提示词工程实战：10个立刻能上手的技巧与可直接复制的模板库

提示词工程这四个字听起来像一门需要啃大部头的学问但我在用了上百个大模型产品、帮团队搭过一套内部提示词模板库之后可以负责任地告诉你它更像是一种“把需求说清楚”的能力。同样一个任务有人一句话就拿到可用结果有人写了一大段还是被AI绕晕差别往往不在模型多聪明而在你给的指令多清晰。这篇文章不打算讲那些花哨的框架和理论也不会拿一大堆“思维树”“自动提示词生成器”出来吓人。我会把过去一年踩过坑、验证过、现在每天都在用的10个提示词技巧直接摊开来讲每一个都配了前后对比和适用场景。后面那一整套模板库是我结合写作、产品、运营、代码走查这些高频场景整理的你复制过去把方括号里的变量替换成自己的内容就能直接用。如果你是第一次接触提示词工程这篇能帮你跳过“听懂了但不会用”的阶段如果你已经有基础我建议直接跳到技巧七和技巧十那两块是我觉得大多数人最容易忽视、但收益最高的细节。1. 先说结论提示词工程不是“咒语学”而是需求工程很多新手会把提示词工程当成某种“咒语收集游戏”觉得只要背下几个万能句式AI就能输出完美答案。我见过不少人收藏了一堆“XX万能Prompt模板”结果粘贴过去发现效果平平于是得出结论这AI不行。其实问题出在底层认知上。先说清楚我的判断提示词工程本质上是你和模型之间的一种“接口设计”。模型不是读心术机器它只能根据你给的上下文、角色、示例、约束条件来做“概率化补全”。你输入的信息越结构化、越明确它的输出就越接近你想要的。这不是什么玄学而是需求工程——把你脑子里的模糊需求翻译成模型能执行的具体指令。我见过最典型的案例是“帮我写一个产品介绍”。这个需求放在人类同事面前对方大概率也会追问给谁看的什么平台字数多少语气是专业还是活泼要突出哪些卖点但大模型不会主动追问它只会基于“产品介绍”这个词的统计分布给你一段平均水准的通用文案。所以提示词工程解决的不是“模型聪不聪明”而是“需求传达得够不够清楚”。这也解释了为什么会有模板库这种东西。模板的本质是把过去验证过的结构化写法固化下来让你下次面对相似任务时不用从零开始想。我给团队搭模板库时的原则很简单任何模板必须回答清楚四件事——给谁看、拿来干嘛、按什么结构写、写成什么样算好。把这四个问题想明白你写出来的提示词基本不会太差。接下来这10个技巧也全部围绕这四个问题展开。2. 十个立刻能上手的提示词技巧按踩坑频率排序这十个技巧没有严格的理论分类我是按大多数人最容易踩坑、改完效果最明显的顺序来排的。每一条都来自实际项目里的真实反馈不是坐在电脑前拍脑袋想出来的。2.1 技巧一角色设定但不是让你跟AI玩cosplay“请你扮演一位资深文案专家”这种句式已经烂大街了很多人用完觉得没用是因为角色设定得太空。问题不在角色设定本身而在你没说清楚“这个角色具体怎么干活”。我实测下来的经验是角色设定要给“行业背景 输出风格 判断标准”三者缺一不可。比如“你是一位有10年医疗行业经验的科普编辑请用初中生能读懂的语言解释疾病机制每一个专业名词第一次出现时都要附上生活化类比”。这个角色设定信息密度就高多了——它有行业、有受众、有风格要求、有执行方式。但要注意不是所有任务都要角色设定。简单任务比如“帮我总结这段文字的重点”加上角色设定反而画蛇添足。角色设定的价值在于约束模型的“默认人格”当任务涉及专业性、语气风格、受众适配时角色才有意义。我的判断标准很简单如果任务描述本身就足够清晰角色可以不写如果输出结果总是“太通用”优先给角色加限定条件。实操提示设定角色时忌讳只写身份不写“怎么干活”。每次检查一下你的角色描述里是否包含可执行的做法如果没有模型只是换了个称呼在给你写通用答案。2.2 技巧二把“做得好”翻译成“可检查”“写一篇好的活动文案”“把这段代码写得规范些”“帮我优化这段通知”——这些需求里最大的坑是“好”和“规范”没有标准。模型只能猜你心里的标准是什么。我习惯把所有模糊形容词都翻译成可检查的硬指标。拿活动文案来举例与其说“写得吸引人”不如说开头第一句话必须是反问句正文不超过120字包含时间、地点、报名方式三个关键信息出现至少一次紧迫感表述比如“仅限前50名”。这样改完之后你只需要逐条核对输出不用凭感觉判断“好不好”。这个方法在团队协作里尤其好用——你不需要解释什么是“好看”直接把检查清单发过去就行。“可检查”的另一个应用是让模型按你给定的结构输出。比如写邮件直接告诉它“结构必须包含现状、问题、建议、期望回应时间四个部分每部分不超过三句话”。模型对结构指令的遵循度远远大于对“写得有条理一些”这种抽象指令的遵循度。注意不是说形容词完全不能用而是形容词要配合可执行的量化标准一起使用。我见过有人写“请用幽默风格写”结果模型开始尬抖包袱。后来改成“请用轻松但不失专业的口吻每一段结尾用一个生活化类比收束”效果立刻不一样了。2.3 技巧三用格式框住模型而不是用形容词框住它这是我最想早一点学会的技巧。有段时间我总觉得模型“不听人话”我说“请用清晰的结构”它给了一堆带小标题的段落我说“请用表格”它只用了一个三行两列的简单表格。后来我意识到问题不是模型不听话而是我给的格式指令太不作为了。模型对“格式示例”的遵循度远高于对“格式描述”的遵循度。你与其说“请用表格对比这三款产品”不如直接把表格画给它看请按以下表格格式对比三款产品 | 对比维度 | 产品A | 产品B | 产品C | |---------|-------|-------|-------| | 价格元 | ... | ... | ... | | 核心功能 | ... | ... | ... | | 适用人群 | ... | ... | ... |这个技巧在处理结构化内容时非常管用。想要JSON输出直接在提示词里给出JSON示例包含字段名和嵌套结构。想要Markdown格式把Markdown的层级示例直接写上。模型本质上是在做“模式补全”你给它的格式越具体它走偏的概率就越低。格式约束还有一个隐性好处它天然减少了模型的废话填充。当模型密集地处理结构化信息时它没有太多空间去输出“总的来说”“综上所述”这类空话。2.4 技巧四一个高质量示例胜过十句抽象解释如果你只从这篇里带走一个技巧我建议是这个少讲规则多给示例。尤其是当你的需求有比较强的个人风格、特定口径、固定格式时一个示例顶过十几行描述。举个实际案例。我们团队需要把用户对产品的留言整理成日报之前一直用“请提炼重点按问题类型分类”这种提示词结果每次都返回一些字段不一致的内容。后来我换成了few-shot方式在提示词里放了一条“标准输出示例”示例 留言原文蓝牙耳机连接手机后开视频会议第10分钟开始断续断开重连恢复但过一会儿又出现。客服让我重置没用。 输出 问题现象连接后约10分钟开始音频断续重置无效。 问题类型连接稳定性/硬件或固件 用户情绪不耐烦有二次反馈 建议优先级高从那以后模型的输出格式基本稳定了。这背后的原理很简单与其让模型理解抽象规则不如给它一个可以直接复制的输出模式。模型的强项是模式匹配不是规则推理。你给它一个“好输出长什么样”的样例它就能照着这个样式去做。示例驱动也有适用范围。我给团队的建议是格式类任务必须带示例内容创作类任务建议带示例角色扮演类任务看情况。格式越强的任务示例带来的提升越明显。2.5 技巧五复杂任务按“输入-处理-输出”三段拆很多人的长提示词之所以翻车是因为把信息混成了一锅粥任务目标、背景资料、限制条件、输出要求全放在一坨里。模型虽然能处理长文本但在这种混沌结构下它往往会漏掉关键信息。我写复杂提示词的习惯是固定用三段结构输入、处理方式、输出规格。比如处理一批用户反馈数据时我会这样写【输入数据】以下是100条应用商店评论…… 【处理方式】请先识别每条评论属于“功能问题/体验问题/付费相关/夸赞/无效评论”中的哪一类再统计每类占比最后选取两个典型问题写出改进优先级建议。 【输出规格】先给结论再给分类占比表最后以“优先处理事项”作为小标题输出两条最重要的建议每条建议不超过100字。这个结构的好处是模型能明确区分“哪些是数据、哪些是任务、哪些是要求”。我见过太多翻车案例都是因为背景信息和指令混杂模型分不清是让它分析的还是让它输出的。三段结构相当于给它画了一张流程图按部就班完成就好了。如果你的输入数据量很大记得用明确的【输入数据】标记包起来并且在后面加一句“以上是输入数据请开始处理”。这能有效避免模型把数据内容当成对它的指令。2.6 技巧六让模型“先想再做”但不是随口说一句“请思考”“请一步步思考”这个句式在不少场景下确实有效但它不是万能的。问题在于你光说“思考”模型并不知道该想些什么。它不是推理不出来而是你给的思考路径太模糊。我通常在需要复杂推理的任务里直接给它指定思考步骤。拿用户投诉处理来举例如果我只说“请评估这个投诉是否应该退款”模型的答案会飘。但当我改成下面这种写法时效果马上不一样请按以下步骤分析 第1步从投诉中列出事实信息购买时间、问题描述、用户诉求。 第2步对照我们的退款政策逐个判断是否满足条件。 第3步判断是否存在政策未覆盖的边界情况。 第4步给出退款建议及理由。核心区别在于我只定义了步骤不替它得出结论。这样既利用了模型的推理能力又限定了它的推理方向。这个做法在处理法律咨询模拟、方案评估、根因分析这类任务里尤其好用。但我要提醒一句并不是所有任务都需要引导思考。像“给我起五个标题”“把这段文字缩短”这类简单生成任务加上思考链反而容易画蛇添足模型会用错重点。判断标准就是任务本身的难度——如果人一眼就能做完就不需要链式思考。2.7 技巧七负面约束要有但要同时给替代方案“不要啰嗦”“不要用连接词”“不要写出AI味”——这些负面约束在提示词里经常出现但很多人的用法是错误的。你只告诉模型“不要做什么”却不告诉它“应该做什么”模型只能在巨大的候选空间里乱撞。更高效的做法是“负面约束 替代方案”的组合。举个例子不要使用“首先、其次、最后”这类连接词。 改用短句并列每个观点单独成段段首直接加粗核心句。看到区别了吗光说“不要用连接词”模型确实会避开但它可能转头就用“第一、第二、第三”或者写出一堆没有逻辑衔接的散句。给它替代方案之后模型的输出质量才能真实提升。另一个我在文案改写领域常用的组合是“禁用词 替换方向”。比如改写一篇产品文案我说“禁用‘极致、赋能、抓手’这类电商黑话统一改成具体动作描述比如把‘赋能商家’改成‘帮商家省下2小时开单时间’。”模型给出的改写质量明显更像人写的。负面约束还有个副作用就是它可能让模型输出变得生硬、刻意。这就像你让一个说话自带口头禅的人“不许再说‘就是说’”他没改掉之前反而连话都不会说了。所以负面约束越精确越好并且一定要配上替代方案。2.8 技巧八让模型自己打分自己改到自己都不认识这招是我后期才摸索出来的但现在已经成了我的主力技巧。大模型其实是一个挺不错的“自我评判器”只要你给它清晰的评价维度它可以对自己的输出做二次迭代。用法很简单第一轮生成结束后追加一条指令让模型按你给出的维度打分然后再让它根据分数修改。拿产品文案来举例请按以下三个维度对上面的文案打分满分10分信息完整度是否包含了用法、适用人群、购买理由。行动号召力是否让读者知道下一步该做什么。阅读流畅度句子是否冗余逻辑是否通顺。 打分后分数低于8分的项目请给出修改版本。这个方法的威力在于它把“让模型自我反思”从玄学变成了可操作的动作。模型打出来的分数不一定绝对客观但它在“打分”这个动作中会重新审视自己写的内容找出那些明显缺陷。我实测下来第二轮修正后的内容通常比第一轮好30%以上。注意评分维度要具体并且数量控制在3到5个。你给它10个维度模型反而会平均给分看不出重点。维度的选择要对应你对这一份输出真正的关注点。如果文案重点是转化率那“行动号召力”的权重就要写清楚。2.9 技巧九temperature不是你随手滑着玩的参数提示词不是唯一的控制手段生成参数同样关键。我经常遇到有人说“同样的提示词为什么今天效果好明天效果差”大部分时候不是模型变笨了而是温度参数在作怪。temperature这个参数简单来说控制着模型输出的随机性。数值越小输出越确定、越保守数值越大输出越发散、越有创造性。但它不是一个“越高越聪明”的旋钮——它是你在“稳定性”和“多样性”之间的取舍杆。以我实际使用的经验来说场景temperature建议值原因数据提取、分类、翻译0~0.3需要准确不需要发挥文案改写、邮件起草0.3~0.7需要稳定中有变化创意头脑风暴、标题生成0.7~1.0需要发散和意料之外开放性故事创作1.0以上允许更多跳跃但容易失控另外还有一个容易被忽视的参数是max_tokens。如果你经常发现模型话说到一半就“咔”地断掉先去查是不是这个参数设太短了而不是去改提示词。我之前就曾误判过以为是提示词写得不好结果改了半天的描述最后发现只是输出长度限制。2.10 技巧十改提示词的正确顺序一次只改一处这个技巧听起来最不像技巧但它可能是十个里面最值钱的。我前期经常犯的错是看到结果不满意一次性改角色、加示例、调temperature、改输出格式一顿操作猛如虎结果确实变好了但完全不知道是哪一处发力起的效果。这个经验让我总结出一条改提示词的标准流程先量化问题输出太长了格式不对内容空泛方向跑偏先把问题精确描述出来。判断问题最可能出在哪个环节是缺少约束、示例不清、还是参数不合适。一次只改一个变量然后跑三轮测试看效果是否向好的方向稳定变化。如果改进有效保持这个改动再进入下一个问题的优化。为什么一次只改一处因为大模型输出有随机性你改了三个地方即使最终效果变好你也无法知道其中哪个才是关键变量。下一次遇到类似问题你仍然只能靠猜。而当你想把经验沉淀成模板时这种“不知道哪句话起作用”的提示词是无法复用的。特别注意同样一个提示词连续跑两次都可能得出略微不同的结果。所以我在判断每次改动是否有效时都会建议最少跑三遍以“稳定变好”为准而不是拿单次输出碰运气。3. 可以直接抄作业的提示词模板库前面讲了十个技巧但光看技巧就像拿到一堆零件还得有人帮你组装好。这一节是我现在最常用的七个提示词模板全部经过实际项目验证你可以直接复制替换方括号里的内容就能用。3.1 模板使用说明[变量]怎么填模板里所有被方括号包住的地方都是需要你替换的变量。我建议不要偷懒跳过替换直接发送——模板只是骨架血肉还得靠你的业务信息填进去。替换时记住一个原则能给出具体例子就不要只给形容词。比如“[目标受众]”这一栏与其写“年轻人”不如写“25-30岁、习惯小红书购物、对价格敏感的城市白领女性”。信息越具体模板的威力越大。3.2 模板一长文润色模板你是一位从业10年的资深[领域]编辑请帮我润色下面的文章。润色要求保留原文所有事实信息不得新增或删减数据、人名、项目名称。每段第一句话必须是本段的核心结论。修改所有被动句式改成主动表达。删除重复表述和空话套话。词汇风格[平实/专业/口语化]。原文如下 [粘贴你的文章]输出格式先给出润色后全文再在文末列出你做了哪三类修改每类列一个典型示例。这个模板里最有价值的部分是“每段第一句话必须是核心结论”和“文末列出修改类型”。前者改变了整篇文章的信息层次后者让你能直观看到润色逻辑方便判断模型有没有乱改。3.3 模板二结构化日报/周报总结模板请把下面的工作记录整理成一份日报/周报。输出结构必须严格遵循 【今日/本周完成】按重要程度排序每项不超过30字。 【进行中】列出项目名、当前进度、预计完成时间。 【风险/问题】只列出需要上级协调或决策的事项。 【明日/下周计划】不超过5条每条以动词开头。工作记录 [粘贴零散记录]注意输出中不要出现“总体”“基本上”“进一步”等无信息量词汇。如果记录中没有提到风险请在风险栏写“无”。用这个模板最大的好处是它逼着模型去做“信息压缩”而不是“内容扩写”。实际使用中很多模型默认会把日报写成“今天我们团队积极推进了……”的流水账而这份输出结构直接拦截了这种趋势。3.4 模板三费曼学习讲解模板请你用费曼学习法把下面这个复杂概念讲给我听。概念[输入概念]要求先用三句话概括这个概念的核心要求能让小学生听懂。然后给一个生活化类比类比里不能出现原概念的任何术语。再列出这个概念的常见误解至少3个。最后用不超过10句话解释“这个概念在实际工作中怎么用”。我的背景是[你的知识背景比如“产品经理没有技术背景”]。如果我在第1部分就能理解请用“我理解了”开头如果讲得太难请换一个更简单的类比重新讲解。这个模板适合用来快速学习新领域。我经常拿它来给团队新人做领域速通效果比让人自己去查文档好很多。关键是第2部分那个“不能出现术语”的类比它逼着模型真正理解概念结构而不是搬运定义。3.5 模板四代码走查模板请对下面的代码进行走查。代码背景[这段代码是干什么的语言运行环境] 走查关注点逻辑缺陷是否有边界情况没处理。性能问题是否有不必要重复计算或额外开销。可读性变量命名是否清晰是否存在过长函数。潜在异常哪些输入会让代码崩溃或返回错误结果。代码 [粘贴代码]输出格式每个走查结果按“问题位置问题类型严重程度修改建议”四栏列出。如果某个关注点没有发现问题请明确写“无”。这个模板的核心价值在于“关注点清单”。你把走查的维度提前定义好模型就不会东一榔头西一棒槌地乱看。它不像专业工具那样能发现深层次逻辑错误但用来做常规检查、快速给代码找bug效率比人肉扫读高很多。3.6 模板五高质量头脑风暴模板我正在做[项目/任务]需要一些新思路。请帮我做一轮头脑风暴。主题[输入主题]要求提供12个方向不同的想法不要重复。每个想法先用一句话概括再用50字以内说明执行思路。12个想法中至少4个是低成本快速测试的至少2个是需要较大投入但可能有高回报的。请标注每个想法对应的目标人群。若某想法与主流做法差异很大请标注“非常规”。最后请按“预计成本”从低到高为这12个想法排序。用头脑风暴模板时最大的坑是输出全是泛泛而谈。所以我强制要求“标注目标人群”和“标注成本量级”这两个约束能逼着模型把想法做实而不是给你一堆正确但无用的方向。3.7 模板六会议纪要整理模板请把下面的会议记录整理成结构化纪要。会议背景[会议目标一句话说明] 记录原文 [粘贴口语化记录]输出要求 【会议结论】用3-5条列出确定的结论每条不超过30字。 【待办事项】按“负责人/截止时间/事项”三列表格输出。 【风险与争议】列出讨论中存在的分歧、未决问题。 【下次会议前需准备】列出与会人员需要提前完成的事项。注意待办事项只能从原文中提取不能自行补充内容。如果原文中未提到截止时间请在截止时间栏写“待定”。这个模板适合直接粘贴语音转文字的赶集记录。它最重要的设计是“不能自行补充内容”和“未提到截止时间就写待定”——这能有效避免模型编造信息。我们在公司实践中发现模型编造待办是非常常见的事加了这条约束后可靠性高多了。3.8 模板七产品文案多版本生成模板请为下面的产品写[数量]版不同方向的营销文案。产品信息 [产品名称、核心卖点、目标用户、价格区间]四个不同方向专业权威版面向行业客户突出技术参数和资质。生活场景版面向个人消费者描述使用场景和感受。痛点直击版先说目标用户的痛点再引出产品。社交口碑版适合小红书/朋友圈语气口语化突出“亲测有效”。每版文案控制在[字数]字以内并且必须包含[行动号召词比如“立即体验”或“了解详情”]。输出时请在每个版本前注明目标人群和发布平台建议。这个模板是四个版本一起生成能省很多时间。但要注意模型生成的文案不能直接发布你要至少在其中一个版本上做人工修改。我自己的习惯是让模型生成后再叠加技巧八里的“自评分改写”流程让质量先过一轮自己的关。4. 一样的提示词为什么有人用得好有人用得废效果验证与迭代模板和技巧都有了但还是有人会问为什么我给AI用了同样的模板效果跟别人差别这么大这一节我想聊的是效果验证和迭代方法。我们平时80%的“提示词不好用”问题其实不是提示词本身的问题而是没有正确的评测和调整方法。4.1 先把“看不出区别”变成“可评测”很多人在评价提示词效果时全凭感觉——“感觉这次结果好一些”“好像不太行”。如果你无法定义“好”和“不行”的标准你就永远无法系统性地改进提示词。我的做法是每个需要长期使用的提示词都先明确本次输出的核心指标至少选一个。拿刚才的文案模板举例。如果是小红书文案核心指标可以是“是否包含3个以上情绪点”“是否在第1段就抛出痛点”“结尾是否有明确的互动引导”。这些指标不一定要量化到百分百但必须可以勾选。能勾选的指标才是可评测的。评测完一轮之后如果某个指标总是达不到你就要针对这个指标去改提示词。这比“感觉不够好再加点词”要高效得多。4.2 输出不理想时先查这张排查表我在团队内部整理过一张提示词问题排查表每次输出不理想时先对照表格找问题而不是一口气改十个地方。这里分享给你现象最可能的原因调整方向输出空泛、像在说废话缺少可检查的硬约束补充具体格式、字数、必须包含的信息点格式总是不对格式描述不够具体直接给出格式示例或表格样例方向对但风格不对角色或语气约束缺失增加角色设定、给出禁用药和替换方向内容编造、加戏太多没有限制补充信息的边界明确“只能基于输入内容不得自行补充”输出忽好忽坏可能是temperature过高把temperature降到0.5以下重试结果太短/长输出长度控制不当检查max_tokens或在提示词中明确字数区间这张表只覆盖了最常见的情况。如果你的问题不在表里那就按技巧十的方法一次改一处逐个排查。4.3 什么时候该动提示词什么时候该动参数最后聊一个很多人分不清的问题提示词出了问题参数能不能救我的结论是参数只能微调不能救场。temperature调低可以让输出更稳定但它不能让一个本来需求模糊的提示词变得清晰。反过来max_tokens调大可以解决截断但它不能让模型理解你追求的风格。参数是在提示词“方向正确”的前提下做锦上添花的微调工具不是修正提示词缺陷的修补工具。所以我的判断顺序是先审查提示词本身确认目标和约束都清晰了再去看参数。只有当提示词本身已经没问题、但输出仍然抖动的时候我才会去动温度。5. 最后说点大实话我用提示词工程半年后的体会写到这里我猜你会觉得提示词工程这玩意没什么神秘的确实它本来就该是这么简单。但也正因为简单很多人反而容易忽视它的系统性。我个人现在写提示词的固定工作流是这样的先在文档里写下“给谁看、拿来干嘛、按什么结构写、写成什么样算好”四个问题的答案再根据答案选角色和约束然后找一个高质量的示例放进去最后跑三轮测试确认稳定再沉淀成模板。还有一个让我受益很深的习惯是把验证过的好提示词分门别类存下来形成一个自己的“本地模板库”而不是每次从空白开始。你不需要收藏别人的所有模板你需要的只是把那些“帮我解决过真实问题”的提示词整理起来。随着这个库越来越大你会发现大部分新任务都能从旧模板里改出来而不是从零开始构思。如果这篇里的十个技巧和模板库对你有帮助我建议你接下来只做一件事挑一个你最近重复做了三遍以上的文字任务按技巧二和技巧五的思路重写一次提示词然后用几天时间打磨沉淀成模板。这个动作做下来你对提示词工程的体感会比读十篇文章都深。