1. 提示词入门
提示词(Prompt)是输入给 AI 大模型的一段文字指令。可以是一个问题、一段任务描述,也可以是包含角色设定、背景信息和约束条件的复杂文本。AI 会根据提示词来理解意图,并生成相应的回答。
清晰具体
模糊的指令会让 AI“猜”意图,给出的回答也比较模糊。相反,具体的指令能让 AI 精准命中需求。
✗ 模糊写法:
输出结果:
AI 不知道要写什么类型、什么主题、给谁看、多长篇幅,只能给一段毫无针对性的通用内容。
✓ 清晰写法:
输出结果:
AI 明确知道:文体是邮件、对象是客户、主题是致谢、事由是产品发布会。输出会精准得多。
更多对比:
小技巧: 写完提示词后,问自己一个问题——“如果我把这段话发给一个陌生同事,他能准确理解我要什么吗?”如果不能,就继续补充细节。
提供背景信息
背景信息为AI提供完成任务所需的关键上下文,包括所处的情境、面对的对象以及真正的需求。缺少背景的提示词只提供了任务目标,却没有说明具体情境和约束条件,AI缺少做出针对性回答所需的依据。
✗ 缺少背景:
AI 不知道用的什么语言、什么框架、出了什么症状,只能泛泛猜测。
✓ 提供背景:
AI 知道了技术栈(Vue3)、问题类型(数据不更新)、触发条件(点击按钮),能给出针对性的排查方向。
背景信息可以包括:
- 身份:我是一名大三学生 / 我是创业公司的运营负责人
- 受众:这份报告给 CEO 看 / 这篇文章面向零基础读者
- 场景:用于周一的团队周会 / 用于公众号推文
- 条件:我们的预算是 5000 元 / 团队只有 3 个人
- 问题:具体的报错信息 / 目前遇到的卡点
扩展示例:
指定输出格式
不指定格式,AI 会按照自己的默认模式来输出,结果不一定是想要的格式。明确告诉 AI 期望的格式,可以省去大量的修改时间。
示例一:表格形式
AI 会自动生成一个结构清晰的对比表格,而不是写成一大段文字。
示例二:列表形式
示例三:特定文档结构
示例四:代码格式
常用格式关键词速查:
分步解决任务
复杂任务不要一口气塞给 AI,把大任务拆分成多个小步骤,逐步推进,质量会高得多。
示例一:撰写一篇文章
这样做的好处是:可以在第一步结束后检查大纲,调整方向再继续,避免 AI 一口气写完后发现结构不对、推倒重来。
示例二:制定活动方案
示例三:学习一个新概念
为什么分步骤更有效?
- 每一步的任务更简单,AI 更不容易“跑偏”
- 可以在中间环节介入修正方向
- 最终结果的连贯性和逻辑性更好
- 遇到不满意的部分,只需要重做某一步,而不是全部推翻
提示词优化
即使按照模板写提示词,第一次回答可能仍然不完美。可以按照以下 4 个步骤迭代优化。
诊断问题类型
先判断 AI 的回答哪里不好:
针对性修改
根据问题类型,在原始提示词上添加或修改内容。
示例:精准回答
第一版提示词:
输出结果:
AI 可能输出一大段历史背景和基本原理,但用户只想知道“量子计算比经典计算快在哪里”。
修改后:
输出结果:
在对话中纠正
不用重开新对话,直接接着说:
保存有效的提示词
当通过迭代得到一个满意的提示词后,建议:
- 保存到自定义指令(参考第二部分:自定义指令)
- 记录在备忘录中,方便下次复用
- 标注出修改了哪些地方,帮助自己总结规律

评论
0 条