
很多人学会了”请帮我写一个……”这种基础提示词,就觉得提示词不过如此。但同样的模型,高手写出的提示词能让答案质量高出一大截。差距就在几个进阶技巧上,这篇逐一拆解,每个都配可套用的模板。
技巧一:让 AI”一步步思考”(思维链 CoT)
直接问复杂问题,AI 容易跳步、出错。加一句”请一步步分析”,让它先展示推理过程再给答案,准确率会显著提升。这就是思维链(Chain of Thought)提示。
基础模板:
问题:[你的复杂问题]
请先分步分析你的推理过程,列出每一步,最后给出结论。
如果信息不足,先说明缺什么,不要猜测。
适用场景:数学计算、逻辑推理、方案评估、故障排查——凡是”过程比结果重要”的任务都适合。
技巧二:给 AI 一个明确的角色
“以[X角色的身份],为[Y对象],完成[Z任务]”——角色设定能让 AI 调用对应的知识体系和表达风格。角色越具体越好。
对比:
- 普通:”帮我写一段产品介绍。”
- 进阶:”你是一位有 10 年经验的水果电商运营,目标用户是注重健康的年轻妈妈。请写一段 150 字的产品介绍,突出新鲜和产地直发,语气亲切不夸张。”
后者给了角色、受众、长度、卖点、语气五个维度,输出自然更贴合需求。
技巧三:结构化输出,让结果直接可用
明确告诉 AI 输出格式,能省掉大量后期整理。常用格式:表格、JSON、Markdown、分点列表。
请对比 A 和 B,用 Markdown 表格输出,包含以下列:
| 维度 | A | B | 说明 |
至少对比 5 个维度,最后给一句总结建议。
需要程序处理的场景,直接要 JSON:”以 JSON 格式输出,字段为 name、price、tags,不要任何其他文字。”
技巧四:给示例(少样本提示)
当你想要的格式或风格很难用语言描述时,直接给一两个例子(Few-shot Prompting),AI 会照着模仿,比长篇描述有效。
把用户输入改写成礼貌的客服回复。
示例1:
输入:我要退货
输出:您好,很抱歉给您带来不便,我来帮您办理退货,请问订单号是?
示例2:
输入:怎么还没发货
输出:您好,感谢您的耐心等待,我这就帮您查询物流状态,请稍候。
现在处理:
输入:[用户的实际输入]
技巧五:设定边界和验收标准
告诉 AI”不要做什么”和”做到什么程度算好”,能有效减少跑偏:
- 限定范围:”只根据我提供的资料回答,资料里没有的就说不知道。”
- 限定风格:”用大白话,避免专业术语,句子不超过 20 字。”
- 给验收标准:”输出前自检:是否回答了全部三个问题?有没有编造数据?”
一个综合模板(收藏级)
# 角色
你是一位[具体角色],擅长[具体领域]。
# 任务
为[目标受众]完成[具体任务],目的是[期望达成什么]。
# 背景
[提供必要的背景信息、约束条件、已知资料]
# 要求
- 输出格式:[表格/JSON/分点/文章]
- 风格语气:[专业/亲切/简洁]
- 长度:[字数或条数]
- 必须包含:[关键点]
- 不要:[要避免的内容]
# 思考方式
请先分步分析,再给出最终答案。
# 输入
[你的具体内容]
这个模板把前面五个技巧整合到一起,套用率高,建议收藏。复杂任务用全套,简单任务挑其中几条即可。
常见误区
- 提示词越长越好:错。清晰比冗长重要,无关的修饰反而干扰 AI。写完读一遍,删掉不承载信息的词。
- 套模板不改:模板是起点,要根据具体任务调整角色和要求,生搬硬套效果一般。
- 一次不成就放弃:提示词是迭代出来的。第一版不满意,就针对问题补充要求,通常两三版就能到位。
FAQ 常见问题
Q:思维链会让回答变慢吗?
会稍微慢一点(因为要生成更多文字),但在复杂任务上换来的是准确率的明显提升,通常值得。简单任务不必用。
Q:新模型还需要这么复杂的提示词吗?
新一代模型理解力更强,很多简单任务一句话就够。但涉及专业角色、严格格式、复杂推理时,结构化提示词依然能稳定提升质量,属于值得掌握的硬技能。
