目录
同样的 AI、同样的问题——有的人却说它"没什么用"，另一个人却惊叹它"能干得几乎过头了"。造成这种差距的真正原因，往往并不是 AI 的能力，而是提示词（即指令）是怎么写的。AI 就像一位才华出众却读不懂你心思的新人：你给出的指令质量，在很大程度上决定了你拿回来的答案质量。
本文是把这项技能——提示词工程——整理成一份实用大全，让初学者也能立刻上手。简而言之，诀窍就是时刻记住"好提示词的 6 个要素（角色、背景、指令、示例、格式、约束）"，并且通过对话不断打磨，而不是一次就想写到完美。我们把 OpenAI、Anthropic、Google 的公开指南都共同推荐的方法，用通俗的语言浓缩到了一页里。具体案例可参阅让 AI 帮你做应用时的提示词技巧，安全方面可参阅输入信息时的注意事项。
好提示词由"6 个要素"构成
— 并不需要全部用上，只补齐你需要的那几个即可
这六项，正是COSTAR、RCOF 等全球主流框架都共同列出的要素。与其死记硬背，不如一边写一边问自己："现在缺的是哪一项？"
*本文介绍的技巧，是对各家公司（OpenAI、Anthropic、Google 等）公开指南与研究中广泛推荐的通用方法的归纳。其效果会因模型、任务和输入而异，结果无法保证。
1. 什么是提示词工程？
提示词工程，就是设计并改进你的指令（提示词），让 ChatGPT、Claude、Gemini 等 AI 返回你想要的答案的技能。它并不是高难度的编程，而更接近"如何把话说好的功夫"。
提示词工程 =「组织好对 AI 的指令，让期望的答案返回，并加以测试和修正的技能」。它设计的是词语，而不是代码。任何人今天就能开始练习。
为什么它有效？如今的 AI（大语言模型，即 LLM）是通过"较为合理地"预测给定文本接下来应该如何延续，来构建答案的。换句话说，改变入口处的词语（提示词），出口处的答案就会发生巨大变化。对于完全相同的问题，仅仅加上角色、背景或输出格式，就能大幅提高准确度和可用性——这正是提示词工程的力量。不需要什么特殊天赋。记住"套路"，再多修正几次。仅凭这一点，谁都能变得更好。
2. 改变结果的三大原则
在那些精细技巧之前，先把支撑一切的三条原则牢牢掌握。漏掉这些，再多技巧也只会原地空转。
① 要具体
"弄好看点"是不行的。要用数字和条件写清给谁、做什么、做到什么程度。含糊只会招来 AI 自己的猜测。
② 给出背景
交代背景、目标和受众。AI 并不了解你的处境。你共享的前提越多，它就越切中要害。
③ 指定输出
事先定好你想要的形态——表格、要点、篇幅、语气。定下形式，内容就会各就各位。
还有一个不起眼但很有效的诀窍：写"要做 X"，而不是"不要做 Y"。只给禁止事项，AI 无从判断该改做什么。与其说"不要用术语"，不如说"用初中生也能听懂的话"——指明你想要的方向更稳定。这是各大指南反复强调的铁律。
3. 【核心】好提示词的 6 个要素
让我们把开头图示里的 6 个要素落到实际的写法上。并非每次都要凑齐六项。挑出某个任务需要的要素，补上缺失的部分——这才是高手的用法。
| 要素 | 作用 | 示例表述 |
|---|---|---|
| ① 角色 | 固定 AI 的立场与专业领域 | "你是一位有 10 年经验的 SEO 撰稿人" |
| ② 背景 | 共享背景、目标、受众 | "读者是首次投资的 20 多岁年轻人，优先让人安心" |
| ③ 指令 | 用动词把任务说清楚 | "把下面的文字概括成 300 字" |
| ④ 示例 | 用范例展示模式 | "例如：输入'A' → 输出'B'" |
| ⑤ 格式 | 指定输出结构 | "做成一个带标题外加 3 条要点的表格" |
| ⑥ 约束 | 设定语气、篇幅、禁止事项 | "语气礼貌，避免术语，控制在 500 字以内" |
把它们组合起来，就能得到这样一条提示词。你提供的要素越多，回复就越稳地落在你瞄准的地方。
[背景] 读者是刚开始独居的大学生，厨房工具极少。
[指令] 推荐一道 15 分钟就能做好的晚餐食谱。
[格式] 把菜名、食材、步骤分别用要点列出。
[约束] 每份成本 3 美元以内，用到灶台的步骤不超过 3 步。
把它和"告诉我一道 15 分钟能做的晚餐"对比一下，你就能想象答案会好用多少。你加的要素越多，AI 就越容易贴合"你的处境"。
4. 立刻见效的 7 个实用技巧
记住 6 个要素之后，这里给出 7 个明天就能用的具体技巧。每一个单独使用也都有帮助。
① 赋予角色
"你是 X 领域的专家"能瞬间收窄用词、视角和前提，让质量更稳定。
② 展示范例（few-shot）
给出一个或几个 输入 → 输出 的范例，AI 就会模仿其格式和语气。尤其适合分类和转换任务。
③ 让它逐步推理
加上"一步一步地想"能提高复杂问题的准确度（思维链；详见第 6 节）。
④ 固定输出格式
指定"做成表格""做成 JSON""做成 3 条要点"。下游更好用，波动也更小。
⑤ 用分隔符理清结构
用标题或符号把指令和素材分开。像"概括下面这段文字："那样，把边界划清楚。
⑥ 别一次问太多
把大需求拆开。一条提示词只对应一个目标，能提高准确度，也更容易修正。
⑦ 通过对话打磨（迭代）
别想着一次就到位。加上"再短一点""面向专家"逐步培养它——这才是最快的路。
其中回报最高的是第⑦项，迭代。提示词工程的精髓，不在于"写出一句完美的话"，而在于通过与 AI 的对话把答案一步步引到位。把第一次的回复当成草稿，整件事就会轻松许多——你也会越来越在行。
5. 用真实示例看 Before → After
让我们在一个常见场景里，把原则和技巧并排摆出来——一个"坏例子"对一个"好例子"。差别一眼就能看出来。
✗ Before（含糊）
"写一封营销邮件。"
- 收件人和产品都不明确
- 篇幅、语气、目标都没指定
- 得到的是平淡、千篇一律的文字
✓ After（6 个要素）
"你是一位 B2B 销售。给现有客户写一封宣布新功能的邮件。语气礼貌但简洁，200 字，采用 主题 + 正文 + CTA 的形式。"
- 角色、受众、目标都很清晰
- 篇幅、语气、结构都已指定
- 得到的是可用的、具体的文字
关键在于，After 并没有用到什么特殊的专业知识。它只是补上了"谁、写给谁、写什么、用什么形式、用什么语气"。正是这点差别，塑造了你每天的工作时长和产出的质量。
6. 进阶技巧（CoT、链式调用等）
等你对基础驾轻就熟，掌握几招在复杂任务上大放异彩的"进阶招式"，就能更胜一筹。只要抓住要领即可——这就够了。
🧠 思维链（CoT）
提示它"按顺序推理"，在给出结论之前展示推理过程。这是一招能提高数学、推理和多步判断准确度的常用手法。
🗳️ 自洽性（Self-consistency）
让它对同一个问题推理多次，再按多数投票选出答案。与 CoT 结合可增加稳定性。
🔗 提示词链（Prompt chaining）
把一项大工作拆成若干条提示词——"调研 → 起草 → 润色"。你能达到单次完成所无法企及的质量。
🛠️ ReAct（推理 + 行动）
反复进行"推理 → 使用工具 → 查看结果 → 继续推理"。这是 AI 智能体的基础。
这里要补充一条重要的最新动向。"推理模型"——比如 OpenAI 的 o 系列和 Claude 的扩展思考——天生就会在内部自动执行 CoT。因此，对于这些模型，每次都要写"一步一步推理"的必要性已经下降。反倒是清楚地传达"你想达成什么（目标）"更管用。技巧并非万能；最佳做法会随你所用的模型而变化——保持这种敏感度，你就会更上一层楼。
7. 7 个常见误区
让我们提前避开那些阻碍你进步的常见坑。如果有哪一条让你心头一动，那正是你成长的空间。
- 含糊地一股脑丢过去："弄好看点"没给 AI 任何标准。要把条件说具体。
- 毫无背景：省略了背景、目标和受众。别忘了 AI 并不了解你的处境。
- 只给禁止事项：只说"不要做 Y"。换成用"要做 X"指明方向。
- 一次塞太多：一条提示词里五个需求。拆开能同时提高准确度和可修正性。
- 不指定格式：把输出形态交给 AI 决定。先定好表格、篇幅和语气。
- 不给示例：有些"模式"光靠文字说不全，给出一个范例就能立刻领会。
- 一次不成就放弃：仅凭第一个答案下判断。只要你打定主意要补充和修正，就能把它推得更远。
把这些反过来，你就能飞快进步。"含糊 → 具体""省略 → 背景""一股脑 → 拆分""一次性 → 迭代"。这四个箭头，就是你需要记住的全部。
8. 各模型的小窍门与安全注意
最后讲两件实践中常让人栽跟头的事——模型之间的差异，以及输入时的安全。
各模型的倾向：ChatGPT、Claude、Gemini 各自的强项和脾气都略有不同。人们常说 Claude 擅长整理长文和打磨文笔，Gemini 擅长新鲜信息和搜索整合，ChatGPT 则胜在全面均衡（按任务分别使用才是明智之举）。该选哪个，可参阅ChatGPT、Claude、Gemini 对比。但无论用哪一个，本文的 6 个要素都同样有效。
安全：和把提示词写得更好同样重要的，是"哪些东西可以输入"。随手粘贴机密信息、个人数据或内部资料，会带来数据泄露和违反政策的风险。如果你在工作中使用 AI，请务必阅读向 AI 给出提示词和信息时的注意事项。会写提示词和安全输入，是同一辆车的两个轮子。
总结
这里把提示词工程的实用要点浓缩如下。
- 本质：设计并改进你对 AI 的指令的技能。不是代码，而是"如何把话说好的功夫"——任何人今天就能开始进步。
- 三大原则：① 要具体 ② 给出背景 ③ 指定输出。这就是全部基石。
- 6 个要素：角色、背景、指令、示例、格式、约束。不必每次全凑齐——补上缺的那部分即可。
- 7 个技巧：角色 / 范例 / 逐步推理 / 固定格式 / 理清结构 / 拆分 / 迭代。最强的是"迭代"。
- 进阶：CoT、自洽性、链式调用、ReAct。面对推理模型，说清目标更管用。
- 两个轮子：会写提示词 + 安全输入。当心粘贴机密数据。
归根结底，提示词工程并不是"特殊人物才有的技能"。只要抱着"把含糊变具体，把一股脑变对话"的态度，你的 AI 从今天起就会判若两物。先从在眼前的 ChatGPT 里，给你平常的指令加上一个"角色"和一个"输出格式"开始。具体的请求示例，让 AI 帮你做应用时的提示词技巧也很实用。
FAQ
Q. 什么是提示词工程？请简单解释一下。
A. 它是这样一种技能：设计你的指令（提示词），再加以测试和改进，让 ChatGPT、Claude 这类 AI 返回你想要的答案。它不是高难度的编程，而更接近"如何把话说好的功夫"，今天就能在无需专业知识的情况下练习。基础在于：从角色、背景、指令、示例、格式、约束这六个要素中挑出所需的，来组织你的指令。
Q. 初学者应该先学什么？
A. 从三件事开始：① 要具体（别说"弄好看点"，而要写清给谁、做什么、做到什么程度），② 给出背景（共享背景、目标和受众），③ 指定输出格式（表格、要点、篇幅等等）。另外，"要做 X"比"不要做 Y"更稳定，因为它指明了你想要的方向。别一上来就追求完美；边补边改才是最快的路。
Q. 为什么"赋予角色"能提高准确度？
A. 因为指定一个立场——"你是 X 领域的专家"——能瞬间收窄 AI 所用词汇、视角和预设知识的范围。没有角色时，答案往往泛泛而平淡；固定一个角色，它就更容易以那位专家的语气和深度作答。角色是主流提示词框架（COSTAR、RCOF 等）中始终列出的基本要素。
Q. 什么是思维链？
A. 它是一种让 AI 在给出结论之前先写出推理过程的方法，比如"一步一步地推理"。已知它能提高数学、逻辑和多步判断的准确度。与此同时，近来的"推理模型"——OpenAI 的 o 系列和 Claude 的扩展思考——会在内部自动执行这种思维链，因此每次都明确写出来的必要性已经下降。在这种情况下，清楚地传达"你想达成什么（目标）"更有效。
Q. 提示词越长越好吗？
A. 不是，长度本身不是目标。重要的是必要的要素（角色、背景、指令、示例、格式、约束）是否不多不少地都到位。缺的补上，冗余的删掉。事实上，把太多需求塞进一条提示词反而会降低准确度，所以把大工作拆成若干条提示词，结果更稳定。
Q. 有没有不该输入给 AI 的信息？
A. 有。随手输入机密信息、个人数据、客户数据或内部资料，会带来数据泄露以及违反条款或法律的风险。尤其在免费套餐下，你的输入可能被用于训练，因此用于工作时，检查设置和政策必不可少。详情请参阅关于向 AI 给出提示词和信息时注意事项的文章。会写提示词和安全输入，是同一辆车的两个轮子。
