AI 提示词工程：从“怎么说”到“怎么问”的实践方法

提示词工程的价值不在“套路”，而在把你的目标、上下文和约束说清楚，让模型更少猜测、输出更可控。

什么是提示词工程？

Prompt Engineering（提示词工程）是一组实践方法：通过明确任务、补足上下文、约束输出、提供示例与迭代反馈，让模型更稳定地产出符合预期的内容。

基础技巧

角色与目标写清楚

❌ 错误：帮我写一篇文章

✅ 正确：你是一位资深产品经理，请帮我写……

上下文给到“可做决定”的程度

❌ 错误：分析一下这个数据

✅ 正确：分析这份销售数据，找出增长最快的产品类别，并说明原因

输出格式与约束先约定

❌ 错误：给我一些建议

✅ 正确：请用表格形式列出若干条建议，包括：序号、建议内容、实施难度

分解复杂任务

复杂问题不要一次性问完，分成多步：

• 先问：这个市场可能有哪些机会（先铺开）
• 再问：挑选最值得做的方向，并解释筛选依据（再收敛）
• 最后问：把选定方向写成可执行的计划（再落地）

进阶技巧

Few-shot 提示

给 AI 举几个例子：

请判断评论的情感是正面还是负面。

示例A："这家餐厅味道很棒！" → 正面
示例B："等了很久才上菜" → 负面
示例C："服务一般，价格偏贵" → 负面

请判断："这个产品超出我的预期"

让模型“先想清楚再回答”（不必要求展开完整推理）

很多时候你需要的是更可靠的结论，而不是长篇推理过程。更稳妥的写法是：要求模型先在内部推理，输出时给出关键依据、检查点或可验证步骤。

请先思考再回答：
- 先给出结论
- 再列出你依据的关键步骤/检查点（用要点即可）
- 如有不确定的前提，请明确标注

结构化输出

指定输出的结构：

请用以下 JSON 格式输出：
{
  "name": "姓名",
  "age": "年龄",
  "skills": ["技能A", "技能B"]
}

反向提示

告诉 AI 不要做什么：

请帮我写一篇产品文案：
- 要突出产品优势
- 不要使用“绝对”“最好”等夸张词汇
- 不要提到价格

常见场景提示词模板

场景一：写作助手

角色：你是一位资深文案专家
任务：帮我写一篇关于[主题]的公众号文章
要求：
- 目标读者是[人群]
- 风格要[正式/轻松/幽默...]
- 篇幅控制在[目标篇幅]左右
- 需要包含[若干]个可验证的案例或引用来源（如有）

场景二：代码审查

任务：帮我审查以下代码的问题
要求：
- 找出潜在的bug
- 指出代码规范问题
- 提供优化建议
- 按照严重程度排序

代码：
[粘贴代码]

场景三：数据分析

任务：分析以下数据
数据：[粘贴数据]
要求：
- 找出主要趋势
- 发现异常值
- 提出可行动的洞察（明确“做什么/为什么/怎么验证”）
- 用图表展示关键发现

场景四：学习辅导

角色：你是一位循循善诱的老师
任务：帮我理解[概念]
要求：
- 用生活中的例子解释
- 列出常见误区
- 提供练习题检验理解
- 最后总结核心要点

AI 提问的常见错误

问题太模糊

❌ "帮我看看这个方案"

✅ "请评估这个营销方案，从目标人群、渠道选择、预算分配三个维度分析"

一次问太多

❌ "分析一下这个市场，包括市场规模、竞争格局、用户画像、发展趋势、机会风险..."

✅ 分成多个问题逐一深入

不给约束条件

❌ "写一段话介绍我们的产品"

✅ "用几句话介绍产品，每句话聚焦一个卖点，并控制在简短易读的长度"

不检查输出

模型输出可能包含遗漏、误解或不准确之处。对关键结论进行复核，必要时补充数据来源或二次追问。

高级技巧：让 AI 自我优化

我的目标是[目标]，我写的文案是[文案]
请指出：
- 哪些地方没有达到目标（指出具体句子/段落）
- 哪些地方可能让读者误解（说明原因）
- 给出可直接替换的修改稿，并解释修改思路

结语

提示词工程更像“写清需求 + 逐步收敛”的工作方法：先让模型理解你要解决的问题，再通过约束和反馈把输出推向可用。

在 AI Chat，你可以实践这些提示词技巧，找到最适合自己的提问方式。

参考与延伸阅读

• OpenAI Prompt Engineering（官方文档）：https://platform.openai.com/docs/guides/prompt-engineering
• OpenAI Best Practices（官方指南）：https://platform.openai.com/docs/guides
• OpenAI Cookbook（示例与实践）：https://cookbook.openai.com/
• Anthropic Prompt Engineering（官方文档）：https://docs.anthropic.com/en/docs/build-with-claude/prompt-engineering/overview
• Anthropic “Prompting” 指南（官方文档入口）：https://docs.anthropic.com/