚的问题。1.2 别把提示词工程当成写话术这里我要先破一个误区提示词工程不是教你堆砌漂亮话术、套用一堆高大上的词去哄骗模型。很多人以为提示词写得越复杂越好于是拼命往里面塞各种华而不实的说法结果输出反而更差。真正有效的提示词核心就三个词明确、结构、约束。明确是说你的需求要具体、不含糊结构是说复杂任务要拆开说、按顺序说约束是说你要告诉模型输出的边界、格式、风格让它别跑偏。另外提示词工程也不是固定的公式。同一个模型、不同版本、不同场景提示词可能需要反复调整才能达到最佳效果。所以我才会格外强调模板库和迭代优化这两件事。模板库是帮你快速启动的脚手架而迭代优化才是让你持续变强的关键动作。2. 10个能立刻上手的实战技巧2.1 角色设定让模型先进入状态这是我用下来性价比最高、见效最快的一个技巧。在提问之前先给模型指定一个角色相当于给它的回答定了一个基本调性和知识视角。比如你让它扮演一个资深律师、一个儿科医生、一个十年经验的架构师哪怕任务是同一件事它给出的回答风格和侧重点都会完全不同。我常用的模板是接下来你将扮演[角色名称]。 你拥有[相关领域]超过[年份]的从业经验擅长[核心能力]。 请你站在这个角色的角度回答以下问题[具体问题]这个技巧的原理在于角色设定相当于在模型的语义空间中圈定了一个回答区域让它在生成时更倾向于调用与该角色相关的知识表达方式。实测下来加了角色设定之后回答的专业度和语言针对性会有肉眼可见的提升。注意角色设定不是用来欺骗模型的魔法词它只是帮助你获得更聚焦的输出。假如你让模型扮演无所不知的全能专家效果反而不如让它扮演一个精准领域的小专家。2.2 思维链逼着模型一步步思考思维链Chain of Thought是我最推荐大家优先掌握的技术之一。它解决的核心问题是模型在遇到推理、计算、逻辑分析类任务时如果直接要答案往往容易出错或跳步。解决的办法简单粗暴在提示词里明确要求模型先展示推理过程再给出最终结论。你可以直接加上这句话请一步一步思考并把你的推理过程写出来最后再给出结论。比如你直接问一个项目第一周完成20%第二周完成剩余部分的30%请问整体还差多少没完成模型很可能直接给出错误答案。但如果你让它先逐步分析它就会先算出第二周完成的是整体的21%再算出剩余是59%答案自然就对了。这个技巧之所以有效是因为语言模型生成文本时是逐词的如果要求它先把推理过程写出来它就等于给自己搭了一条思维路径之后的每一步生成都有了前面内容的约束错误率会大幅下降。我建议所有涉及数字、逻辑、因果分析的场景一律加上思维链要求。2.3 实例示范给模型一个模仿的样板有时候光用文字描述需求模型还是会摸不着头脑。这时候最快的方法就是给例子——也就是Few-shot。你给出1到3个输入-输出的示例模型就会自动提取出规律然后照着这个规律来处理你的新输入。比如你想要模型把一段口语化描述改写成正式的会议纪要格式你光说改写成会议纪要还不够最好给出一个示例示例输入今天开会讨论了项目延期的事老张说人手不够小李说预算超了最后决定下周再碰一次。 示例输出 一、会议主题项目延期原因讨论 二、主要意见 1. 张XX提出项目人手不足是导致延期的主要原因 2. 李XX提出预算超支加重了项目推进难度 三、会议决议定于下周三召开专项会议进一步讨论 请按照以上示例的格式改写下面这段输入[目标文本]这个技巧之所以放在这么靠前的位置是因为它特别适合写文案、做分类、提取信息、格式转换这类任务。模型的模式识别能力极强你给它一个清晰的好范例它就能举一反三。给的例子不要太多1到3个最合适太多了反而会稀释模型对目标的注意力。2.4 格式约束直接指定输出的结构和类型很多人在用AI的时候最头疼的就是输出格式不符合预期。你要表格它给段落你要列表它给大段论述。解决方法特别简单——在提示词里明确写出格式要求。我的建议是凡是需要结构化输出的任务直接在提示词里指定好Markdown标题级别、表格列名、字段结构甚至字数范围。你可以这样写请以如下格式输出 一、结论摘要不超过50字 二、核心分析使用3个要点列出每点不超过100字 三、建议行动项用表格呈现列名为编号、操作、优先级、预计耗时还可以直接在提示词里给一个输出模板框架让模型按模板填空。这个技巧的核心在于不要指望模型主动理解你脑子里的理想格式而是要把格式当成提示词的一部分白纸黑字、清清楚楚地写出来。这比你事后反复让它重新整理成表格要高效得多。2.5 任务拆解一个复杂任务拆成多个简单步骤这是我处理复杂问题时最喜欢用的方法。以前我总喜欢把一个复杂需求一口气抛给模型希望它一步到位结果经常是输出又长又乱或者连方向都是错的。后来我改变了策略把一个任务拆成多个步骤每一步单独提问。举个例子你要让AI帮你写一篇行业分析报告不要直接说帮我写一份关于AI教育行业的分析报告而是拆成几步步骤1帮我把AI教育行业的宏观背景和现状整理成3个要点。 步骤2结合要点分析目前行业面临的核心挑战。 步骤3基于以上分析给出未来一年的趋势预测。 步骤4将以上内容整合成一篇结构完整的报告包含引言、分析、预测三个部分。拆解任务有一个额外的好处每一步你都可以检查模型输出的方向对不对如果中间哪一步跑偏了你可以及时纠正不用等最后才发现整篇方向都错了。注意拆解任务不等于把同一个问题重复问多次而是要按先局部、后整体的逻辑来推进。每一步的输出尽量给到下一步作为补充背景这样整体效果最佳。2.6 自我检查让模型自己找出答案的问题这个技巧的核心是让模型对自己的答案进行二次审视。很多情况下模型第一遍输出的内容里会包含事实性错误、逻辑漏洞或细节缺失。如果你直接接受就可能把这些错误带到下游任务里。我惯用的做法是在提示词末尾追加一句在给出最终答案之前请先自行检查是否存在错误或遗漏必要时修正后再输出。还有一种更细化的做法是让模型同时输出答案和检查记录请分两部分回答 第一部分你对该问题的最终答案。 第二部分你的自查记录包括你在这份答案中可能存在的弱点、不确定点以及你做了哪些修正。你可能觉得这有点麻烦但实测下来这个自我检查机制非常能提升回答的可靠性。特别是面对需要准确性、专业性较高的任务时这个步骤值得放进你的常备技巧里。2.7 负面指令明确告诉模型不要做什么很多人只关注要什么却忘了告诉模型不要什么。而负面指令恰恰是约束模型输出方向的高效手段。比如你要AI写一份产品推广文案你可以告诉它写一份300字左右的产品推广文案适合发在朋友圈。 不要使用夸张的营销词汇如全网第一史上最强。 不要使用感叹号。 不要分点列举用自然的段落文字。这个技巧的价值在于它把模型的探索空间直接缩小了避免它输出那些让你皱眉头的AI腔或营销腔。当我需要让内容更贴近个人风格或品牌调性时负面指令几乎是必用的。负面指令写得好不好关键在具体。尽量不要用要有格调要高级感这种抽象词而是要用不要出现网络流行语不要用形容词堆砌这种可执行、可判断的明确表述。2.8 范围限定给提问画一个准确的边界大模型最怕的是什么是开放式问题。你问如何提升团队效率它的回答可以洋洋洒洒写几千字但每一条都可能跟你实际场景对不上。所以给提问加上边界条件是非常重要的一个技巧。好的提问应该包含这些信息对象、场景、目标、限制条件。举个例子不限定范围的提问是如何做好时间管理限定范围后的提问是我是一名每天需要开3个会的产品经理经常被临时需求打断工作请给我一套基于番茄工作法的时间管理方案要求每个建议都能在当天落地。你看看后者模型的回答质量和针对性能提升多少范围限定这个技巧看似简单但它背后是喂给模型足够多的决策上下文这个核心原则。你给的上下文越充分模型就越能在你的语境里思考而不是在一个泛化的、平均的场景里给出一堆正确的废话。2.9 迭代追问把一次提问变成一场对话我见过太多人把AI当成搜索引擎来用问一次结果不满意就换个问题重新问一遍。其实大模型真正的优势之一就是可以进行多轮对话和迭代优化。正确姿势是第一轮先问出初步结果然后基于结果继续追问、纠偏、深化。比如第一轮帮我写一段关于咖啡文化的公众号开头。第二轮内容不错但风格有点太正式了请改成更轻松、口语化的表达。第三轮现在请以这段文字为基础补上3个能引起读者共鸣的场景描写。这个过程就像你跟一个实习生协作你不断给反馈他不断修改最后由你把控方向。要让这个流程更顺畅你可以把上一轮模型的回答直接复制进下一轮提问里然后加上新的修改指令这样模型就有了完整的上下文修改起来更精准。2.10 上下文管理喂对信息再提问最后一个技巧也是最容易被人忽视的技巧上下文管理。模型的回答质量高度依赖于它接收到的上下文信息。如果上下文太乱、太杂、信息过载模型的注意力就会被稀释。这里我总结了几条操作经验第一把最重要的指令放在提示词的开头和结尾。模型对开头和结尾的内容注意力更强中间部分相对容易忽略。第二单次提问不要塞太多不相干的信息。如果资料很长先让模型分段处理再汇总。第三多轮对话里如果发现模型忘了前面聊过的内容可以把关键背景重新粘贴一遍而不是指望它记得住。上下文管理其实是一种喂食的艺术。你把喂给模型的信息整理得越干净、越有层次模型的输出自然就越精准。3. 模板库拿来就能用的提示词模板3.1 模板库的设计思路与使用方式技巧讲完了接下来给大家上硬菜——一套可以直接拿走的模板库。这些模板都是我在实际项目中反复使用、调整过的版本按场景做了分类你可以直接复制改成自己的内容。模板的使用方法很简单把方括号里的描述替换成你的实际需求其他部分可以保持原样。默认情况下这套模板对于DeepSeek、GPT系列、文心一言、Kimi等主流模型都适用个别模型可能在格式理解上略有差异注意观察输出再微调即可。3.2 通用写作类模板这个模板我用来写公众号文章、知乎回答、产品介绍都很好用。你是一位拥有[10]年经验的[内容类型]写作专家擅长把复杂主题写得通俗易懂。 请以[轻松专业]的口吻写一篇关于[主题]的文章。 写作要求 1. 开头先用一个真实场景或故事引入吸引读者继续往下读。 2. 正文分[3]个核心部分每部分要有小标题和具体案例。 3. 语言尽量口语化避免堆砌形容词避免使用首先/其次/最后这种生硬连接词。 4. 结尾给读者一个明确的行动建议。 目标字数[800]字。 请不要使用夸张的营销词汇不要编造数据。这个模板适合80%的日常写作场景。我个人的体会是把写作要求拆成编号列表能让模型对每一条要求都保持清晰的关注比挤成一整段的效果好很多。3.3 数据分析与逻辑推理类模板遇到需要处理数据、分析趋势、做判断的任务我习惯用这个模板你是一名数据分析师。请基于我提供的数据/信息完成以下任务 第一步先列出你注意到的3个关键数据特征或趋势 第二步分析这些趋势可能带来的影响区分短期影响和长期影响 第三步给出3条可执行的行动建议每条建议需要说明适用条件和预期效果。 请一步一步思考先展示分析过程再给出结论。 以下是需要分析的内容[粘贴数据或描述]这个模板的精髓是先特征、后影响、再建议的三段式结构。它把模型的分析路径限定在了一个清晰的框架里有效避免了那种一上来就直接给建议的跳跃感。遇到数据不完整的情况模型也能根据现有信息做合理推断同时告诉你数据局限在哪里。3.4 编程与调试类模板写代码和调试代码是AI使用频率很高的场景这里我也给出两个经典模板。代码生成模板你是一位经验丰富的[Python]工程师。 请实现以下功能要求代码具有良好的可读性和健壮性 功能需求[具体描述功能] 输入示例[给出输入格式] 输出示例[给出期望输出格式] 约束条件 - 需要处理边界情况如空输入、异常值。 - 关键逻辑处需要写注释。 - 不要使用过于冷门的外部库。 请先说明你的实现思路再给出完整代码。代码调试模板以下是某段代码和它运行时的报错信息。 请帮我定位问题原因并给出修复方案。 代码[粘贴代码] 报错信息[粘贴报错] 请优先解释为什么会出现这个问题再给出修正后的代码。把先说明思路再给代码这句话加进去是我调试最多次之后总结出来的经验。很多人直接要代码模型给一段看似完整但暗藏bug的代码你拿去运行才发现问题。先让它说思路相当于让它自己先过一遍逻辑错误会减少很多。3.5 学习与总结类模板如果你想用AI帮你读书、读文章、整理资料这个模板很合适请你基于以下材料输出一份结构化的学习笔记 材料内容[粘贴内容] 笔记要求 一、提炼核心观点最多5条每条不超过50字。 二、梳理内容框架用二级列表呈现层级关系。 三、标出你认为重要但材料中可能没说清楚的地方并用通俗的语言做补充解释。 四、给出3个可以基于此主题继续探讨的问题。这个模板对长文档和高信息密度的内容特别好用。它不只是让AI做摘要还引导它去做补盲和发散这样你拿到手的就不只是压缩版原文而是一份帮助你深度理解的学习工具。4. 常见问题与排查经验4.1 模型答非所问问题出在哪如果你发现模型给出的回答明显跟你的问题不沾边第一反应不应该是模型真笨而是应该检查自己的提示词是不是存在歧义或者缺信息。这是我踩过最多坑的地方。最常见的几个原因我列一下问题太大太泛模型给出的只能是泛泛而谈的内容缺少必要的背景信息模型只能在完全空白的情况下瞎猜指令混杂在一大堆无关信息里模型捕捉不到真正的重点。解决思路也比较明确把问题具体化补上背景和约束条件把指令单独拎出来写清楚。你可以拿上面第2.8节的范围限定技巧来对照逐条自查你的提示词是否合格。4.2 输出质量不稳定的常见因素有时候你会觉得同一个提示词今天用效果很好明天用效果就差一些。这种情况不一定是你的问题大模型本身有随机采样机制所以同样的输入产生略微不同的输出是正常现象。但也有一些常见因素会导致质量明显下降多轮对话累积了太多无关的历史信息干扰了模型的判断输入的文本太长模型在长上下文里的注意力容易分散提示词被不自觉地修改了措辞导致约束效果变弱。应对办法是如果对输出质量要求高可以做多次生成比如同一个问题跑2到3次取最满意的一次或者利用第2.2节的思维链技巧让模型的输出更理性、更稳定。4.3 提示词排错速查表下面这张表是我在项目里一直保持更新的排查清单每次遇到效果不佳的情况我都会对着它一项项检查效率很高。症状可能原因解决办法输出内容空泛、没有重点提问太宽泛、缺少边界条件用范围限定技巧补充对象、场景、目标和限制格式总是不符合预期没有在提示词中明确指定格式直接给出输出的Markdown模板或字段列表出现事实性错误没有要求模型先思考再回答加入思维链指令要求先展示推理过程回答风格完全不对缺少风格要求和负面指令添加角色设定明确说明不要使用的表达方式生成内容太散、没有逻辑任务过重一次问了太多东西拆解任务分步骤提问逐级整合多轮对话中忘事上下文太长或关键信息被冲淡把关键背景重新粘贴到最新一轮提问中同一个问题两次答案差很多模型采样随机性多次生成后人工挑选最优结果这张表你可以长期留着每次遇到问题就对照排查时间长了你会发现自己的提示词质量会提升一个档次。最后再分享一点我个人的体会提示词工程这门手艺真正的进阶之路不是背模板而是建立提示词意识。哪怕你暂时不记任何技巧只要每次在用AI之前多想一步我的指令够不够清楚、边界够不够明确、格式有没有说清你的输出质量就已经超过80%的人了。上面这10个技巧和模板你可以先挑一两个最贴合自己场景的开始练用多了自然就变成习惯了。后续如果你在某个行业场景里反复打磨出了好用的模板欢迎反馈给我我会持续更新这套模板库。