提示词工程指南：从AI工具中获取更好的结果

AI输出的质量几乎完全取决于你输入的质量。两个人使用同一个模型处理同一个任务，可能得到截然不同的结果——一个得到的是泛泛而谈的浅显回答，另一个得到的是精准可行的解决方案——原因就在于他们的提示词不同。提示词工程是一种与AI系统清晰沟通、从而获得真正所需结果的技能。

为什么提示词如此重要

大型语言模型是在海量人类文本上训练的下一个词元预测器。当你输入提示词时，模型本质上是在续写一篇文档。如果你的提示词类似于一篇高质量详细回答的开头，你就会得到高质量的详细续写。如果你的提示词模糊不清，你得到的续写也会模糊不清。

把提示词看作是为最佳回应设定背景，而不是发号施令。

有效提示词的构成要素

一个结构良好的提示词通常包含以下部分或全部要素：

1. 角色 — AI应该扮演谁
2. 任务 — 你希望它做什么
3. 背景 — 相关的背景信息
4. 格式 — 输出应该如何组织
5. 约束条件 — 需要避免或包含的内容
6. 示例 — 输入和输出的样本（少样本）

并非每个提示词都需要全部六个要素——但添加与任务相关的要素能显著提升结果。

零样本与少样本提示

零样本

不提供示例，直接提问：

将以下评论的情感分类为正面、负面或中性：

"送货很快，但产品到货时已损坏。"

适用于模型在训练中见过很多次的任务。

少样本

在实际任务前提供示例：

对每条评论进行情感分类：

评论："质量超棒，与描述完全一致！" → 正面
评论："花了3周才到货，非常失望。" → 负面
评论："还行，功能符合描述。" → 中性

评论："送货很快，但产品到货时已损坏。" →

少样本提示能显著提升复杂或特定领域任务的准确率。通常2至5个示例最为理想——更多并不一定更好。

角色提示

为AI指定一个角色，能转换其"视角"并激活与领域相关的知识：

你是一位拥有15年代码安全漏洞审查经验的高级安全工程师。
请直接、专业地回答，并优先指出最关键的问题。

请审查这个身份验证函数的安全问题：
[代码]

对比：

审查这段代码的安全问题：
[代码]

使用角色提示的版本往往能产出更具体、更可操作、更专业的反馈。

思维链提示

对于复杂的推理任务，要求模型展示其推理过程：

一家公司有3个定价层级：基础版（10美元/月）、专业版（25美元/月）、企业版（80美元/月）。
目前有500名基础版用户、300名专业版用户和50名企业版用户。
如果10%的基础版用户升级到专业版，5%的专业版用户升级到企业版，
新的月收入是多少？

请一步一步地思考。

"请一步一步地思考"（或"让我们逐步思考"）这类短语能显著提升数学、逻辑和多步骤推理任务的准确率。如果模型先推导中间步骤，就不容易直接跳到错误答案。

结构化输出提示

当你需要可解析的输出时，请明确指定格式：

从这份职位招聘信息中提取以下内容，并以JSON格式返回：

职位招聘信息：
[在此粘贴招聘信息]

所需JSON格式：
{
  "title": "string",
  "company": "string",
  "location": "string",
  "salary_range": "string or null",
  "required_skills": ["string"],
  "experience_years": "number or null",
  "remote": "boolean"
}

用于应用程序时，可添加："仅返回JSON，不要包含任何额外文字或说明。"

使用我们的 AI JSON Generator，可以从自然语言描述中生成结构化JSON数据。

角色设定与语气控制

为书面内容指定受众和语气：

写一段3段话的说明，解释HTTPS的工作原理。

受众：不懂技术的小企业主，他们想了解为什么网站需要SSL证书。

语气：友好、令人放心，避免使用专业术语，适当使用类比。
避免：不加解释地使用技术术语，制造恐慌情绪。

对比：

解释HTTPS的工作原理。

第一个提示词产出的内容对指定受众来说才真正实用。

迭代优化

将提示词当作一段对话，而不是一次性的交易：

1. 从宽泛开始，看看模型产出什么
2. 识别缺失或不足之处
3. 添加约束条件来解决具体问题
4. 重复直到输出满足需求

第1轮："为软件工程师职位写一封求职信。"
→ 太过通用，没有提及我的具体经历

第2轮："将其改写为更简洁的3段版本。
重点突出我5年的React经验以及我在高流量应用上的工作经历。
不要使用'我写信是为了表达我的兴趣'这类措辞。"
→ 好多了

每次迭代都应针对具体问题。模糊的反馈（"写得更好一点"）只能带来微小的改进。

约束条件与反向指令

告诉模型不要做什么：

为这款咖啡机撰写产品描述。
- 不超过100个字
- 不使用"革命性""颠覆性"或"创新性"等词
- 不使用感叹号
- 聚焦于实际使用价值，而非产品功能

反向约束通常能产出更自然、减少营销腔的输出内容。

代码任务的提示词

对于代码生成和审查，越具体越好：

# 模糊（产出通用代码）
用TypeScript写一个验证电子邮件地址的函数。

# 更好的写法
写一个验证电子邮件地址的TypeScript函数。
要求：
- 使用能处理常见边界情况的正则表达式（子域名、+地址等）
- 返回 { valid: boolean; reason?: string }
- 优雅地处理null/undefined输入
- 包含JSDoc注释
- 添加5个覆盖边界情况的单元测试用例

使用我们的 AI Code Explainer 获取你不理解的代码的详细说明——粘贴任意函数，即可获得逐行解析。

常见提示词错误

错误	问题	解决方法
过于模糊	模型只能猜测你的意图	明确说明任务、格式、受众
假设模型了解背景	模型不了解你的代码库/产品	在提示词中提供相关背景
复杂任务一次性提问	错误不断累积	拆分为子任务或使用思维链
未指定格式	输出结构不一致	明确指定所需格式
前言过长	核心任务被淹没	将最重要的指令放在开头或结尾
新任务未提供示例	模型无法理解所需模式	添加2至3个期望的输入/输出示例

编写更好提示词的快速框架

发送提示词前，请思考：

• 谁：AI应该扮演什么角色？（角色）
• 什么：我究竟想要什么？（任务）
• 什么：它需要哪些背景信息？（背景）
• 如何：它应该如何回应？（格式、长度、语气）
• 什么：它应该避免什么？（约束条件）
• 能否给出示例？（少样本）

提示词工程是一项可学习、可迁移的技能。无论你使用的是我们的 AI Grammar Checker、AI Email Writer、编程助手还是其他任何AI工具，同样的原则都适用。更好的提示词，更好的结果——每一次都如此。