怎么给 AI 提精准指令（提示词）？

如何给 AI 提精准指令（提示词工程）

核心结论

高质量提示词的核心在于“消除歧义 + 提供约束 + 引导推理路径”。
一个精准的提示词必须同时满足四个要素：明确的目标、充分的上下文、清晰的输出约束、科学的推理引导。遵循这四个要素，可以将大多数主流大模型的输出质量提升 2-5 倍（以任务完成度和事实准确性衡量）。

一、提示词的底层逻辑

大语言模型本质上是“根据前文预测下一个词”的自回归模型。你给它的提示词，就是它能看到的全部世界观。因此，提示词的质量直接决定了它会调用哪一部分“知识”和“能力”。

好的提示词 = 让模型少猜、少自由发挥、多按你的剧本走。

二、精准提示词的七条核心原则（按重要性排序）

1. 明确任务目标（最重要）

• 不要说“帮我写一篇文章”，而要说“帮我写一篇用于《经济学人》风格的 1800 字深度分析文章”。
• 必须回答三个问题：要做什么？要达到什么标准？给谁看？

2. 赋予专业角色（Role Prompting）

你现在是一位在麦肯锡工作12年的战略咨询顾问，擅长用第一性原理拆解问题，极度严谨，从不说废话。

角色设定能显著激活模型对应的能力区间，这是目前最有效的单点技巧之一。

3. 提供必要上下文和限制条件

• 目标读者是谁？
• 信息截止日期是何时？
• 不能使用哪些信息或语气？
• 篇幅、格式、深度要求是什么？

4. 指定输出格式（Output Format） 明确要求使用以下格式：

• Markdown 结构
• JSON 输出（适合结构化提取）
• 表格
• 特定标题层级
• 特定分析框架（SWOT、MECE、第一性原理等）

5. 使用 Chain of Thought（CoT）引导推理 最有效的句式包括：

• “请一步一步思考（think step by step）”
• “先列出所有关键假设，再验证每个假设，最后得出结论”
• “使用以下分析框架：1. 现象拆解 2. 因果分析 3. 解决方案设计 4. 潜在风险”

6. Few-shot Prompting（提供示例） 在复杂任务中，提供 1-3 个高质量输入-输出示例，效果远好于单纯描述要求。

7. 迭代优化（Iterative Refinement） 第一次提示很少是最优的。优秀的使用者会把提示词当作可迭代的产品，持续优化。

三、推荐的提示词模板（可直接套用）

通用高性能模板：

你现在是一位[具体专业角色]，拥有[年限]年经验，擅长[核心能力]。

任务：
[清晰描述你要它做什么]

要求：
- 目标读者：[描述读者画像]
- 信息截止日期：[具体日期]
- 必须使用以下分析框架：[列出框架]
- 语气风格：[正式/犀利/克制/学术等]
- 输出长度：[具体字数或段落数]
- 禁止出现：[列出黑名单内容或表达]

请一步一步思考，先分析问题本质，再给出结构化回答。

四、不同任务的进阶技巧

• 知识密集型任务：强调“只使用可靠信息”“引用具体研究或数据”“如果不确定要明确说明”。
• 创造性任务：限制范围反而更好（约束越清晰，创意质量越高）。
• 复杂推理任务：必须使用 CoT + “检查你的推理中是否存在逻辑漏洞”。
• 结构化提取/分析：使用 JSON 输出 + 明确 Schema。

最后建议： 把提示词当成代码来写——追求精确、可复现、可迭代。真正的高手不是一次写出一个完美的提示，而是能持续把一个提示词从 60 分优化到 95 分。