直接说结论：提示词工程这项技能，现在已经是使用大语言模型性价比最高的投入了。你不需要懂代码，也不需要会微调模型，只要把和AI对话的方式稍微调整一下，输出的质量能拉开好几个档次。这篇文章我就把这几年实际项目中反复验证过的10个技巧拆开揉碎讲清楚，每个技巧后面都附了可以直接复制的模板。全文不会讲什么高深理论，都是能让你今天看完、今天就能用上的东西。
很多人觉得提示词就是“好好说话”，这其实是个误解。同一个问题，问“帮我写个方案”和问“你是一位有十年消费品行业经验的市场总监，请基于以下三个产品卖点，为我即将召开的渠道大会撰写一份15分钟的开场演讲方案，要求逻辑清晰、有数据支撑、语气有感染力”，出来的东西完全是两码事。差距不在模型，而在你怎么把需求说清楚。这就是提示词工程存在的意义：把模糊意图翻译成模型能精确执行的指令。
1. 内容整体设计与思路拆解
1.1 从“对话”到“指令”：思维转变是关键
我在带团队的时候发现一个规律：大部分人和AI协作效率低，不是因为AI不行，而是因为他们还在用“和人聊天”的方式和AI沟通。和人聊天，对方能靠常识补全你省略的信息；但大模型不会，它只会按照你字面上的指令去生成内容。你说的越少，它自由发挥的空间就越大，输出就越容易跑偏。
所以提示词工程的第一步，不是学什么技巧，而是完成一个思维转变：把AI当成一个能力极强但极度“较真”的实习生。这个实习生知识面很广，写作能力很强，但他不知道你的真实意图、不了解你的业务背景、也不清楚你的质量标准。你给他的指令越具体、越结构化，他交付的东西就越接近你想要的。
在这个前提下，我们才能理解下面所有技巧的逻辑。每个技巧本质上都在做同一件事：降低模型的“猜测成本”，把你要什么、不要什么、按什么格式给、给到什么程度，全部定义清楚。
1.2 为什么是这10个技巧：覆盖完整提示词链路
这次整理的10个技巧，并不是网上随便拼凑的“金句合集”，而是我在实际项目中反复用到的、覆盖了完整提示词编写链路的10个动作。我把它们分成三组来看：
- 基础层（技巧1-3）：角色设定、结构化表达、步骤拆解。这组解决的是“让AI听懂人话”的问题，是地基。
- 进阶层（技巧4-7）：示例驱动、约束条件、格式控制、思维链。这组解决的是“让AI输出高质量结果”的问题，是梁柱。
- 高级层（技巧8-10）：任务分解、兜底策略、迭代优化。这组解决的是“应对复杂任务和失控场景”的问题，是天花板。
有了这个框架，你就能理解为什么某些技巧要放在前面、某些技巧要配合使用。这份模板库里收录的每个模板，也都标注了它主要涉及哪些技巧的组合，方便你按需取用。
2. 十个立刻就能上手的提示词技巧
2.1 技巧一：角色设定法——给AI一个“人设”
角色设定可能是流传最广、也被误解最深的技巧。很多人以为只要写上“你是一名专家”就能提升效果，其实不然。角色设定的本质，是通过指定身份来激活模型中对应的知识领域、语气风格和思维模式。你设定的角色越具体，激活的范围就越精准。
我常用的写法是：
你是一位拥有12年一线教学经验的高中语文老师，擅长用通俗易懂的方式讲解文言文。你批改作文时习惯先肯定亮点、再指出问题、最后给出修改示范，语气温和但点评犀利。
这样设定的好处是：不仅给了身份，还给了这个身份背后的“行为习惯”和“表达特点”。如果你只说“你是一位语文老师”，模型可能给你输出一堆教科书式的套话；但你把教学风格也写进去，输出就立刻有了“人味儿”。
模板：
请以[具体角色]的身份完成以下任务。 角色背景：[一句话说明你的经验/领域/风格] 任务内容：[清晰描述要做什么] 输出要求：[格式/字数/语气等约束]适合应用场景：文案写作、专业咨询、模拟对话、内容润色。但注意，角色设定不适用于事实查询类任务。你问“北京市有多少人口”，不需要给AI设定角色，直接问反而更快更准。
2.2 技巧二：结构化模板法——用括号和换行把需求“钉死”
大模型对格式非常敏感。你把提示词写成一坨没有结构的长句，它就倾向于给你回一坨没有结构的长文。反过来，如果你用换行、编号、括号把需求拆成清晰的模块，它的输出也往往会像模像样地按照你的结构来。
我曾经做一个竞品分析项目，需要让AI批量生成产品对比报告。最开始的提示词是“帮我分析一下A产品和B产品的区别”，出来的内容东一榔头西一棒子，完全没法直接用。后来我把提示词改成了结构化模板：
请对以下两款产品进行对比分析，严格按照下面的结构输出： 一、产品定位差异（各用两句话概括） 二、核心功能对比（以表格呈现，列出三个最关键的区别） 三、目标人群画像（分别描述，含年龄、职业、核心痛点） 四、价格策略差异（说明各自的定价逻辑） 五、市场反馈摘要（各总结三条来自真实用户的声音）输出质量立刻脱胎换骨。原因很简单：结构化模板相当于给模型画了一个“填空题框架”，把它的创作自由度限制在了这个框架里，它就不会跑偏了。
模板：
请[完成某任务]，并严格按照下面的结构输出： 第一块：[内容主题1]（[具体要求，如字数、形式]） 第二块：[内容主题2]（[具体要求]） 第三块：[内容主题3]（[具体要求]）2.3 技巧三：教材式分步法——把复杂任务切成“教学计划”
很多任务表面上是一个问题，实际上是一个“项目”。比如“帮我写一份产品发布会的策划方案”，这件事至少包含：活动主题、时间地点、流程设计、嘉宾邀请、宣传节奏、预算分配。如果你一句话丢给AI，它就只能在每个环节都敷衍一下，最后给你交一份“什么都提了、什么都没提透”的方案。
教材式分步法的核心思路是：把任务拆成多个步骤，让AI一步一步完成，而不是一次性输出全部内容。你可以让它在同一个回答里按步骤输出，也可以让它分多轮对话逐个完成。
我常用的做法是：
请按照以下步骤完成产品发布会策划方案的撰写： 第1步：基于产品核心卖点，提出3个备选活动主题，并说明各自的侧重点； 第2步：选择其中一个主题，设计完整的活动流程（含时间节点）； 第3步：针对这个流程，列出需要的资源清单和人员分工； 第4步：制定宣传活动的时间节奏表，覆盖发布会前2周至后1周。四个步骤全部完成后，你会得到一份逻辑严密、内容充实的完整方案。比起“一句话命令式”的写法，这种方式相当于给模型装了一个“施工进度表”，让它在每个阶段都有清晰的目标，而不是急着交差了事。
2.4 技巧四：示例少样本法——给AI一个“参考样板”
这是我在实际项目中提升效果最显著的一个技巧。你说了半天“要写得有网感”“要口语化一点”，模型不一定理解；但如果你给它两个实际案例，它立刻就能从案例中归纳出你想要的风格。
少样本（few-shot）在学术上指的是在推理时给模型提供少量示例，模型会模仿这些示例进行输出。大模型虽然参数多、能力全面，但它在“风格模仿”这件事上，远比你想象中更依赖示例。
举个例子，我需要AI帮我把技术文档改写成短视频脚本。我就在提示词里直接给了它一个我认可的历史脚本作为参考：
请根据以下技术文档内容，改写为短视频口播脚本。 参考示例1（完整展示一个标准脚本的写法）： 标题：XXX功能上线了 时长：45秒 开场钩子：“有没有遇到过XXX的烦恼？” 痛点阐述：“在过去，用户每次都需要……” 功能展示：“现在，只需要三步……” 结尾引导：“点击下方链接，立即体验。” 参考示例2：（再给一个不同风格的） （略） 请模仿以上两个示例的结构和风格，为下面的技术文档生成脚本。给了这个参考以后，AI产出的脚本结构几乎完美复刻了示例的节奏，我再也不用反复修改了。这个技巧对所有“风格要求明确”的任务都极其有效，比如小红书文案、公众号开头、短视频脚本、产品命名。
2.5 技巧五：约束条件打包法——把“不要什么”一次性说清楚
我发现大多数人在写提示词的时候，只写“要什么”，不写“不要什么”。这会导致AI经常在输出里夹杂着你不想要的内容：比如你让它写产品文案，它给你加了一堆夸大宣传的形容词；你让它做个总结，它给你堆砌了很多正确的废话。
约束条件打包法就是解决这个问题的。在你描述完任务后，单开一块区域，把所有的限制条件全部列出来。语言上要多用否定句，因为大模型对否定句的遵循率其实很高：
请为以下产品撰写一篇微信公众号推文。 硬性要求： - 字数控制在800字左右，上下浮动10%； - 不得使用“遥遥领先”“极致”“颠覆”等夸张词汇； - 不使用感叹号结尾的标题； - 内容中必须包含至少一组真实用户的使用反馈数据； - 文风参考科技媒体，理性克制，避免营销腔； - 结尾不设置引导购买链接，以行业思考收尾。这些约束条件列得越细，AI交出来的稿子就越接近“可发布状态”，你后期需要修改的地方就越少。我甚至见过有同行把“禁用词列表”直接整理成一份长期复用的文档，每次写提示词都粘贴进去，效果非常稳定。
2.6 技巧六：格式强制法——让AI输出“能直接用的”内容
这个技巧主要面向一个场景：你需要把AI的输出直接用于下游任务，比如导入表格、批量处理、程序化读取。这时候如果AI给你一段带着问候语和总结的散文，那你就得手动清洗数据，效率极低。
格式强制法的核心是：在提示词中明确指定输出格式，并且要求AI不要输出任何额外内容。最常见的应用是JSON格式，其次是Markdown表格、CSV、纯列表等。
请从下面这段招聘JD中提取关键信息，以JSON格式输出，不要输出任何其他内容。 { "职位名称": "", "工作地点": "", "工作经验要求": "", "薪资范围": "", "核心职责": [], "任职要求": [] }如果AI输出的JSON格式有误，你还可以补充要求：“确保JSON是合法可解析的，所有字段值不要使用制表符或换行符”。这个技巧配合批量任务特别实用，我经常一次性丢给AI几十条文本，让它批量提取结构化信息，效率比人工高太多了。
2.7 技巧七：思维链法——逼AI“先想后答”
当你让AI完成复杂推理任务时（如逻辑题、数学题、策略分析），直接问结果往往容易出错。而如果你要求AI把推理过程一步步写出来，准确率会大幅提升。这在学术上叫“思维链”（Chain-of-Thought），在工程上也叫“让模型进行延迟推理”。
不需要整那么学术，你只需要在提示词里加一句“请先展示你的推理步骤，再给出最终答案”。就这么一句话，效果立竿见影：
请回答下面的逻辑推理问题，并在给出结论前，先分步骤展示你的分析过程。 题目：一家商店进行促销活动，所有商品先打八折，如果顾客使用会员卡，在折扣基础上再减50元。小明买了一件商品，最终支付了190元，请问商品原价是多少？ 请先列出计算步骤，再给出答案。模型会把“设原价为X，八折是0.8X，会员卡再减50，即0.8X - 50 = 190，解得X = 300”的过程完整写出来，你不仅得到了答案，还能检查它是否有计算错误。直接用，出错率比“闭眼答”低得多，尤其适合数据分析、方案推演、问题诊断这类任务。
2.8 技巧八：任务分解法——把“一个大目标”拆成“一组小指令”
有时候任务太复杂，单条提示词装不下，或者装下了也容易顾此失彼。这时候更靠谱的策略是：不追求一条提示词解决所有问题，而是拆成多条提示词、分多轮对话逐步完成。
我做一个季度内容规划的时候，从来不会让AI直接“出一份季度内容规划”。我会这样拆：
第1轮对话： 请基于[业务领域]和[目标人群]，列出本季度值得关注的内容主题方向，不少于10个。 第2轮对话： 请从这10个方向中，筛选出最符合品牌调性的5个，并为每个方向写一个主题切入角度。 第3轮对话： 围绕这5个主题，分别生成3条内容标题（含标题语气说明），形成共计15条的内容选题库。 第4轮对话： 把15条选题分配到未来12周的内容排期表中，每周安排1-2条，注意主题之间的节奏搭配。每一轮都以上一轮的输出为输入，逐层递进。这样每一步的质量都能被检验，有问题可以随时修正，不会出现“一步错、步步错”的情况。这种多轮对话的工作流，才是提示词工程真正体现生产力价值的地方。
2.9 技巧九：正向兜底法——给AI一个“不知道”的出口
大模型有一个特性：即使它不知道答案，它也倾向于给你编一个听起来合理的回答。这在业内叫“幻觉”。应对幻觉最有效的方法之一，是在提示词里明确告诉AI：“如果你不确定，请直接说不知道。”
这听起来简单，但很多人没用过。AI其实很听劝的，你给它开了一个“说不知道”的口子，它就不太会硬着头皮编了。
请回答以下问题。如果你不确定答案，或者信息不在你的知识范围内，请直接回复“信息不足，无法确认”，不要猜测。 问题：[具体问题]这个技巧最关键的使用场景是事实性查询、企业内外部资料的问答、以及所有“准确性比丰富性重要”的任务。我还习惯在长文写作任务的末尾加一句：“最后，请用一到两句话说明你文中哪些信息是基于推断的，哪些是有明确依据的。”这能帮我快速识别需要人工核实的内容。
2.10 技巧十：迭代优化法——把“不满意”变成“修改指令”
绝大多数人和AI协作的失败，并不是因为第一版输出太差，而是因为不知道如何让它改到位。很多人只会说“帮我改一下”，AI改完了还是不满意，来回几次就放弃了。
真正的迭代优化是把“模糊的不满意”翻译成“具体的修改指令”。AI不是一个懂得读心术的人，你只有告诉它“具体哪里不行、希望怎么改、保留什么、去掉什么”，它才能精准地调整。
我常用的迭代公式是：
整体框架保留，重点修改以下几处： 1. 第二段的语气从“激进推广”改为“客观分析”，删除夸张形容词； 2. 增加一段关于[某方向]的内容，放在第三段之后； 3. 结尾原本是“欢迎咨询”，改为以案例数据收尾； 4. 全文口语化的词保留，但删除所有“咱们”“老铁”等过于随意的表达； 5. 字数控制在600字以内。有时候我甚至会对同一版内容做多次不同的迭代，再用不同方向的结果对比，选一个最好的组合。这也是提示词工程中“人机协同”最典型的形态：AI出初稿，人做决策，AI再修改。效率和质量都可以兼顾。
3. 模板库：可以直接复制的高质量提示词模板
模板这块，我给你整理了我使用频率最高的几个完整模板。不是那种网上随处可见的“万能公式”，而是我实际验证过、稳定出效果的版本。每个模板都标了适用场景，你可以根据自己的需求微调。
3.1 新媒体文章改写模板
这个模板我经常用来做公众号文章的“翻译”，把专业内容改写成适合大众阅读的版本。
请以[资深科技编辑]的身份，将下面的原文改写成适合微信公众号发布的文章。 改写要求： 1. 开头用一句话抓住读者注意力，可以从反差数据或常见误区切入； 2. 原文的专业术语必须保留，但每个术语后需要用生活化类比解释； 3. 正文结构分3-4个小标题，每个小标题下内容不超过150字； 4. 语气理性但不枯燥，可以少量使用口语化表达； 5. 结尾用一句开放性问题引发讨论，不要使用“欢迎转发”等话术； 6. 全文1500字左右。 原文如下： [粘贴原文]3.2 竞品分析报告生成模板
做市场调研、产品规划的时候，这个模板能帮你快速生成结构完整的竞品分析初稿。
请对以下[2-3款]产品进行竞品分析，输出一份结构清晰的对比报告。 报告结构： 一、产品概况对比（一句话描述产品定位） 二、功能矩阵对比（用表格呈现核心功能差异，标记“支持/不支持/部分支持”） 三、用户评价分析（各提取正向观点2条、负向观点2条，注明评价来源场景） 四、商业模式对比（付费方式、价格区间、免费策略） 五、差异化机会点（结合对比结果，给出3条针对我方产品的差异化建议） 约束： - 只基于已确认的信息，不要虚构产品功能； - 不确定的信息在报告中标注“待验证”； - 结论部分控制在200字以内。 产品信息如下： [粘贴产品资料]3.3 短视频脚本批量生成模板
做内容矩阵、账号运营的同行可以直接拿走这个模板，批量化生产短视频脚本。
请根据以下选题和参考风格，生成一条时长约60秒的短视频口播脚本。 脚本结构： 1. 开场钩子（前5秒，用提问或反常识数据抓住注意力）； 2. 痛点描述（15秒，描述目标观众正在经历的困惑）； 3. 解决方案（25秒，给出具体可操作的方法，分3个要点）； 4. 价值总结（10秒，回顾核心观点）； 5. 互动引导（5秒，设计一个让观众在评论区回复的问题）。 约束： - 口播语气：自然、真诚，不要播音腔； - 禁止使用“家人们”“谁懂啊”等过度网络化的表达； - 总时长控制在60秒左右，字数约220-260字。 选题：[填写] 参考风格：[可以粘贴一条你满意的历史脚本]3.4 会议纪要提炼与行动项生成模板
职场场景中最省时间的模板之一，把冗长的会议记录变成可执行的行动项。
请将以下会议记录整理成结构化的会议纪要。 输出格式： 一、会议背景与目标（两句话概括） 二、核心讨论内容（按话题分组，每组用3-5个要点概括） 三、关键结论（用加粗标出决策项） 四、待办事项（用表格呈现：事项、负责人、截止时间、优先级） 五、风险与问题（列出需要后续关注的事项） 约束： - 不添加会议中未提及的信息； - 待办事项中“负责人”如果原记录没有明确，写“待指定”； - 语言精炼，不要重复原文表述。 会议记录如下： [粘贴内容]3.5 框架类提示词包装模板
最后给一个“包装器”，用来把你自己已经验证有效的提示词变得更加稳定，适合反复调用。
[系统设定] 你是[角色]，负责[职责描述]。你的工作原则是[2-3个关键词]。 [本次任务] 目标：[一句话说明要完成什么] 输入材料：[粘贴关键词、原始文本、资料] [处理流程] 第1步：[说明第一步该做什么] 第2步：[说明第二步该输出什么] 第3步：[说明最终交付形式] [输出规范] - 格式：[指定结构] - 字数：[明确范围] - 风格：[明确定调] - 禁止项：[列出明显的“不要什么”] [自检要求] 写完后请自查一遍，确认： 1. [检查项1] 2. [检查项2]这个模板的核心价值在于“流程化”：把一个任务拆清楚后，每次调用只需要替换“输入材料”和“任务目标”两个区块，剩下的约束不动，输出的稳定性会非常高。我现在大部分为客户定制的提示词，都是用这个框架搭出来的。
4. 常见问题与排查技巧实录
这个章节是我的“踩坑记录”。以下这些问题，都是我在真实项目中遇到过的，不是凭空想象出来的。
4.1 模型不按照格式输出怎么办
有段时间我让AI批量提取简历信息，明明在提示词里写了“以JSON格式输出，不要输出其他内容”，它还是偶尔在JSON外面包了一层解释文字，或者用中文逗号导致JSON解析失败。我试了几个办法，效果递增。
第一条，在提示词后面追加一句“再次强调：只输出JSON块，不要输出任何说明文字”。有些模型存在“首尾效应”，对末尾指令的执行优先级更高。
第二条，把你要的JSON结构直接写进提示词，并且给一个“填充示例”，让它照着填。
第三条，如果仍然出错，可以在解析端做一层容错：用正则把回答中第一个“{”到最后一个“}”之间的内容提取出来，再去做反序列化。工程上永远不要假设模型的输出100%可控，留好兜底方案。
4.2 角色设定经常失效，输出还是“AI味”很重
我一直觉得“AI味”很大程度上是“没有个性”造成的。模型默认的输出总是四平八稳，形容词堆砌、逻辑过满、没有留白。解决这个问题的办法，不是把角色设定写得更详细，而是在示例里给一个和“AI味”完全相反的范本。
具体操作是：你把角色设定的篇幅削减一半，把省下来的字数用来加一个“反例”。比如你写“不要写成这样的风格：总而言之、首先其次最后、不仅而且”。给模型看一个它不该模仿的坏例子，它反而更容易理解你的边界在哪。我在测试中发现，“正例+反例”结合的方式，比单纯写十条风格指令的效果都好。
4.3 输出内容过于冗长，怎么压缩
大模型的默认趋势是“多说一点”，因为这样看起来更全面。但你往往只需要一个精炼的答案。解决方式不是在提示词里写“请简洁”，而是给出明确的字数上限，同时也给出字数下限。只写上限容易让它压缩过度，丢掉关键信息；只写下限又容易让它注水。双限写法是这样的：
总字数控制在200-300字之间，超过350字的部分会被系统直接截断，请确保核心信息在前300字内完整呈现。
加上“会被截断”这个理由，模型的遵循度会明显提高。
4.4 多轮对话越聊越偏，怎么拉回来
这是使用AI协作时最高频的痛点。特别是用技巧八做任务分解的时候，聊到第三轮、第四轮，模型偶尔会忘记最初的任务目标，开始自由发挥。
拉回正轨的方法是：不重新解释整个任务，而是把第一轮的提示词核心部分再粘贴一次，并加上一句“请回到原始任务的目标”。
还有一个实践中很好用的方式：写一个“任务总纲”放在每轮对话的开头。比如你做一个方案，每轮都先发一行“总目标：完成产品发布会的全案策划。当前阶段：第3步，设计宣传排期。”这样模型每轮都能看到全局，不会跑偏。
4.5 模板在不同场景下效果波动特别大
所有的“万能模板”都有这个通病：换个领域、换个模型，效果可能就从90分掉到60分。原因很简单，模板只是“骨架”，里面的关键信息需要根据场景重新填充，比如不同行业的术语、目标人群、禁忌词都不同。
所以我的建议是：模板要积累，但要根据自己的领域做适配。每当你发现一个模板在某种场景下效果不好，就把它拷贝一份，针对这个场景微调参数，然后命名成“xx领域版本”。用这种方式沉淀自己专属的模板库，比到处收集通用模板更有价值。
5. 最后的操作性建议
做提示词工程这么久，我最大的感受是：不要追求一次写对，而是在用的过程中逐步迭代。你现在看到的这10个技巧和模板库，也不是我一天写出来的，是很多次“效果不好、分析原因、修改提示词、再测试”循环出来的结果。学提示词工程最好的方法，就是拿起一个模板去真实项目里跑一遍，效果不好就结合技巧二的“结构化模板法”和技巧十的“迭代优化法”去调整，跑通以后收藏起来，慢慢你就有自己的方法论了。
另外提醒一句，不同大模型对提示词的敏感度不一样。有些模型严格遵循格式指令，有些则更偏好自然对话。在同一套模板上，如果你换了底层模型，记得先跑两三个测试用例看看效果，不要直接拿正式任务冒险。我自己一般会备一个“提示词快速测试夹”，里面放几段覆盖不同任务的文本，每次换模型的时候先跑一遍，心里有数再开工。
希望这篇内容能帮你少走一些弯路。如果你在工作流里跑出了好用的模板，也建议整理出来，这东西是真的用一次赚一次。
/icon() CSS 指令转换原理与实战)
