同一个问题问两遍,AI 给出两种风格、两种质量的回答,这是很多人用 AI 时最头疼的事。模型本身有随机性,但大部分“不稳定”来自提示词本身太模糊。下面 10 个技巧按主题分成 6 组,每个都配了反例和正例,可以直接改成你自己的场景。
一、说清楚“你是谁、要做什么、为什么”
技巧 1:明确角色与目标
告诉模型它扮演什么角色、这次任务的最终目标是什么,它才知道该用什么标准判断“好”。
反例:
帮我看看这段文案。
正例:
你是一名有 5 年经验的电商文案编辑。
目标:把下面这段商品描述改得更适合在手机上快速浏览,
重点突出卖点,删掉空洞的形容词。
技巧 2:提供背景信息
模型不知道你的公司、读者和限制条件。你知道的关键背景,写进去就少一轮返工。
反例:
写一封邮件,通知客户延期发货。
正例:
写一封邮件,通知客户延期发货。背景:
- 客户是合作三年的老客户,关系不错
- 延期原因是原材料到货晚,预计推迟 5 天
- 我们愿意免除这次的运费作为补偿
- 语气诚恳,不要过度道歉,200 字以内
二、用示例和格式锁定输出
技巧 3:给示例(少样本)
与其用形容词描述你要的风格,不如直接给 1–3 个示例,模型会模仿示例的结构和语气。
反例:
把这些用户反馈分类,分得简洁一点。
正例:
把用户反馈分成「功能建议 / 缺陷报告 / 使用疑问 / 其他」四类。
示例:
反馈:导出 PDF 时中文变成方块 → 缺陷报告
反馈:能不能加个深色模式 → 功能建议
反馈:怎么修改绑定的手机号 → 使用疑问
请按同样格式处理下面的反馈:
……
技巧 4:指定输出格式
需要表格就说表格,需要 JSON 就给出字段名。格式固定下来,结果才方便复制、比较和二次处理。
反例:
总结一下这三款笔记软件的优缺点。
正例:
用 Markdown 表格对比这三款笔记软件,列为:
名称 | 适合人群 | 主要优点 | 主要缺点 | 是否支持离线
每格不超过 20 字。表格之后用一句话给出推荐。
三、用分隔符把内容分开
技巧 5:用分隔符或 XML 标签区分指令和材料
当提示词里既有指令又有大段原文时,用标签把它们隔开,模型就不容易把原文里的句子误当成指令,也能准确引用某一部分。
反例:
总结下面的内容 会议上张三说下周上线 李四说测试还没做完 请大家确认……
正例:
请总结 <transcript> 中的会议内容,
并按 <requirements> 的要求输出。
<transcript>
张三:下周上线。
李四:测试还没做完,建议推迟。
……
</transcript>
<requirements>
- 列出所有分歧点
- 每条标注是谁提出的
</requirements>
提示标签名没有固定写法,
<文章>、<data>、三个引号 """ 或 ### 都可以,关键是前后一致,并在指令里点名引用。四、让模型先想清楚再回答
技巧 6:要求分步骤思考
涉及计算、推理、比较取舍的任务,让模型先列出步骤或理由再给结论,出错率通常会明显下降,你也能看到它错在哪一步。
反例:
A 方案和 B 方案哪个更划算?
正例:
请按以下步骤比较 A、B 两个方案:
1. 分别列出两个方案一年的总成本,写出计算过程
2. 列出各自的非价格因素(维护难度、灵活性)
3. 最后给出结论,并说明在什么情况下结论会反过来
技巧 7:让模型先问澄清问题
需求本身还不清楚时,与其让模型猜,不如允许它先提问。这能避免它基于错误假设写出一大段无用内容。
反例:
帮我做一个学习 Python 的计划。
正例:
我想制定一个学习 Python 的计划。
在给出计划之前,请先问我 3–5 个你认为最关键的问题
(比如基础、可用时间、学习目的),等我回答后再写计划。
五、划定边界:范围、长度和诚实
技巧 8:限定范围与长度
不设边界,模型容易面面俱到、越写越长。明确“写什么、不写什么、写多长”,结果会稳定很多。
反例:
介绍一下机器学习。
正例:
面向完全没有编程基础的产品经理,用 300 字以内解释机器学习是什么。
只讲概念和一个生活中的例子,不要出现公式,不要介绍具体算法。
技巧 9:要求给出依据,不确定就说不知道
模型有时会编造看似合理的细节。明确要求它区分“材料里有的”和“自己推测的”,并允许它说不知道。
反例:
根据这份合同,违约金是多少?
正例:
请只根据 <contract> 中的内容回答:违约金是多少?
- 回答时引用合同原文对应的句子
- 如果合同里没有写明,直接回答“合同中未提及”,不要推测
注意这个技巧能减少编造,但不能完全杜绝。涉及法律、医疗、财务等重要决定时,一定要自己核对原文或咨询专业人士。
六、把提示词当成可以迭代的草稿
技巧 10:迭代改进,而不是一次写完
第一次的结果不理想很正常。与其重新开一个对话从头描述,不如指出具体问题,让模型在原结果上修改;效果好的版本再存下来作为模板。
反例:
不太行,重写。
正例:
整体结构可以保留,请做三处修改:
1. 第二段太学术,换成口语化的说法
2. 结尾加一个具体的行动建议
3. 总字数压缩到 400 字以内
其他部分不要改动。
迭代时建议记录下“改了什么、效果如何”。几轮之后,你会得到一份针对自己常用场景的提示词模板,下次直接复用即可。
速查清单
写完提示词后,可以对照这张表快速自检:
| 检查项 | 问自己 |
|---|---|
| 角色与目标 | 模型知道自己扮演谁、要达成什么吗? |
| 背景 | 我脑子里的关键信息写进去了吗? |
| 示例 | 风格难描述时,给示例了吗? |
| 格式 | 输出的结构、字段、长度明确了吗? |
| 分隔 | 指令和原始材料分开了吗? |
| 推理 | 复杂问题要求分步骤了吗? |
| 澄清 | 需求不清时,允许模型先提问了吗? |
| 边界 | 说明了不要写什么吗? |
| 依据 | 要求引用来源、允许说不知道了吗? |
| 迭代 | 反馈是否具体到哪里要改、怎么改? |
不需要每次把 10 条全用上。日常小问题用一两条就够,越重要、越需要反复使用的任务,越值得把提示词写完整。