AI 提示词高级技巧：从能用到好用的系统方法

# AI 提示词高级技巧：从能用到好用的系统方法 很多人使用大模型时，第一次提问往往得到一个"差不多"的答案。问题通常不在模型能力，而在提示词（Prompt）没有把需求讲清楚。掌握一些高级技巧，可以让输出更稳定、更准确、更贴合实际场景。 本文从六个方面介绍常用的高级提示词技巧。 ## 一、明确目标：先说清"要什么"和"给谁看" 模糊的指令会得到模糊的结果。好的提示词通常包含四个要素： - **任务**：要模型做什么，例如"改写""总结""分析""生成代码"； - **背景**：任务的来源和使用场景； - **约束**：长度、语气、格式、禁止事项； - **受众**：内容最终给谁看。 **对比示例** - 普通写法：`写一篇关于环保的文章。` - 高级写法：`请为面向初中生的科普公众号写一篇约 800 字的文章，介绍塑料垃圾对海洋生物的影响。语气轻松，每个小标题不超过 10 个字，结尾给出三条可以在日常生活中执行的建议。` 前者让模型自由发挥，后者把判断标准交给了模型。 ## 二、角色设定：赋予专业视角 为模型指定角色，可以激活相应领域的知识与表达习惯。角色设定的关键在于**具体**，而不是泛泛而谈。 - 弱：`你是一个专家。` - 强：`你是一名有十年经验的后端架构师，擅长高并发系统设计，习惯先指出风险再给方案。` 需要注意的是，角色只是视角，不能替代事实依据。涉及具体数据、法规或医疗、法律等专业判断时，仍应要求模型注明依据，并由人工核实。 ## 三、少样本示例（Few-shot）：用例子代替描述 当输出格式或风格很难用文字描述时，最有效的办法是提供 2～3 个示例。模型会从示例中归纳规律。 ```text 请将用户反馈分类为"功能建议""Bug 反馈""咨询"之一。 示例： 输入：导出按钮点了没反应 输出：Bug 反馈 输入：能不能增加深色模式？ 输出：功能建议 输入：请问会员如何续费？ 输出：咨询 现在请分类： 输入：页面加载特别慢，已经好几天了 输出： ``` 使用示例时注意两点： 1. **示例要有代表性**，覆盖常见的边界情况，而不是全部相似； 2. **示例之间的格式要完全一致**，否则模型可能把无关的细节当成规则。 ## 四、思维链（Chain of Thought）：让模型展示推理过程 对于数学计算、逻辑推理、多步骤判断等任务，直接要求答案容易出错。引导模型逐步推理可以明显提高准确率。 常用写法包括： - 直接加入"请一步一步思考"； - 指定推理步骤，例如"先列出已知条件，再计算中间结果，最后给出结论"； - 对于复杂问题，可以要求模型先给出多种方案，再逐一评估后选择最优解。 需要注意，对于简单的事实性问题，过长的推理反而增加成本且没有收益。应根据任务难度选择是否使用。 ## 五、结构化输出：让结果可以被程序或人快速使用 在工程场景中，输出格式比内容本身更重要。通过明确的结构约束，可以让结果直接被解析和复用。 **1. 指定 JSON Schema** ```text 请从下面的简历文本中提取信息，严格按照以下 JSON 格式输出，不要添加任何额外说明： { "name": "string", "years_of_experience": "number", "skills": ["string"], "education": [{"school": "string", "degree": "string"}] } ``` **2. 使用分隔符隔离内容** 当提示词中同时包含指令和待处理的文本时，用 `...` 或三引号等方式明确分隔，可以有效防止文本中的内容被误当作指令执行。 **3. 限定长度与条目数** 例如"列出 5 个要点，每个要点不超过 30 字"，比"简单列一下"更可控。 ## 六、迭代优化与上下文管理 高级提示词很少一次写成，而是通过反复调整得到的。 - **先小后大**：先用一个简短样本验证提示词，再批量应用； - **定位问题**：输出不理想时，判断是指令不清、缺少示例，还是约束冲突，再针对性修改； - **保留版本**：记录每次修改及其效果，便于回溯； - **控制上下文**：长对话中，早期的约束可能被稀释。关键要求可以在关键节点重复强调，或在新会话开头重新给出完整说明； - **负面约束要具体**：与其写"不要啰嗦"，不如写"每段不超过三句话"。 ## 七、常见误区 1. **堆砌指令**：一次提出几十条要求，模型容易顾此失彼。优先保留真正重要的约束。 2. **过度依赖角色**：只写"你是专家"而不给任务细节，效果通常有限。 3. **忽视验证**：模型输出可能包含看似合理的错误，尤其是数字、引用和代码。重要内容必须人工核对。 4. **示例与指令矛盾**：示例中的格式与文字描述不一致时，模型常以示例为准。 ## 结语 提示词工程的本质，是把人的意图准确地翻译成模型可以执行的指令。掌握目标描述、角色设定、少样本示例、思维链、结构化输出和迭代优化这六类技巧，并结合具体场景反复验证，就能显著提升 AI 的使用效率与输出质量。 好的提示词没有固定模板，但有一个共同原则：**让模型在最少猜测的情况下，做出你真正想要的结果。**