返回博客

提示词工程入门:零基础上手指南

掌握高效提示词的五大基本要素——附可直接复制粘贴的示例,立刻就能用在 ChatGPT、Claude 或任何 AI 助手上。

提示词工程入门:零基础上手指南
你在 ChatGPT 里输入了一个再正常不过的问题。结果呢?返回的是一堆空话套话,完全没说到点子上。于是你又试了一遍。又一遍。二十分钟过去,你还在跟一个似乎铁了心要误解你的 AI 较劲。
听着耳熟?你不是一个人。大多数人用 AI 助手时都会撞上这堵墙——不是因为 AI 出了问题,而是没人教过他们该怎么提问。
AI 用得让人抓狂还是用得顺手,差距往往就在你怎么写提示词。Great Learning 的研究指出,提示词模糊是新手最常犯的错误。而解决办法并不复杂——你只需要知道 AI 究竟需要从你这里得到什么。
本指南把提示词写作拆解成五个简单的基本要素。不讲行话,不谈理论——只有你立刻就能上手的实用技巧。

为什么你的提示词没起作用

有个让人不太舒服的事实:AI 助手不会读心术。当你输入“给我写一封邮件”,你心里很清楚自己要什么——收件人是谁、上下文是什么、想要什么样的语气。可 AI 一无所知。它只能猜。而且通常猜得不对。
换个角度想:如果你让一位刚入职的同事“写一封邮件”,他立刻就会反问几个问题。发给谁?目的是什么?要多正式?AI 没法问这些问题,所以只能凭一些通用的假设把空白填上。
解决办法不是把提示词写得更长,也不是用什么花哨的技巧。而是把你本来会告诉那位同事的信息,直接告诉 AI。我们来看看具体怎么做。

高效提示词的五大基本要素

每一条好用的提示词,都包含下面这五个要素中的某种组合:
  1. 任务——你想让 AI 做什么?
  2. 上下文——它需要哪些背景信息?
  3. 角色——它该以什么身份来回答?
  4. 格式——输出该是什么样子?
  5. 示例——“好”的标准长什么样?
并不是每条提示词都要五个要素全到齐。简单的问题可能只需要任务一项。但当结果不理想时,通常是缺了其中的某一项。
高效提示词的五大基本要素:任务、上下文、角色、格式和示例
高效提示词的五大基本要素:任务、上下文、角色、格式和示例

要素一:把任务说具体

任务说得含糊,结果也只能含糊。对比下面这两条提示词:
含糊版:“写点关于市场营销的内容。”

具体版:“为一家咖啡店写三条社交媒体帖子,用来宣布推出一款新的季节限定饮品。”
第二条提示词清楚告诉了 AI 要产出什么(三条帖子构想)、为谁写(一家咖啡店)、写什么(一款新季节限定饮品)。完全不需要它自己猜。
这里有一个可以直接套用的模板:

围绕[具体主题],为[具体受众/用途]写[具体类型的内容]。
再看几个例子:
  • “为一款主打休闲一日徒步用户的防水登山背包,写一段 200 字的产品介绍。”
  • “为我们即将举办的远程团队管理主题网络研讨会,写五个邮件主题行候选。”
  • “帮我礼貌地回复一封会议邀请,因日程冲突无法出席。”

要素二:补上 AI 不知道的上下文

AI 模型是基于通用互联网数据训练的。它不了解你的公司、你的项目,也不了解你的具体处境。如果这些信息很关键——通常都是关键的——你就得主动提供。
没有上下文:“帮我回复这位顾客的投诉。”

带上下文:“帮我回复一位顾客的投诉。背景:我们是一家小型在线植物店。顾客买的龟背竹因为运输途中天气寒冷,叶子到货时已经受损。我们的政策是承担运输损坏并免费补寄。我们希望回复温暖、带歉意,同时主动提供补寄。”
你提供的相关上下文越多,回答就越贴近你的需求。可以从这几个角度去想:
  • 受众是谁?
  • 当时的情况或背景是什么?
  • 有哪些限制条件(字数、语气、格式)?
  • 之前已经尝试过或说过什么?
一个好用的小技巧:把相关文档、过往邮件或参考资料直接粘贴到提示词里。AI 能基于这些上下文,给你一个比泛泛回答有用得多的结果。

要素三:给 AI 指定一个角色

让 AI“扮演”某个具体角色,会改变它处理问题的方式。PromptLayer 的研究指出,角色提示有助于让 AI 进入特定的视角、专业层级和沟通风格。
实际效果对比一下就清楚:

没有角色:“解释一下什么是共同基金。”

带角色:“你是一位理财顾问,正在向一位毫无金融背景的首次投资者解释什么是共同基金。说得简单一点,避免行话。”
几个值得尝试的角色:
  • “你是一位资深文案,擅长邮件营销。”
  • “扮演一位高级软件工程师,正在帮一位初级同事做代码评审。”
  • “你是一位有耐心的老师,正在向一个完全的初学者解释这个概念。”
  • “请以一位持怀疑态度、需要被说服的顾客身份来回答。”
需要注意的一点:在新一代模型中,角色提示的作用不如早期 ChatGPT 时代那么明显。但它仍然有助于设定语气和专业水平,尤其是在与具体上下文搭配使用时。

要素四:明确指定输出格式

AI 默认会输出一段段散文式的内容。如果你想要别的形式——列表、表格、要点、特定字数——就得明确提出来。
默认输出:“给我的简历提点意见。”

指定格式:“审阅我的简历,按以下格式给出反馈: - 3 条优点(每条一句话) - 3 个可改进的地方(每条一句话) - 针对我的个人简介部分,提出 1 条具体建议”
可以考虑的格式选项:
  • 长度:“控制在 100 字以内”或“写一段 500 字左右的详细回答”
  • 结构:“用要点列表”“用编号列表”或“做成表格”
  • 语气:“轻松友好一点”或“使用专业、正式的语气”
  • 风格:“句子要短、有力”或“多举具体的例子”
下面这条提示词就把格式说明用得很到位:

我正在准备一家科技初创公司的面试。请帮我:

1. 列出市场经理岗位常见的五个面试问题
2. 针对每个问题,给出一段简短(2–3 句)的回答思路
3. 列出我可以反过来问面试官的两个问题

语气保持自然轻松,但要专业。

要素五:能给示例就给示例

有时候,想要什么效果,最简单的办法就是直接给 AI 看一个例子。这种技巧——技术上叫“少样本提示”(few-shot prompting)——在你需要某种特定风格或格式、又难以用文字描述清楚时,效果尤其好。
没有示例:“为我们的新款跑鞋写一句产品标语。”

带示例:“为我们的新款跑鞋写一句产品标语。下面是符合我们品牌调性、之前用过的几句标语: - ‘为长跑而生。’ - ‘每一公里,都是赚来的。’ - ‘你的双脚会感谢你。’

请按同样的风格,再写 5 条新选项。”
示例特别适合用在以下场景:
  • 配合特定的写作风格或品牌调性
  • 在多次输出之间保持一致的格式
  • 展示你想要的细节程度
  • 当“好”不好用文字解释时,直接给出参考
你甚至可以反过来给出想要的例子:“避免使用‘创新解决方案’‘业内领先’这类空泛的词——下面是要避开的几种俗套表达……”

把五个要素串到一起

我们来用全部五个要素,组合出一条完整的提示词。假设你需要写一封项目进度更新邮件。
普通提示词:“写一封项目进度更新邮件。”

用上全部五个要素的升级版:

你是一位沟通清晰、表达简洁的项目经理。(角色)

请为我们的网站改版项目写一封进度更新邮件。(任务)

上下文:这个项目共六周,目前已经过了两周。设计阶段已完成,进度正常。开发阶段下周一启动。一个潜在风险:首席开发请病假,可能让第一个迭代延迟 2–3 天。收件人是高管团队,他们想看的是高层进展,而不是技术细节。

邮件格式如下:
- 主题行
- 2–3 句话的整体概述
- 三个要点,说明关键进展
- 一句话说明下一步计划

语气保持专业,但不要僵硬。下面是我们沟通风格的一个例子:“我们整体进展顺利,任何小波折也都在掌控之中。”(示例)
写这样一条提示词花的时间更多,但产出的结果会好得多——你后续花在修改和重生成上的时间反而更少。
对比示意图:含糊提示词与包含五大要素的精细提示词的前后效果对比
对比示意图:含糊提示词与包含五大要素的精细提示词的前后效果对比
如果你发现自己常常在反复使用这类提示词——只是每次替换一下项目名称、受众或上下文——那就可以考虑把它们存成模板。像 PromptNest 这样的工具,可以让你把提示词连同 {{project_name}}{{audience}} 等变量一起保存,需要时填一下空白,就能在几秒钟内复制出一条可直接使用的提示词。

常见问题的快速修复

下面是最常见的提示词问题,以及对应的解决办法:
问题:回答太泛泛。 修复:补充更多关于你具体情况、受众或限制条件的上下文。
问题:回答过长或过短。 修复:明确指定长度:“控制在 150 字以内”或“写至少 500 字,并配合具体例子。”
问题:语气不对。 修复:指定一个角色,并描述语气:“用温暖、对话式的语气来写,就像在向朋友解释一样。”
问题:AI 没理解你想要什么。 修复:给一个“好”的例子,或者明确说出要避开什么:“不要使用技术行话”或者“跳过引言部分,直接进入主题。”
问题:第一次回答还差点意思。 修复:别从头来过。直接基于结果给出反馈:“开头不错,但再精简一些”或“多讲讲对客户的好处,少讲产品功能。”AI 最适合当作对话来用,而不是当老虎机来摇。

好用的提示词,要怎么处理

一旦你写出了一条效果很好的提示词,就别让它埋没在聊天记录里。大多数人最好的提示词正是这么消失的——被几百段对话淹没,等下次需要时再也找不到。
那些把 AI 助手用得最好的人,未必比别人更会写提示词。他们更擅长的,是把好用的提示词保存下来、反复使用。他们慢慢积累出一个属于自己的提示词库,按任务或项目分类,随用随取。
起步可以很简单——手机上的备忘录、一份 Google 文档,只要顺手就行。关键是要有一套自己的系统。
如果你想要一款专门为此打造的工具,PromptNest 是一款原生 Mac 应用,专门用来整理提示词。你可以按项目分组管理提示词、在整个提示词库中搜索,也可以使用像 {{client_name}} 这样的变量,这样就不用为不同情况一遍遍重写同一条提示词了。它在 Mac App Store 上一次性买断 $19.99——无需订阅、无需账号,完全本地运行。

从这里开始

你不需要去背什么框架,也不必专门去上提示词工程的课。只要记住这五个基本要素——任务、上下文、角色、格式、示例——在提示词不奏效的时候,把缺的那块补上。
先从一条你常用的提示词入手。也许是让 AI 帮你起草邮件、总结笔记或头脑风暴。用这五个要素重写一遍,再把结果对比一下。
差距,绝不会是细微的。