你的提示词过期了
- 免费干货
- 13小时前
- 14热度
- 0评论
你有没有发现:过去那句万能开头「你是一位资深专家」,越来越不灵了。
不是 AI 变笨了。恰恰相反,是模型变强之后,开始更严格地按你的字面意思办事。你模糊,它就泛泛;你偷懒,它就平均;你没有说清楚成功标准,它就只能交一份“看起来还行”的作业。
这篇文章整理自 darkzodchi 的英文长文,并改写成更适合中文读者收藏的版本。核心只有一句话:
提示词不再是“哄 AI 猜你的心”,而是“把任务、边界、标准和反馈机制交代清楚”。
大多数提示词失败,不是因为模型不够强,而是因为人类给的任务像雾。
下面这 10 条,是所有高级技巧的地基。
1. 具体,不要含糊。
不要说「帮我优化简历」。要说:「重写简历里的工作经历部分。我是 5 年 Python 后端工程师,目标读者是 B 轮创业公司的招聘经理。语气自信但不夸张,每段经历最多 4 个要点。」
判断标准很简单:把你的提示词拿给一个完全不了解背景的同事看。如果他会困惑,AI 也会困惑。
2. 用结构包住信息。
Claude 系模型尤其适合结构化提示。你可以用 XML 标签把任务、背景、规则、输出格式分开。
<task>分析这份数据,找出增长趋势</task>
<context>2025 年第四季度欧洲市场销售数据</context>
<rules>重点看同比增长,忽略收入低于 100 万美元的市场</rules>
<output_format>先给前 5 个市场表格,再写 2 段总结</output_format>
结构不是仪式感,是帮模型分清“什么是材料,什么是命令,什么是格式”。
3. 长上下文放前面,问题放后面。
先给资料,再问问题。
坏写法是:先说「总结重点」,再贴 500 行资料。好写法是:先贴资料,最后说「基于以上内容,用普通人能懂的话总结 3 个关键发现」。
4. 示例胜过形容词。
你说「写得专业一点」,模型只能猜。你给一个好例子,它会模仿结构、语气和判断尺度。
3 到 5 个不同示例通常最合适,最好覆盖边界情况。
5. 解释为什么,而不只是下命令。
不要只说「控制在 200 字内」。可以说:「控制在 200 字内,因为这会发到 Telegram,太长会被截断。」
模型知道原因以后,更容易在冲突里做正确取舍。
6. 允许它说不知道。
这句话非常值钱:
如果数据不足以得出结论,请直接说明,不要猜测。
你不给这条规则,模型就容易为了“完成任务”而补洞。你允许它承认不确定,反而更容易得到可信答案。
7. 明确输出格式。
你想要散文段落,就说「不要列表,不要标题,不要 Markdown」。你想要机器可读,就说「返回 JSON,字段包括 title、summary、confidence_score、sources」。
不要把格式留给模型发挥。格式越清楚,返工越少。
8. 定义什么叫完成。
比「做一份竞品分析」更好的说法是:
我需要一份竞品分析,帮助产品团队决定下季度优先做哪 3 个功能。成功标准是:PM 在 5 分钟内读完,并能直接做出选择,不需要追问。
任务描述的是动作,成功标准描述的是结果。
9. 写清楚不要什么。
有时最短的路,是告诉 AI 什么风格绝对不要。
例如:「不要像通用 AI 文案,不要企业黑话,不要 LinkedIn 鸡汤,不要出现‘在当今快速变化的世界里’。」
负面约束能迅速压掉模型最容易滑向的套路。
10. 把提示词当成迭代,而不是一锤子买卖。
你可以直接说:「先给第一版,我会反馈,我们一起改到能用。」
高手和新手最大的差别,不是高手有一个神奇提示词,而是高手会把 AI 当成可反馈的合作者。

二、进阶技巧:让 AI 变成工作流
基础提示词解决的是“说清楚”。进阶提示词解决的是“把复杂任务拆成可执行流程”。
11. 让模型先推理。
复杂问题可以加一句:「在给最终答案前,先逐步思考,考虑边界情况和潜在问题。」
这对代码、数据分析、方案判断尤其有用。
12. 用提示链拆任务。
不要一次让 AI 同时读文档、提炼事实、写总结、改成推文。
更好的链条是:第一步提取 10 个关键事实;第二步基于事实写 3 段摘要;第三步再改成 5 条短内容。每一步都更窄,结果会层层变好。
13. 把长期偏好写进规则文件。
不要每次都重复“语气直接、不要废话、别用某些词”。把它写进 rules.md。
# 我的写作规则
- 语气:直接、无废话、略带锋芒
- 读者:懂技术、会动手、讨厌空话
- 禁用:在当今世界、值得注意的是、赋能、抓手
- 必须:给具体数字,尽量列出处,结尾给行动建议
- 格式:短段落,每段最多 3 句
然后让 AI 在开始前完整阅读,并要求它如果即将违反规则,就停下来提醒你。
这已经不是单次提示词,而是在配置一个工作代理。
14. 把系统提示写成合同。
一个好用的结构是:
你是:[一句话角色]
目标:[什么结果算成功]
约束:
- [约束 1]
- [约束 2]
- [约束 3]
如果不确定:明确说明,并只问 1 个澄清问题。
输出格式:[精确格式]
合同式提示的价值在于:角色、目标、边界、异常处理、输出方式一次交代清楚。
15. 反向头脑风暴。
不要只问「怎样成功」。可以问:
我们想实现 [目标]。
先列出 10 种一定会失败的做法。
然后把每一种失败模式反过来,变成成功策略。
最后标出 3 个最反直觉但最有收益的策略。
这种问法特别适合战略、产品、增长和风险判断。
16. 让模型自检。
你可以要求它在完成前按准确性、完整性、清晰度给自己打分,并只输出改进后的版本。
也可以给测试标准:「结束前,按以下验收条件检查答案。」
自检不是万能,但它经常能抓住第一版里的明显漏洞。
17. 别再依赖预填开头。
旧方法里有人会先给 assistant 的回复开头,比如 {"analysis":。在新模型里,直接说清楚即可:
只返回合法 JSON,不要前言,不要解释。
模型已经足够聪明,不需要靠预填去“骗格式”。
18. 大上下文不是垃圾桶。
长上下文窗口可以塞进大量文档、代码库、报告,但“塞得多”不等于“效果好”。
更好的做法是:最长资料放在最前面;用标签分隔不同文档;先让模型提取相关片段,再进入分析;只放真正有用的材料。
19. 用代理模式提示。
当 AI 能调用工具时,提示词要从“回答我”升级为“规划、执行、验证、迭代”。
目标是:[目标]。
先制定最多 5 步计划。
每一步都使用可用工具执行。
完成每一步后,根据标准验证结果。
如果不达标,先修正,再进入下一步。
这就是从聊天,变成协作。
20. 多人格辩论。
做决策时,让 AI 从多个视角互相拉扯。
例如:「从乐观创始人、谨慎 CFO、真实客户三个角度分析这个决定。每个角色用 2 到 3 句话陈述观点,最后综合成建议。」
单一视角容易顺着你走,多视角能逼出权衡。

三、直接复制:10 个高频模板
下面这 10 个模板,适合直接改方括号里的内容就用。
21. 代码审查
你是一名资深工程师,正在审查一个 Pull Request。
请检查以下代码:
- 安全漏洞:SQL 注入、XSS、密钥泄露
- 逻辑错误和边界情况
- 性能问题
- 可读性问题
每个问题都要给出:严重级别、具体位置、为什么危险、修正代码片段。
[粘贴代码]
22. 研究分析
研究 [主题],输出结构化分析:
1. 执行摘要,最多 3 句话
2. 5 个关键发现,并附支持依据
3. 风险和未知项
4. 建议的下一步
尽可能引用来源。如果数据不足,请明确说明。
23. 内容写作
写一篇 [类型:文章 / 邮件 / 落地页文案],主题是 [主题]。
读者:[谁]
语气:[具体语气]
长度:[字数]
不要像:[要避免的风格]
成功标准:[读者看完后的反应]
参考风格:[粘贴示例或描述]
24. 调试
下面的代码出现了这个错误:[错误信息]。
请先逐步诊断根因,再写修复方案。
然后给出修正后的代码,并用 2 句话解释问题出在哪里。
[粘贴代码]
25. 架构设计
我正在构建 [系统描述]。
需求:
- [需求 1]
- [需求 2]
- [需求 3]
请提出 2 种架构方案。每种方案包含:图示说明、优点、缺点、复杂度估计。最后给出推荐方案和理由。
26. 数据分析
分析这份数据,找出:
1. 前 3 个趋势
2. 异常值或离群点
3. 变量之间的相关性
先用表格呈现发现,再写 2 段叙述总结。如果数据不足以支撑结论,请明确说明。
[粘贴数据]
27. 邮件沟通
起草一封邮件。
收件人:[对象及关系]
目标:[希望对方做什么]
语气:[专业 / 轻松 / 坚定]
长度:不超过 [X] 句
背景:[情况]
不要显得:[道歉过度 / 咄咄逼人 / 含糊]
28. 学习解释
解释 [概念]。
我的水平:[初学 / 中级 / 专家]
我已经知道:[已有知识]
我困惑的是:[具体困惑]
先用一个来自 [熟悉领域] 的类比,再给技术解释,最后给一个我可以自己尝试的例子。
29. 创意头脑风暴
我需要 [项目 / 问题] 的想法。
约束:
- [约束 1]
- [约束 2]
先不筛选地想 10 个方案。
再按 [评估标准] 排名。
最后把前 3 个方案各扩展成 2 句话 pitch。
30. 完整任务提示模板
我想要 [任务],目的是 [成功标准]。
开始前,请完整阅读这些文件:
[filename.md] — [内容说明]
这里有一个我想达到的参考:
[上传参考或粘贴示例]
它有效的原因是:[结构、语气、模式规则]
成功简报:
- 输出类型与长度:[格式]
- 不要像:[要避免什么]
- 成功意味着:[读者/用户看完后能做什么]
我的上下文文件里包含标准、约束和受众。
请完整阅读。若你即将违反规则,请停下来告诉我。
先不要执行。请问我必要的澄清问题,帮助我们逐步对齐。
在写任何内容前,列出上下文文件里最重要的 3 条规则,并给出最多 5 步执行计划。
只有在我们对齐后,才开始工作。

四、真正的变化:提示词从“句子”变成“系统”
如果只记住三件事,记这三句:
- • AI 不会自动理解你的隐含标准,你要把标准写出来。
- • 一个好示例,胜过十个模糊形容词。
- • 复杂任务不要追求“一句咒语”,要拆成链条、文件、验收标准和反馈回路。
过去的提示词像一句愿望:「帮我写好一点。」
现在的提示词更像一份工作说明:「这是目标,这是材料,这是边界,这是成功标准,这是检查方式;如果不确定,先问我。」
AI 确实长大了。我们的提示词,也该长大了。
转自:https://mp.weixin.qq.com/s/e-fjUbOFGUR6HKBo6QqidQ