前言

很多人拿到大模型的第一反应是——直接问。问完发现回答很水，于是得出结论：“这AI也不过如此。”

但问题往往不在模型，而在提问方式。

同样的模型，用不同的提示词（Prompt），输出的质量可以天差地别。一个好的提示词能让模型输出专家级的内容，一个差的提示词只能得到泛泛而谈的废话。

这篇文章是我过去一年使用各种大模型（ChatGPT、DeepSeek、Claude、Kimi等）总结出来的提示词方法论。不讲虚的，全是经过实战验证的技巧和模板，复制就能用。

一、提示词到底是什么？

1.1 定义

提示词（Prompt）是你输入给大模型的指令或问题。它是你与模型沟通的“语言”。

一个简单的比喻：大模型像一个能力很强但有点“一根筋”的新员工。你给的任务描述越清晰，他干得越好；你只说“去把那个事情处理一下”，他大概率会搞砸。

1.2 为什么提示词这么重要？

原因	说明
模型是被动的	模型不会主动追问，你给什么它就按什么来
输出质量取决于输入质量	模糊的问题 → 模糊的答案；精准的问题 → 精准的答案
可以绕过很多“缺陷”	好的提示词能显著降低幻觉、提高格式规范性
零成本优化	不需要重新训练、不需要微调，改几句话就能提升效果

2025年以来，提示工程已经从简单的指令编写发展成一门涉及心理学、语言学、逻辑学等多个领域的系统化学科。

二、提示词的五大基础原则

2.1 原则一：清晰具体，不要模糊

❌ 差：

“写一篇关于机器学习的文章。”

✅ 好：

“写一篇面向Python开发者的机器学习入门文章，字数1500字左右，包含一个用scikit-learn训练线性回归模型的代码示例，语言风格通俗易懂。”

为什么？ 前者模型不知道：写给谁看？多长？什么风格？要不要代码？所有这些不确定性都会降低输出质量。

2.2 原则二：赋予角色（Role Prompting）

让模型扮演特定角色，能显著提升输出质量。

❌ 差：

“解释一下什么是Transformer。”

✅ 好：

“你是一位有10年经验的AI算法工程师，请用通俗易懂的语言向刚入门的初级开发解释Transformer的核心原理，重点讲清楚注意力机制是什么，用生活化的比喻。”

原理：角色设定给了模型一个“身份框架”，它会调用与该身份相关的知识结构和表达方式。

2.3 原则三：提供示例（Few-shot Prompting）

在提示词中给1-3个输入输出的例子，模型会模仿示例的格式和风格。

❌ 差：

“将以下产品描述改写为营销文案：这款保温杯采用304不锈钢材质，保温效果长达12小时。”

✅ 好：

text

请将产品描述改写为营销文案，参考以下示例：

示例1：
输入：这款耳机采用降噪技术，续航20小时
输出：沉浸式降噪，一整天不断电——20小时超长续航，让音乐陪你从早到晚

示例2：
输入：这款背包使用防水面料，容量30升
输出：风雨无阻，装下整个世界——30L大容量防水背包，通勤旅行一包搞定

现在请改写：这款保温杯采用304不锈钢材质，保温效果长达12小时。

2.4 原则四：分步指令（Chain of Thought）

对于复杂任务，让模型分步骤思考，而不是一步到位。

❌ 差：

“分析这家公司的财务状况并给出投资建议。”

✅ 好：

text

请按以下步骤分析这家公司的财务状况：
第一步：分析近三年的营收增长趋势
第二步：分析毛利率和净利率的变化
第三步：分析资产负债率是否合理
第四步：基于以上分析，给出是否值得投资的建议

这就是思维链（Chain of Thought） 的核心思想——让模型展示推理过程，而不是直接给答案。推理模型的出现进一步强化了这一趋势：在推理模型时代，更有效的方式是给出清晰的目标，让模型自主决定如何达成。

2.5 原则五：设定输出格式

明确告诉模型你想要的输出格式。

示例：

text

请整理以下会议纪要，按以下格式输出：

【会议主题】
【参会人员】
【讨论要点】（分条列出，每条不超过30字）
【待办事项】（分条列出，标明负责人和截止日期）
【下次会议时间】

三、进阶技巧

3.1 思维树（Tree of Thoughts）

让模型生成多个可能的解决方案，然后评估选择最优的一个。

示例提示词：

text

请为解决“如何提高团队协作效率”这个问题，生成3个不同的解决方案，分别评估每个方案的优缺点，然后推荐最优方案并说明理由。

3.2 自我一致性（Self-Consistency）

让模型多次回答同一个问题，然后综合多次回答得出最终答案。特别适合数学推理类问题。

示例提示词：

text

请用三种不同的方法解答以下数学题，然后对比三种方法的结果，给出最终答案。

3.3 反事实提示（Counterfactual Prompting）

让模型从反面思考问题，可以发现盲点。

示例提示词：

text

请分析这个产品方案可能失败的所有原因，然后针对每个原因提出预防措施。

3.4 迭代优化

不要指望一次写出完美提示词。好的提示词是改出来的。

流程：

1. 写出初版提示词

2. 运行，看输出

3. 分析输出的问题（太短？太泛？格式不对？）

4. 修改提示词（更具体、加示例、调角色）

5. 重复直到满意

四、结构化提示词模板

4.1 通用模板

这是我常用的一个通用提示词结构，适用于大多数场景：

text

# 角色
你是一位[领域]专家，拥有[X年]经验。

# 任务
请[具体描述你要模型做什么]。

# 背景信息
[提供必要的上下文、数据或材料]

# 输出要求
1. [格式要求]
2. [长度要求]
3. [风格要求]
4. [其他要求]

# 示例（可选）
输入：[示例输入]
输出：[示例输出]

# 现在请处理以下内容：
[你的具体问题或材料]

4.2 代码生成模板

text

# 角色
你是一位资深[语言]开发工程师，擅长编写高质量、可维护的代码。

# 任务
请编写一个[功能描述]的[语言]函数/类。

# 要求
1. 代码需包含完整的类型注解
2. 需添加详细的函数/类注释（中文）
3. 需包含错误处理逻辑
4. 需附带一个使用示例

# 约束
- 不依赖第三方库（或：仅依赖[具体库名]）
- 代码需兼容[Python 3.10 / 其他版本]

# 请开始编写

4.3 内容创作模板

text

# 角色
你是一位资深[领域]内容创作者，擅长撰写[风格]的文章。

# 任务
请撰写一篇关于[主题]的文章。

# 要求
1. 字数：[X]字左右
2. 结构：引言 → [分点论述] → 总结
3. 风格：[通俗易懂 / 专业严谨 / 幽默风趣]
4. 目标读者：[描述读者群体]

# 参考资料（可选）
[粘贴相关材料]

# 请开始创作

五、不同场景的提示词示例

5.1 代码调试

text

你是一位资深Python工程师。下面这段代码运行时抛出异常，请帮我分析原因并给出修复方案。

[粘贴代码和报错信息]

请按以下格式回答：
1. 错误原因：（一句话概括）
2. 修复方案：（给出修改后的代码）
3. 预防建议：（如何避免类似问题）

5.2 文档总结

text

请用三段话总结以下文档的核心内容：

第一段：文档要解决什么问题
第二段：文档提出的核心方案是什么
第三段：方案的关键步骤和预期效果

[粘贴文档内容]

5.3 邮件撰写

text

请帮我撰写一封[正式/非正式]的邮件：

收件人：[描述收件人身份]
目的：[描述邮件目的]
需要包含的要点：
- [要点1]
- [要点2]
- [要点3]

语气：[专业友好 / 正式严肃 / 轻松随意]

5.4 数据分析

text

你是一位数据分析师。请分析以下数据，回答以下问题：

数据：[粘贴数据或描述数据]

问题：
1. 数据的整体趋势是什么？
2. 是否存在异常值？如果有，在哪里？
3. 请给出3条可操作的业务建议。

请用表格和文字结合的方式呈现分析结果。

5.5 翻译优化

text

请将以下中文翻译为英文，要求：
1. 保持专业术语的准确性
2. 语气正式但不生硬
3. 如果原文有歧义，请先澄清再翻译

[粘贴待翻译内容]

六、常见误区与避坑指南

误区	正确做法
提示词越长越好	提示词要精炼，过长反而会让模型“分心”，关键信息被淹没
一次问多个问题	一次聚焦一个问题，多个问题分开问
用否定句	少用“不要……”，多用“请……”；模型对否定指令的理解往往不准确
忽略模型特性	不同模型擅长的东西不同，DeepSeek擅长推理，Claude擅长长文本，根据任务选模型
一次就想完美	提示词需要迭代，接受“初版不行，改一版就好”
不给上下文	模型不知道你脑子里想什么，把背景信息都给出来

一个典型误区案例

❌ 差：

“不要写太长，不要用专业术语，不要跑题。”

✅ 好：

“请用300字以内、通俗易懂的语言，围绕‘Transformer的核心创新是注意力机制’这个主题展开。”

为什么？ 否定句“不要写太长”模型不知道多长算长；而“300字以内”是明确的约束。

七、实战案例：从差到好的完整演变

案例：让模型帮你写一份周报

第1版（极差）：

“帮我写周报。”

输出：一段泛泛的模板，毫无价值。

第2版（改进）：

“你是一位项目经理，请帮我写一份本周的工作周报。”

输出：有了角色，内容稍微具体了一点，但还是太模板化。

第3版（继续改进）：

“你是一位项目经理，请帮我写一份本周的工作周报。本周我完成了三个任务：完成了用户登录模块的开发、修复了5个线上Bug、参加了两次需求评审会议。”

输出：内容具体了，但格式是纯文本，不够规范。

第4版（最终版）：

text

# 角色
你是一位资深项目经理，擅长撰写结构清晰、重点突出的周报。

# 任务
根据以下工作内容，撰写一份本周工作周报。

# 本周工作内容
1. 完成了用户登录模块的开发（含前端页面+后端API）
2. 修复了5个线上Bug（其中3个为P0级紧急Bug）
3. 参加了两次需求评审会议（电商大促活动需求）

# 输出格式
## 本周工作概述（一句话总结）
## 重点工作详情（分条列出，每条含：工作项、完成情况、遇到的问题）
## 下周工作计划（分条列出）
## 需要协调的事项（如有）

# 风格要求
语言简洁专业，用数据说话，避免空话套话。

输出：一份可以直接发给领导的结构化周报。

八、针对不同模型的提示词策略

不同模型有不同的“性格”，提示词策略也需要微调：

模型	特点	提示词策略
DeepSeek	推理能力强、中文优秀	适合复杂推理任务，可以给较少的引导，让它自己思考
ChatGPT (GPT-4)	综合能力强、指令遵循好	适合大多数通用任务，按标准模板即可
Claude	长文本处理强、代码能力突出	适合处理长文档，可以一次性输入大量材料
Kimi	超长上下文	适合处理超长文档，如整本书、完整代码仓库
Llama / Qwen	开源、可本地部署	指令遵循能力相对弱一些，提示词需要更清晰、更结构化

九、总结

提示词工程的核心，说到底就三句话：

1. 说清楚你要什么（角色、任务、格式、约束）

2. 给够上下文（背景信息、示例）

3. 接受迭代（第一版不行就改，改到行为止）

我把本文的核心内容整理成一张速查表：

技巧	一句话说明
角色设定	告诉模型“你是谁”
具体化	模糊的问题得到模糊的答案
Few-shot	给1-3个例子，让模型模仿
Chain of Thought	让模型分步骤思考
格式约束	明确告诉模型怎么输出
迭代优化	好的提示词是改出来的

最后的建议：

1. 刚开始练习时，强制自己使用结构化模板，养成好习惯

2. 每次用完提示词，复盘一下哪里可以改进，形成自己的经验库

3. 不同模型能力不同，根据任务选择合适的模型

4. 提示词工程不是一次性的工作，随着模型升级，你的提示词策略也需要调整

📌 本文所有模板和示例均可直接复制使用。

---

如果本文对你有帮助，欢迎点赞、收藏、转发！