前言：为什么提示很重要

如今，找一个没用过ChatGPT或Claude这样的AI的人反而更难了。但实际使用时，很多人会想"为什么不能按我想要的方式输出呢？"使用同样的AI，有些人能得到出色的结果，有些人却只能得到不相关的回答。这个差异就在于"提示"。

我刚接触ChatGPT时也以为随便问问就行。以为只要说"帮我写篇博客"它就会自动完成，但现实并非如此。要么内容太泛泛，要么和我想要的方向完全不同。所以我开始认真学习提示编写方法，并想通过这个系列分享我在这个过程中学到的东西。

什么是提示工程

提示工程(Prompt Engineering)简单来说就是系统地设计向AI提问或下达指令的方法。英语中"prompt"有"提示、促使"的意思，在AI语境中指的是用户输入给AI的全部文本。

为什么要用"工程"这个大词呢？因为这和简单地说话不同。就像设计机器一样，是设计输入值让AI产出最佳结果的工作。好的提示能让AI发挥120%的能力，而糟糕的提示会让最先进的AI也变得毫无用处。

让我打个有趣的比方。把AI想象成一个非常聪明但不懂语境的新员工。如果对这个新人说"把上次说的那件事处理一下"，他肯定听不懂。但如果说"把昨天会议上讨论的A公司提案的初稿，在下周一之前写成5页的文档。重点是成本削减和缩短交期"，他就能准确地完成工作了。

优秀提示的5大原则

接下来介绍我在无数次试错后总结出的5条优秀提示核心原则。只要遵循这些原则，输出质量就会有明显提升。

1. 清晰性 (Clarity)

这是最基本却最容易被忽视的原则。AI无法读取你的心思。模糊的表达会导致模糊的结果。

不好的例子："帮我写篇好文章"

好的例子："帮我写一篇关于职场人晨间习惯的博客文章。以5点起床的好处为重点，包含3个可实践的技巧。"

要提高清晰性，问问自己："如果别人读这个提示，能理解得一样吗？"如果有解释的余地，就需要更加具体化。

2. 具体性 (Specificity)

看起来和清晰性类似但略有不同。具体性是提供关于"什么、多少、什么格式"的细节信息。

不好的例子："帮我写营销邮件"

好的例子："帮我写一封针对新客户的欢迎邮件。200字左右，亲切的语气，强调首次购买可享10%折扣。同时提供3个CTA按钮文案建议。"

积极使用数字。"简短地"不如"200字左右"，"几个"不如"3个"更有效。

3. 上下文 (Context)

AI不知道你是谁，也不知道你为什么需要这个。提供背景信息可以得到更合适的结果。

不好的例子："帮我审一下简历"

好的例子："我是5年经验的前端开发工程师。正在准备跳槽到腾讯或阿里这样的大厂。请从大厂招聘负责人的角度审阅下面的简历，告诉我改进建议。[简历内容]"

上下文可以包括你的情况、目标、目标受众、使用目的等。相关的背景信息越多越好。

4. 示例 (Examples)

有些难以用语言解释的东西，一个示例就能让人立刻理解。AI也是如此。展示你想要的结果示例，AI会学习这个模式并以类似的形式输出。

不好的例子："帮我写社交媒体短文案"

好的例子："帮我写微博用的短文案。风格如下：'又是享受咖啡的一天，小确幸累积成大力量。'以'阅读'为主题，按这种感觉写3条。"

特别是想要匹配文章的语调、格式、长度时，示例非常有效。

5. 约束条件 (Constraints)

明确告诉AI不该做什么、需要遵守什么限制也很重要。没有这个，AI可能会过于自由地解释，走向你不想要的方向。

不好的例子："告诉我健康信息"

好的例子："告诉我预防糖尿病的饮食建议。仅限一般健康信息层面，不是医学建议。不要提及药物或治疗方法。只整理5个易于实践的日常习惯。"

约束条件在明确排除不想要的内容时特别有用。使用"不要......"、"除了......"、"只......"等表达方式。

3种基本提示模式

现在介绍3种可以立即实战运用的提示模式。这些模式组合使用会更有效。

模式1：角色赋予 (Role Assignment)

给AI赋予特定角色或人设的方法。这样AI会以该角色的专业性和视角来回答。

你是一位有10年经验的资深文案。
请以专家角度回答关于广告文案撰写的问题。
请为针对Z世代的护肤品牌提出5个口号建议。

角色赋予在需要专业建议、需要从特定角度分析、进行创意工作时特别有效。可以使用"你是......"、"从......的立场"、"像......一样行动"等表达方式。

模式2：分步骤指令 (Step-by-Step Instructions)

将复杂任务分成多个步骤来指示的方法。可以引导AI一步步思考推进。

请按照以下步骤撰写商业计划书初稿：

第1步：首先简单分析宠物用品市场现状
第2步：将我们的商业项目（环保宠物食品）的竞争力整理为3点
第3步：确定目标客户群及其特征
第4步：基于以上内容撰写商业计划书大纲

这种模式在复杂分析或创作任务中特别有效。可以防止AI一次处理太多内容导致质量下降，也可以检查每个步骤的结果并调整方向。

模式3：输出格式指定 (Output Format Specification)

预先指定结果格式的方法。指定表格、列表、JSON、Markdown等想要的格式，AI就会按照该格式输出。

请分析比较以下3款智能手机：iPhone 15、Galaxy S24、Pixel 8

请按以下格式输出：
| 项目 | iPhone 15 | Galaxy S24 | Pixel 8 |
|------|-----------|------------|---------|
| 价格 | | | |
| 相机 | | | |
| 电池 | | | |
| 优点 | | | |
| 缺点 | | | |

最后用一句话说明每款产品适合什么样的用户。

输出格式指定在需要后续加工数据或直接用于其他地方时特别有用。在需要特定格式的报告、演示材料、代码等情况下可以大大节省时间。

初学者常见错误及解决方法

刚开始学习提示编写时我也犯了无数错误。基于这些经验，整理了最常见的错误及解决方法。

错误1：提示太短

"写文章"、"写代码"、"翻译一下"这样的一行式提示是典型例子。AI不是通灵者。信息不足时只能给出最泛泛、最保守的回答。

解决方法：想想5W1H。尽量包含Who（谁/为谁）、What（什么）、When（什么时候/期限）、Where（哪里/什么背景）、Why（为什么/目的）、How（怎样/格式）。

错误2：一次要求太多

"写博客，做SEO优化，给缩略图创意，再写社交媒体宣传文案"这样在一个提示中要求多件事，每件事的质量都会下降。

解决方法：分解任务。一个提示只包含一个主要目标。如果是相关任务，在对话中依次请求会得到更好的结果。

错误3：不给反馈就放弃

很多人在第一次结果不满意时就直接写新的提示或干脆放弃。但与AI的对话本身就是在积累上下文，所以通过给反馈来完善会更有效率。

解决方法：边给反馈边完善结果，比如"用更亲切的语气重写"、"第二段太长了，缩短一半"、"多加些例子"。

错误4：只用否定句指示

"不要写得无聊"、"不要太长"这样的否定句AI很难理解。知道不该做什么，但不清楚该做什么。

解决方法：用肯定句表达你想要的内容。与其说"不要写得无聊"，不如说"写得幽默些"；与其说"不要太长"，不如说"500字左右"更清楚。

错误5：忽视AI的局限性

向AI询问实时信息、委托需要个人判断的决定、期待100%准确的事实核查都是不合理的。

解决方法：了解AI的优点和缺点，用于合适的任务。AI在创意写作、头脑风暴、初稿撰写、信息整理等方面表现出色。而最新新闻、医疗/法律建议、需要事实核查的任务必须由人来审核。

通过实战示例学习

光有理论不够。让我们通过示例看看如何改进提示会带来不同的结果。

示例1：邮件撰写

之前（不好的提示）：

帮我写一封给客户的邮件

之后（好的提示）：

请根据以下情况撰写一封商务邮件：

情况：我们公司（ABC电子）交货期将延迟3天
收件人：主要客户XYZ贸易的李经理
目的：请求谅解并维护信任关系
语气：礼貌但不生硬
包含内容：道歉、延迟原因（零部件供应问题）、新的交货预定日期、防止再发生的承诺
篇幅：200-250字

示例2：代码编写请求

之前（不好的提示）：

帮我做登录功能

之后（好的提示）：

请用Python Flask实现符合以下要求的登录功能：

技术栈：Python 3.11、Flask、SQLAlchemy、bcrypt
功能要求：
- 基于邮箱/密码的登录
- 密码加密存储
- 登录失败时返回错误信息
- 基于Session的认证

在代码中添加注释说明各部分的作用。
安全相关注意事项也请以注释形式注明。

示例3：博客选题策划

之前（不好的提示）：

推荐博客主题

之后（好的提示）：

请推荐5个符合以下条件的博客文章主题：

博客定位：面向30多岁职场人的自我提升博客
月均访客：约5000人
以前受欢迎的文章："下班后1小时利用法"、"克服职业倦怠记"
想避免的主题：理财、减肥（已经写过很多了）
目标：搜索流量+高分享潜力的实用主题

每个主题请提供：
- 标题建议
- 预期目标关键词
- 文章3个核心要点

示例4：数据分析请求

之前（不好的提示）：

分析这个数据：[数据]

之后（好的提示）：

请分析以下销售数据：

[粘贴数据]

分析目的：制定下季度库存计划
想了解的内容：
1. 月度销售趋势及季节性规律
2. 销量最好的前5名产品
3. 销售额与库存周转率低的产品
4. 下季度预期需求（简单估算水平）

分析结果将在营销团队周会上演示，
请用非专业人士也能理解的方式整理关键洞察，
用要点形式呈现。

总结：提示工程的关键在于练习

提示工程归根结底是"练习"。不要只把今天学到的原则和模式记在脑子里，在向AI提出请求时就应用它们。虽然一开始可能感觉花时间更多，但熟练之后就能更快更准确地得到想要的结果。

再给一个建议：保存好用的提示。我也把常用的提示收集在笔记应用或Notion里，需要时随时调用。慢慢地就会形成自己的提示库，这会成为巨大的生产力资产。

下一篇我们将讨论ChatGPT专属的提示编写方法和高级应用策略。包括Custom Instructions设置方法、GPTs使用方法、各类工作场景的实战示例等更深入的内容，敬请期待。

系列导航

本文是"AI提示工程实战"系列的第1篇。

  • 第1篇：提示工程基础 - 如何与AI有效对话（本文）
  • 第2篇：精通ChatGPT - 实战应用策略