如何写出高质量的 AI 提示词：一个实用框架

大多数令人失望的 AI 回答，问题不在模型，而在指令。同一个模型，收到一句含糊的请求时只会返回泛泛而谈的段落；而当请求里明确了角色、任务、素材和输出形态时，它就能交出一份可以直接使用的初稿。这篇指南介绍一个几乎适用于所有场景的五段式框架，并用两个完整示例演示它的用法。

为什么结构比"咒语"更重要

流传很广的一个误区是：好的提示词靠的是某些神秘的"魔法词"。实际上，模型对指令的反应和一位专业外包者对需求文档的反应非常相似：范围清晰、上下文充分、约束具体、并且有一个"完成标准"的示例。一条结构化的提示词同时完成三件事：

• 消除歧义，让模型不必猜测你的意图；
• 预先提供模型无法自行知晓的上下文——你的受众、你的数据、你的限制条件；
• 定义输出契约，让答案以可直接使用的形态出现，省去二次整理。

如果这篇文章你只记住一句话，请记住：描述交付物，而不只是描述话题。

五段式框架

一条可靠的提示词通常包含五个要素。并非每次都要五个俱全，但当结果不理想时，缺失的几乎总是其中之一。

1. 角色（Role）

告诉模型它应该是谁。"你是一家商业杂志的资深编辑"和不设角色相比，产出的用词、怀疑精神和文章结构都会明显不同。角色要精准相关：一个堆砌了十几个形容词的虚构人设，反而不如一条准确的资历描述有效。

2. 任务（Task）

用动词陈述你要的那一个动作：改写、总结、批评、提取、起草、对比。如果有两个任务，就写两条提示词，或者明确编号分步。把多个要求混在一起不排序，是"答案只完成一半"最常见的原因。

3. 上下文（Context）

把模型需要的素材直接贴进来——要修改的段落、要分析的数据、受众的描述。明确告诉模型哪些可以假设、哪些绝对不能编造。一个实用习惯：用分隔符（比如三条横线或 XML 风格的标签）把素材和指令分开，模型就不会把你的原文误当成指示。

4. 约束（Constraints）

约束是"通用答案"变成"你的答案"的关键：字数限制、语气、禁用词、必须使用的术语、输出语言、阅读难度。否定式约束（"不要用项目符号""避免营销式的夸张用语"）和肯定式约束同样有力，却长期被低估。

5. 输出格式（Output format)

描述答案的形态：带指定列名的表格、恰好五条的编号列表、包含特定字段的 JSON 对象、一段 120 字以内的文字。如果输出要进入另一个工具——表格软件、脚本、幻灯片——就直接说明，格式就能在复制粘贴后完好保留。

示例一：从含糊到具体

一条含糊的提示词：

帮我写一下我们新产品发布的内容。

用框架改写后：

你是一家开发者工具公司的产品营销文案。为我们新上线的 API 监控看板起草一份发布公告。上下文：受众是已经在使用我们日志产品的工程经理；核心新能力是异常告警和延迟热力图。约束：150 字以内，自信但不推销，不使用感叹号。输出：一个段落，结尾附一句行动号召。

第二个版本里的每一句话，都替模型关闭了一个原本要替你"自作主张"的决定——而每一个这样的隐性决定，都是拿到你不想要的东西的机会。

示例二：把提示词变成可复用模板

结构化提示词真正的回报在于复用。把具体内容替换成占位符，就得到一个全团队都能使用的模板：

你是一位{角色}。请为{受众}{任务动词}下面这份{素材类型}。上下文：{粘贴素材}。约束：{长度}、{语气}、{规则}。输出：{格式}。

这也正是我们做提示词卡片的原因：一张卡片把结构、占位符和使用说明固化成一张可分享的图片，让好用的提示词不再沉睡在某个人的聊天记录里。可以到提示词库看看精选模板是如何标注占位符的，或者在卡片制作工具里直接改一张自己的。

常见失败模式与修法

• 答案太泛。 你给的是话题，不是交付物。补上受众、长度和格式。
• 答案无视你给的素材。 上下文和指令混在一起了。用分隔符把原文清楚地隔开。
• 答案一本正经地胡说。 你在要求模型给出它不可能知道的事实。把事实作为上下文提供，并明确要求"不确定时回答不知道，而不是猜测"。
• 风格接近但总差一点。 别描述，直接示范：贴一小段你想要的语气的样例，让模型模仿。
• 长任务写到后面就散了。 拆分任务：先出大纲，再在后续对话中逐节展开。

关于迭代

把第一条提示词当草稿，而不是终稿。当答案不理想时，别急着推倒重来，先点名差距（"结构保留，但语气更直接，篇幅减半"）。两三次有针对性的修正，几乎总是胜过重写一条巨型提示词——而当结果对了之后，记得把这些修正合并回你的模板，让下一次直接从这次的终点出发。

好的提示词写作不是技巧炫耀，它和写一份好的需求简报是同一种能力——而且会复利：今天打磨好的每一个模板，都会让明天的工作更快。