提示词工程入门：写好 Prompt 的 8 个实用技巧

很多人觉得 AI「不好用」，其实问题常常不在模型，而在提问方式。同一个 GPT-5 或 Claude，换一种问法，输出质量可以差好几个档次。这篇把我实践下来最有效的 8 个技巧整理出来，都能立刻上手。

1. 给角色，给身份

不要直接问「帮我写文案」，先给模型一个身份：

你是一位有 10 年经验的品牌文案，擅长用简洁有力的短句。

设定角色后，模型会调用更贴合该领域的表达方式，输出立刻专业很多。

2. 说清楚「输出格式」

模糊的要求得到模糊的结果。明确告诉它你要什么形状：

用 Markdown 表格输出，三列：功能、优点、适用场景。

要列表就说列表，要 JSON 就给字段示例。格式约束得越死，返工越少。

3. 给例子（少样本提示）

与其解释半天「我想要什么风格」，不如直接给一两个例子：

参考这个风格改写：「输入 → 输出」。现在按同样风格处理下面这段。

这就是 few-shot prompting，是提升一致性最有效的手段之一。

4. 让它先想再答

复杂问题里加一句「一步步推理」，能显著减少出错：

先分析问题，列出关键步骤，再给出最终答案。

让模型把推理过程展开，相当于给它「打草稿」的空间。

5. 拆解大任务

不要指望一句话让它写完一整篇报告。把任务切成阶段：先列大纲 → 确认 → 再逐节展开。每一步你都能纠偏，最终质量远高于一把梭。

6. 提供上下文，而不是让它猜

模型不知道你的背景。与其抱怨它「答得不对」，不如把必要信息喂给它：目标读者是谁、已有什么、限制条件是什么。上下文越充分，输出越对味。

7. 用「迭代」代替「一次到位」

第一版不满意很正常。别重开对话，直接在原答案上提要求：「第二段太啰嗦，压缩到两句」「语气再正式一点」。多轮微调比一次写好的期望更现实。

8. 给约束和反例

告诉它不要什么，和告诉它要什么同样重要：

不要用感叹号，不要空话套话，不确定的地方标注出来而不是编造。

明确的边界能挡掉大量废话。

想练手，先有个能用的模型

上面这些技巧，在越新的模型上效果越明显。GPT-5、Claude Opus 这类最新模型目前基本都要订阅付费版才能用——如果你还卡在国内订阅、付款这一步，可以看我另一篇 ChatGPT Plus 订阅教程，里面顺带讲了怎么解决付款问题。

小结

提示词工程不玄学，核心就一句话：把你脑子里的需求，尽量完整、结构化地讲给模型听。角色、格式、例子、上下文、迭代——记住这几个抓手，你和 AI 的协作效率会明显不一样。