提示词工程这个词我念叨了好几年了从最早在实验里为了一句话翻来覆去改十几个版本到现在已经能把模型跑得像一个固定工种的老员工中间踩过的坑比写过的提示词还多。你要是用过对话式大模型大概率也遇到过这种场景你说“帮我写个方案”模型给你甩出一堆正确的废话反过来你把要求改成“你是战略部的老咨询请用三页纸的框架输出一份产品冷启动方案每部分必须给出渠道、预算、时间节点和可量化指标”输出水准立刻就不一样了。这两者之间差的就是提示词工程而那些能复用的结构化写法最后沉淀成了我的模板库。这篇就解决一个问题怎么在不说废话的情况下把大模型的能力真正调出来。我会把日常干活频率最高、改动成本最低的10个技巧全部拆开讲每个都配上可以直接拿去用的模板并给你看它背后的原理是什么。适合所有正在用大模型工作的人——文案、研发、产品、运营都适用老手也可以看看有没有自己漏掉的细节。1. 提示词工程的底层逻辑从“命令”到“编排”1.1 为什么同一个模型不同的人用出来像两个模型大模型本质上是个概率系统你给它什么输入它就在下一层概率空间里挑什么。很多人忽略了一个事实模型没有义务“理解”你的意图它只有“延续”你上下文的本能。这就是为什么同一个模型有人能调出咨询公司的报告水平有人只能得到百度百科式回复——差异不在模型而在写提示词的人。提示词工程最核心的转变是把“命令”转成“编排”。命令式的提示词是“写一下某产品的推广计划”模型只能靠猜编排式的提示词则是给模型一个完整的工作位置、一份输入材料、一组输出要求和几条禁止事项相当于你把任务拆好、材料摆好、验收标准讲明白了模型只需要按部就班执行。这也是我从实战里体会最深的一点模型的能力是固定的性能上的差异来自“脚手架”搭得够不够好。实际干活的时候我甚至会把提示词当成“给新员工的入职培训”来写。新员工刚进公司你让他“把这事儿搞定”他一定抓瞎但你要是告诉他“你是市场部的专员以前做过三年快消品推广现在要为一款新品写一份上市计划下游是投放团队格式要求用PPT大纲呈现优先考虑抖音渠道”他马上就知道该干什么。模型也是一样它不缺知识缺的是一个清晰的工作框架。1.2 提示词工程和上下文工程的关系别搞反了最近圈子里流行一句话上下文工程是提示词工程的上位概念。这句话我得展开说清楚因为它直接影响你的调优思路。提示词工程聚焦的是“那一段指令怎么写”但模型每一次生成都基于当前上下文窗口里的所有内容——历史对话、参考资料、示例、甚至之前某轮输出的中间结果全部都在影响生成质量。上下文工程强调的是把整个对话环境当作一个动态系统来经营每次对话要吃进多少资料、放多少示例、留多大的生成空间、如何通过多轮对话逐步逼近目标、什么时候该重置上下文、什么时候该把历史内容压缩成摘要再喂回去这些都是上下文工程的范围而提示词只是其中最显眼的一小块。这个视角调整对实战非常重要。很多人遇到效果不好就死磕提示词本身改来改去都是那一句话的事却忽略了真正的问题可能出现在上下文结构上。比如你给模型喂了一段很长的背景资料但背景里混着大量无关信息模型就容易被带偏这时候不管你怎么改写那最后的指令输出都不会理想。理解这层关系之后你就不会死盯着提示词而是会去审视整个对话流程这是入门和进阶的分水岭。2. 技巧一~三把提示词写成“任务说明书”这三个技巧解决的是最基础的问题让你的提示词从“一句话需求”升级成“完整任务描述”。我管这套组合叫“任务说明书”写法它包含角色定义、输出格式、示例注入三块三块同时用上提示词的稳定度会有质的提升。2.1 技巧一角色扮演 职责边界角色不是用来戴高帽的角色扮演是最容易见效、也最容易被用错的技巧。很多人写“你是一名优秀的文案”这几乎没用因为“优秀”太抽象了。正确写法是“你是一名服务过大消费行业的品牌营销顾问你的上游是产品经理下游是投放团队你需要输出的内容会直接用于信息流广告投放”。说白了角色不是给模型戴高帽是给它划定知识范围和工作边界。你给它的定位越具体它调用的知识库就越聚焦。我日常用的角色模板长这样你是{行业}领域且有{年限}年经验的{职业}。 你的交付物将由{下游角色}直接使用用途是{具体场景}。 在回答前先复述一遍你对任务的理解如果有不确定的地方就提出来不要直接输出结果。别小看最后那句“先复述任务”这是我加了之后效果提升最明显的一步。模型一旦把你让它做的任务用自己的话重述一遍它就等于主动锁定了解题方向后面生成的内容离题概率大幅下降。你可以理解为这相当于让新员工在开工前把任务复述给你确认你先别急着干活先把方向对齐了再动手。模板库提示我把“角色—下游—场景—确认”四要素叫做角色模板的最小闭环。单给角色不给场景角色是虚的给了场景不给下游模型不知道给谁干语气和深度都会失真。2.2 技巧二明确输出格式甚至直接给模板骨架模型生成时是逐词预测的但它对“格式”的响应特别敏感。你只要把格式写清楚输出的稳定度和可读性能提升一大截。比如要求“输出markdown表格三列渠道、预算占比、预期ROI”它就会老老实实填表你要是不说格式它大概率给你写一大段散文你要的信息还得自己从文字里扒拉。输出格式有两种写法描述式和示例式。描述式适合简单格式示例式适合复杂格式。比如复杂模板我一般是直接给它一个骨架让它往里填请按以下结构输出 # 方案标题 ## 背景与问题不超过5行 ## 目标用SMART格式 ## 执行策略分3条每条必须有时间节点和负责人 ## 风险与应对表格列风险、概率、应对措施这一招在技术写作和方案类任务里特别管用因为你不仅约束了结构还约束了每个模块的深度和格式。模型不会再把方案写成空话集合因为它每写一块都有一块的具体要求盯着。还有一个细节当你要求输出表格时最好指定列名否则模型会自己发明列名结果可能不是你想要的信息。2.3 技巧三少样本示例Few-shot效果最稳的老黄牛少样本是提示词工程里的“老黄牛”方法看起来不起眼但效果极其稳定。做法是在提示词里给模型2-3个输入输出对让它模仿这种对应关系处理新输入。它特别适合格式敏感、风格敏感、判断标准主观的任务。比如你想让模型把用户评价转成固定结构的情感分析结果给一个示例它就会了不给它可能会自己发明格式。输入物流太慢了包装也破了。 输出物流差评包装差评整体态度负面 输入客服态度很好帮了大忙但价格有点贵。 输出客服好评价格中评整体态度偏正面 输入{待分析内容} 输出这里有个我自己踩过的坑示例必须覆盖到任务里的边界情况。如果任务可能出现“中立”的选项但示例里没给模型就永远输不出中立如果任务可能遇到“既夸又贬”的情况但示例里只给了一边倒的评论模型就只会一刀切。所以选示例不是随便找两句凑数的它本质上是在定义你的“分类空间”和“输出边界”你在给模型划一个看不见的框。3. 技巧四~七控制生成过程别等结果出来再后悔上一章三个技巧管的是“任务长什么样”这一章四个技巧管的是“生成过程怎么走”。很多人以为提示词只能在开头写一次其实生成过程本身也是可以“编程”的。思维链、负面约束、温度参数、迭代反思这些都是过程控制的手段它们决定了模型从输入到输出的路径。3.1 技巧四思维链与分步思考让逻辑漏洞无处藏身基础思维链的写法非常简单在提示词末尾加一句“请一步一步思考并把思考过程写在输出里。”就这一句话在数学题、逻辑推理、策略分析上的正确率能提升不少。原理也不复杂——大模型直接给结论的时候容易跳过中间校验步骤而把它逼到“必须在过程中推理”等于强制它把每一步的逻辑链条都过一遍错误自然就减少了。但这里也有一个坑如果你要求它输出思考过程它可能会把过程写得又长又乱最后的关键结论反而淹没在一大堆中间推理里。所以后来发展出了“隐藏思维链”的写法让模型先自己思考但最终输出只留结论和依据。我实际用的版本是请回答以下问题不要直接给结论 1. 先列出影响这个问题的主要因素 2. 对每个因素做简单评估 3. 基于上述分析给出最终建议 4. 最终输出中只保留第3步的建议和第2步的关键依据其余思考过程不输出。有意思的是“隐藏思维链”在一些商业API中有争议因为服务方认为思考过程可能泄露内部提示或安全问题所以如果你用的模型不支持隐藏思维链写法就退而求其次让它只输出“关键推理步骤”而不是完整的逐字思考过程。做法上灵活一点核心原则不变不逼模型分步思考它就容易跳步一跳步就容易出错。3.2 技巧五负面约束你要明确告诉模型“不做什么”负面约束就是明确告诉模型“不要做什么”。模型对否定词的响应其实比大多数人想象的好但前提是“否定内容要具体”。你写“不要写得像AI”这约束太抽象了模型根本不知道怎么做到。你得说“不要使用‘总之’‘此外’‘综上所述’这样的连接词不要给出空洞的建议每一条判断必须有具体的证据支撑”这样模型才真的有方向去改。负面约束通常放在格式要求之后起到“护栏”的作用。它能把模型从“讨好用户”的默认倾向里拉出来防止模型写一堆废话。我模板库里的负面约束一般是清单式挂在最后禁止事项 - 不要输出礼貌的废话例如“希望以上建议对您有帮助” - 不要重复用户问题中的表述 - 不要使用模糊量词如“大约”“可能”“比较”除非数据来源明确 - 不要编造数据数据不足时直接说明“未找到相关数据”。有这么一层护栏输出质量立刻会显得“有骨头”。我见过不少同学加了负面约束之后第一反应是“咦模型怎么突然不像AI了”其实就是因为原来那些“AI味”就是模型为了凑语料平滑度而生成的冗余成分盾牌把冗余给挡掉了。3.3 技巧六温度参数要和提示词配合着调这个技巧要提醒一下不是所有对话式界面都暴露温度参数但如果你用的是API这个参数被很多人低估了。温度决定了生成时概率分布的“贪心程度”温度越低输出越确定、越保守温度越高输出越多样、越跳脱。写代码、做数据清洗时我一般开0.1到0.3写营销文案、头脑风暴时开到0.7到0.9。但温度不是万能旋钮。我自己的经验是如果你发现模型在同一个问题上反复输出几乎一样的回答大概率不是温度问题而是提示词里给的信息太少把模型逼到了唯一安全的路径上。这时候你应该先补充背景、示例、约束把提示词的信息密度提升上去然后再考虑调温度。先加信息再调温度顺序不能反。另外温度过低还会带来一个隐藏问题模型会倾向于高频词和常见搭配输出的内容会显得特别“标准”甚至有点乏味。温度过高则容易胡言乱语。所以写不同任务时我习惯把温度当成一个“创意开关”而不是“质量开关”。低质量不是调出来的是靠提示词结构撑住的温度只是在这之上微调风格。3.4 技巧七迭代与反思把“一次生成”变成“多轮打磨”迭代式提示词是一整类技巧核心思路是把单次生成改成“初稿 自查 修改”的多轮过程。你可以很轻量地让模型自己检查“请检查你上面输出的内容找出其中不符合要求的部分并修改。”这种做法特别适合长文档生成、代码审查和方案设计因为单轮生成的质量上限通常不高但模型给你一版初稿之后再做自我修订的能力往往被低估。我这里常用的反思提示词模板是这样你已经输出了第一版结果。请对上述输出执行以下检查 1. 事实性是否有未经确认的数据或事实 2. 完整性用户的问题是否得到了全面回应 3. 格式性是否严格遵循了预设格式 4. 简洁性是否有可删减的重复内容 最后输出修改后的版本并在末尾列出你所做的3个关键修改点。最后那句“列出发修改点”特别有用它逼着模型去对比两版结果而不是糊弄你。如果你发现修改后的版本变化不大说明第一版已经接近它的能力上限你就该考虑换提示词结构、补资料或者拆分任务了。改了一版还不满意就再来一轮但一般两轮之后边际收益就很低了所以我会控制在两轮以内不浪费时间和tokens。4. 技巧八~十高级结构与上下文工程再进阶一步这三条技巧就没有前七个那么“新手友好”了但它们决定的是你能不能从“大部分时候可用”进化到“稳定可靠”。它们的共同点是把目光从“提示词那一句话”转移到“整个上下文结构和对话流程”上也就是我在第一章说的上下文工程思维。4.1 技巧八用XML标签分隔上下文让模型分清主次当你需要在一个提示词里传入多段不同用途的内容时比如背景资料、用户指令、示例、待处理数据如果全堆在一起模型容易混淆主次。我的做法是用XML标签来分段——虽然模型不一定真的理解XML语义但这类标签在训练语料里大量出现模型对它们的“分段感”很熟悉。背景 公司是跨境家居品牌目标市场是美国主打产品是可组装书架。 /背景 指令 基于背景输出10条独立站落地页的标题候选。 /指令 示例 输入产品关键词“一桌多用折叠餐桌” 输出一面工作一面用餐小空间的大救星 /示例 待处理 请为“宠物友好型收纳柜”生成标题候选。 /待处理标签的意义不仅是格式问题更是“上下文隔离”。它让模型知道什么是稳定不变的背景、什么是当前要处理的任务。这一点在多轮对话中尤其重要如果没有分隔模型可能把背景信息误解成用户问题或者把上一轮结果和当前要求混在一起。我现在写任何复杂一点的提示词都会用这种标签结构即使看起来啰嗦一点但效果非常稳。4.2 技巧九把流程拆成多轮对话不追求一步到位一次提示词能承载的信息量是有限的上下文窗口再大输出稳定性也会随着要求变多而下降。我的经验是当任务复杂度超过3个维度时就把它拆成多个子任务通过多轮对话逐步完成。比如做一个市场调研报告我不会让模型一次告诉我所有结论而是第一轮“基于附件提取目标用户画像给出5个核心特征。” 第二轮“针对上面5个特征各自列出一个最合适的渠道组合。” 第三轮“基于前两轮的输出写一份包含执行顺序和时间节点的落地方案。”这种做法的好处是每一轮模型处理的信息维度少、目标明确输出质量自然更高。而且每一轮的输出都可以作为下一轮的输入材料这样信息是逐层加工的而不是一次性扔给它让它在短时间内消化。很多依赖复杂长任务的人最后都回归到了这种“对话流水线”模式。这个过程里你还能做一件普通提示词做不了的事你可以在每一轮之间人工介入。看到第一轮生成的用户画像有问题你直接在第二轮开始前修正模型会沿着你的修正往下走。这比在最终结果里挑毛病、期待模型自己改要高效得多。4.3 技巧十主动要求它“反问你一次”别让它盲目猜测这个技巧看起来不起眼但在复杂任务里极其好用。当任务本身有歧义或选项太多时直接让模型先提问再回答。做法是在提示词尾部追加“如果任务中有任何信息不明确先列出你需要澄清的问题不要直接开始。”效果立竿见影。举个例子你让模型“设计一套会员体系”它可能按自己的想象直接开始设计输出一堆不能用的东西。但加上“先提5个你的疑问”之后它会主动问你当前客单价是多少用户增长目标是拉新还是留存会员权益是否涉及实物成本这时候你再补一轮信息比让它瞎猜十轮都强。这种“反问”式写法本质上是把模型从“生成模式”切换到“理解模式”。生成模式下模型急着给结论理解模式下模型先做信息收集。复杂任务中最怕的就是信息还没对齐模型就给你一个漂亮但跑偏的答案后期的纠错成本比事前多问一句高得多。5. 模板库10个可直接复制的场景模板我知道很多人看技术文章最烦“道理都懂上手就废”所以这一章我把实战中最常用的10个场景模板直接列出来。每个模板都按前文技巧做了结构设计你可以复制后用方括号里的内容替换成自己的信息。我强调一遍模板的作用是提供骨架不填肉是没用的。5.1 深度分析模板你是研究助理。请针对以下素材输出一份结构化的深度分析 1. 素材的核心观点提炼3条以内 2. 素材中的逻辑漏洞或潜在风险 3. 如果我想利用这个观点做一个{目标}你会给出3条策略建议 4. 每条策略建议必须包含具体操作、所需资源、预期风险和可行性评分1-10。 素材 {粘贴素材}这个模板适合竞品分析、行业报告阅读、论文拆解等场景。核心设计思路是“提炼—批判—应用”三段式强迫模型从被动复述升级为主动分析。5.2 会议纪要模板请将以下会议记录整理成结构化会议纪要。要求 - 一级标题会议结论 - 二级标题待办事项用表格列负责人、截止时间、优先级 - 三级标题未决问题 - 不要保留寒暄和客套话 会议原文 {粘贴内容}会议纪要最怕的就是模型把口水话也整理进去所以负面约束写得很明确不要保留寒暄和客套话。你只需要把会议原稿或者语音转文字结果丢进去它就能帮你提炼出干货。5.3 代码调试模板你是资深{语言}工程师。下面这段代码在{场景}中出现了{问题}。 请用以下顺序分析 1. 问题可能原因排序概率从高到低 2. 对每个原因指出对应的代码行 3. 给出修改方案并说明修改后可能出现的新副作用 4. 最后给出一个最小可复现用例的构造方法。 代码 {粘贴代码}我特别强调第3点“修改后的新副作用”因为模型经常只给乐观看。一旦你提醒它会引入新问题它给出的方案就会更保守务实而不是追求“好看的重构”。5.4 营销文案模板你是品牌策划产品是{产品名}核心卖点是{卖点}目标用户是{用户画像}。 请输出3版不同风格的短文案每版不超过80字 风格A理性说明书直接说参数和场景 风格B社交分享体有情绪、有画面 风格C悬念开场只说问题不直接揭露卖点 注意禁止使用感叹号堆砌和夸大用语。3版不同风格的输出对实际运营特别有用因为同一篇文案在不同渠道的表现是不一样的给投放同学多几个选项比只给一个“最优解”更实际。5.5 学习解释模板你是老师请用费曼学习法解释{概念}。 要求 1. 先给一个生活化类比 2. 再讲准确的技术定义 3. 给出一个核心示例从输入到输出一步步拆解 4. 最后提一个学生最容易误解的地方。这个模板对培训、写文档、做知识分享的人都很好用。第4点是精华因为模型通过分析“学生最容易误解的地方”等于帮你预判了读者会卡在哪里。5.6 用户故事拆解模板请把下面的用户反馈拆解成结构化用户故事。 格式为作为{角色}我想要{功能}以便{目的}。 要求 1. 提取至少3个不同的角色视角 2. 每个故事后附带一个对应的验收标准 3. 如果反馈里有情绪化表达请把背后的真实诉求提炼出来。 反馈 {粘贴内容}5.7 方案优劣势对比模板请对比以下{方案A}和{方案B}。要求输出四段式结构 1. 各自的适用场景 2. 实施难度对比用1-5分制 3. 落地后的潜在成本包括隐性成本 4. 如果只能选一个你的建议和理由。 方案A{描述} 方案B{描述}5.8 内容改写润色模板请将下面的文字改写成{目标风格}。要求 1. 保留所有事实信息不增加新事实 2. 句均长度控制在{20}字以内 3. 去掉所有“的、了、呢”之类的冗余助词 4. 改写后给出一个“改写说明”列出做了哪些调整。 原文 {粘贴文字}5.9 数据分析解读模板下面是一组{数据指标}的变化数据。请你做三件事 1. 用自然语言描述趋势变化不要罗列数字 2. 提出两个可能影响趋势的因素假设 3. 如果要验证这两个假设需要再看哪些数据。 数据 {粘贴数据}5.10 智能体任务拆解模板你是系统架构师。请把任务“{任务描述}”拆解成可交给AI智能体执行的工作流。 要求 1. 输出步骤数不超过{6}步 2. 每一步标明输入信息、处理逻辑、输出物 3. 标注哪些步骤可以并行 4. 找出整个流程中最容易失败的环节并写好兜底方案。6. 常见问题与排查技巧实录这一章是我自己实际使用中遇到的问题汇总。模型输出不是工程代码没有报错日志所以排查方式更像“中医辨证”而不是“西医拍片”但按顺序查大部分问题都能定位。6.1 输出不是我要的先检查提示词里的“歧义四板斧”遇到模型输出不对先别急着怪模型。我一般按这个顺序排查第一步看是不是问题太宽泛也就是没给背景、用户、场景模型只能靠猜这种情况补上“任务说明书”三要素就行第二步看是不是没有格式要求模型写了一堆散文你想要的表格或编号列表根本没有补输出格式即可第三步看是不是没有边界约束模型输出的内容方向偏了、长了、口吻假了加负面约束清单第四步看是不是没有参考示例模型用自己的理解造了一个格式或风格补few-shot就能解决。四步走完90%的问题都能解决。我还把这套排查法叫作“提示词排错四板斧”因为它确实是性价比最高的定位方式。剩下的10%如果还不对那就不是提示词问题可能是模型本身的能力边界问题或者任务确实太难需要拆解成多轮对话。6.2 模板复用时为什么“水土不服”很多人在模板库找模板直接复制却发现效果不好原因很简单模板是干骨架你必须往里填满信息。“目标用户”不是让你填“白领女性”而是要填“20到30岁的一二线城市用户有健身习惯对奶茶有负罪感愿意为低卡零食多付30%的价格”填得越细模型输出越对。模板的价值在于提供结构而结构只对填充了血肉的数据有效。模板不是魔法它只是一个帮你把信息编排整齐的容器。提示任何模板都不建议在未修改背景信息的情况下直接使用。模板里留的每一个空位都是模型需要你提供的信息。6.3 上下文窗口不够用怎么办这个我提过多次了但当任务要用到大文件时答案是不要一次性把整篇文档塞进提示词。先做摘要、切片或只提取关键段落再放进去。这看起来是上下文工程问题但操作结果会直接反馈在提示词的最终效果上。你喂进去的资料质量决定了模型产出的上限。喂垃圾进去提示词写得再漂亮也白搭。另外多轮对话时旧内容会越积越多容易把新的指令稀释掉。我一般会主动告诉模型“忽略我们之前关于X的讨论”或者干脆开启新对话把上一轮的提炼结果作为新对话的上下文。这样既能保留有效信息又能甩掉无效信息让上下文窗口保持“清爽”。6.4 同一个模板为什么不同模型效果差很多不同模型对格式、角色、示例的敏感度确实不一样。有的模型你给它XML标签它完全无感有的模型对markdown结构特别敏感。我自己维护模板库时会在每个模板上标注“在哪个模型上测试过”这不是偏见而是实打实的观测。换模型后建议先跑最小样例做回归测试再决定要不要调整提示词里的格式标记。根据我的经验指令遵循能力强的模型对结构化提示词的响应普遍更好所以模板库在指令微调做得好的模型上效果最明显。如果你用的是一个指令遵循能力较弱的模型那就要把提示词写得更直白、更口语化少用压缩格式多用完整的说明句。我写这篇的时候脑子里全是过去那些被模型“折磨”的瞬间。提示词工程不是玄学它就是一项和概率模型沟通的工程技能需要不断积累经验。这10个技巧和模板库如果能让你少走一半弯路那就值了。如果非要说一个最重要的心得那就是把模型当作一个极其聪明但没有常识的新员工然后认真写“任务说明书”。说明书写清楚了员工就不会跑偏。