第一章：提示词工程入门

一、Prompt 到底是什么？​

Prompt，简单说，就是你给 AI 的输入。你可以把它理解成一句指令、一段背景说明、一套任务要求，甚至是一整套工作流。​

​

​

比如你对 AI 说：​

​

帮我写一份方案。​

​

更好的 Prompt 应该像这样：​

​

你是一名有 5 年经验的 B2B 产品经理。请帮我写一份 EMS 数据看板平台的需求说明文档，目标读者是前端、后端和产品同事。文档需要包含背景、目标用户、核心功能。请用 Markdown 输出，语言专业但不要太学术。​

​

前者像是随口一句“帮我弄一下”。 后者像是真正把任务交代清楚了。​

​

💪

这就是 Prompt Engineering 的核心：不是让 AI 更聪明，而是让你的表达更可执行。​

​

​

​

二、AI 不是读心术，它需要上下文​

很多人刚开始用大模型，会下意识觉得：“它不是很聪明吗？那我随便说一句，它应该懂吧。”但大模型并不会真的读心。​

​

💪

它生成内容的方式，本质上是根据你给出的上下文，预测接下来最可能、最合适的文本。​

​

所以你给它的信息越少，它的自由发挥空间就越大。​

​

比如你说：​

​

​

请写一篇面向企业管理者的公众号文章，主题是远程办公带来的管理挑战。文章需要重点讨论沟通成本、目标管理、团队信任和工具协作。语气要理性、实用，不要鸡汤，控制在 1800 字左右。​

​

这时候输出质量会稳定很多。​

原因很简单： 你给它画了一条路，它就不会在荒地里乱跑。​

​

​

三、好的 Prompt，通常包含 5 个要素​

一个实用的 Prompt，不一定要很长，但最好包含几个关键部分。​

角色​

告诉 AI 它应该以什么身份回答。​

比如：​

​

•

你是一名资深产品经理​

•

你是一名前端架构师​

•

你是一名 B2B 营销顾问​

•

你是一名技术文档作者​

•

你是一名公众号编辑​

​

​

💪

角色不是装饰，它会直接影响回答的视角和语言。​

同一个问题，你让“产品经理”回答，和让“技术负责人”回答，重点一定不同。​

​

​

​

任务​

明确你要它做什么。​

不要只说“帮我看看”“优化一下”“写一个”。​

可以说得更具体：​

​

•

帮我把这段内容改成公众号文章​

•

帮我生成一份 PRD 文档​

•

帮我整理成表格​

•

帮我检查这段代码的问题​

•

帮我生成一份 PPT 大纲​

•

帮我把需求拆成前后端开发任务​

​

​

💪

任务越具体，输出越接近可用状态。​

​

​

​

背景​

背景是很多人最容易忽略的部分。​

比如你让 AI 写一份技术方案，如果没有业务背景，它只能写通用方案。​

但你补充一句：​

​

这是一个储能 EMS 平台，用于展示部门项目进度、问题闭环、需求状态和版本节奏，后续希望通过 Excel 导入自动生成看板数据。​

​

这时候它的输出就会明显更贴近你的业务。​

​

​

输出格式​

这点特别关键。​

​

💪

你要 Markdown，就告诉它用 Markdown。 你要表格，就告诉它用表格。 你要 JSON，就告诉它只输出 JSON。 你要 PPT 大纲，就告诉它按页输出。 你要开发文档，就告诉它包含哪些章节。​

不要让 AI 自己决定格式。​

​

比如：​

​

​

这种输出就很适合被程序继续处理。如果只是让 AI 输出一大段自然语言，人看起来还行，但系统很难接。​

​

​

约束​

约束就是告诉 AI 什么能做，什么不能做。​

比如：​

​

•

不要编造事实​

•

不要使用夸张营销语​

•

不要使用过多术语​

•

控制在 1000 字以内​

•

必须使用表格​

•

必须结合实际业务场景​

•

不要输出多余解释​

•

先给结论，再展开分析​

​

很多时候，约束比任务本身还重要。​

因为模型默认会“补全”很多东西。 而你加了约束，它才知道边界在哪里。​

​

​

四、Few-shot：给 AI 一个例子，它会更懂你​

有时候，你已经把任务说清楚了，但 AI 的风格还是不对。​

这时候最有效的方法不是继续骂它：​

“你写得太 AI 了。” “再自然一点。” “不要这么空。”​

这些反馈有用，但不够精准。​

更好的方式是：给它例子。​

比如你想让它帮你写客服回复，可以这样说：​

​

请参考下面 2 条回复风格，帮我回复新的客户评价。语气要真诚、简洁、有同理心，不要过度官方。​

​

然后贴上你喜欢的示例。​

这就是 Few-shot Prompting。​

它的逻辑很简单： 你不是只告诉 AI “我要什么”，而是直接让它看到“什么样才算对”。​

在写公众号文章、产品文案、短视频脚本、邮件回复、客服话术时，这招特别好用。​

因为“风格”这个东西，讲十句都不如给一个例子。​

​

​

五、复杂任务不要一口吞，要拆开做​

很多人用 AI 时，喜欢一上来就丢一个大任务：​

​

帮我写一个完整的项目方案。​

​

不是不能写。 但结果往往会比较虚。​

复杂任务更适合拆成多步。​

比如你要做一份产品需求文档，可以这样拆：​

第一步：先让 AI 梳理业务背景和目标用户。 第二步：再让它列核心功能模块。 第三步：继续拆页面结构和交互流程。 第四步：再整理数据字段和接口建议。 第五步：最后生成完整 PRD。​

这样做的好处是，每一步你都能检查和修正。​

这就像做项目，不能一上来就让施工队直接盖楼。 你得先定需求，再画图纸，再拆任务，再施工。​

AI 也是一样。​

这类方法通常叫 Prompt Chaining，也就是提示词链。 它的核心不是“一个 Prompt 写得多神”，而是把复杂工作拆成多个可控步骤。​

​

​

六、让 AI 先问你问题，而不是直接开写​

有时候，我们自己也没想清楚需求。​

这很正常。​

比如你想写一份项目立项材料，但你可能一开始只知道一个大概方向，很多细节还没整理出来。​

这时可以让 AI 先采访你。​

比如：​

​

我想写一份项目立项材料，但我现在信息还不完整。请你先像项目经理一样采访我，一次只问一个关键问题。等信息足够后，再帮我生成完整文档。​

​

这个方式很适合开放式任务，比如：​

•

写 PRD​

•

做项目规划​

•

写竞品分析​

•

设计 AI Agent​

•

生成技术方案​

•

整理公众号文章​

•

准备汇报 PPT​

它能帮你把脑子里散乱的想法一点点拎出来。​

很多时候，我们不是没有想法，而是想法像一堆没整理的零件。AI 可以帮你先分类、对齐，再组装。​

​

​

七、结构化输出，是 AI 真正进入工作流的关键​

如果你只是和 AI 聊天，自然语言输出就够了。​

但如果你想把 AI 用进系统里，比如做一个 Web Agent、自动化工具、内容生成平台，那结构化输出就非常重要。​

比如你做一个电商出图 Agent，用户上传产品图和产品信息后，AI 需要输出：​

•

商品卖点​

•

目标人群​

•

图片风格​

•

主图文案​

•

场景图提示词​

•

细节图提示词​

•

尺寸比例​

•

生成任务列表​

这时候你最好让模型输出 JSON，而不是一大段文字。​

例如：​

​

代码块​

Plain Text

{​

"product_name": "便携榨汁杯",​

"target_audience": ["上班族", "健身人群", "学生"],​

"selling_points": ["便携", "无线充电", "易清洗"],​

"image_tasks": [​

​

这样前端可以直接渲染，后端可以直接存储，后续模型也可以继续处理。​

这是 AI 从“聊天工具”变成“生产工具”的关键一步。​

​

​

八、让 AI 自我检查，结果会更稳​

AI 生成完内容后，不要急着直接用。​

你可以让它自己检查一遍。​

比如：​

​

请从准确性、完整性、结构清晰度、可执行性四个维度评价上面的方案，每项 1–10 分，并指出需要优化的地方。​

​

或者：​

​

请以技术负责人视角审查这份开发文档，指出可能遗漏的接口、异常状态、边界条件和数据字段。​

​

这一步很有用。​

因为第一次生成往往只是初稿。 真正可交付的内容，通常要经过检查、补充和重写。​

你甚至可以换一个角色来审查：​

•

产品经理视角​

•

研发负责人视角​

•

客户视角​

•

老板视角​

•

用户体验设计师视角​

•

测试工程师视角​

不同角色会看到不同问题。​

这就像开评审会。 一个人看方案，容易漏；多几个视角，方案才更扎实。​

​

​

九、别追求“万能提示词”，要建立自己的 Prompt 工作流​

网上有很多“万能 Prompt”。​

有些确实有用，但不能解决所有问题。​

真正有价值的，不是收藏 1000 条提示词，而是建立自己的工作流。​

比如你经常写技术方案，那你可以沉淀一套自己的模板：​

​

代码块​

Plain Text

你是一名资深技术负责人。​

​

我要设计一个【系统/功能】。​

​

如果你经常写公众号文章，也可以沉淀一套：​

​

代码块​

Plain Text

请把下面内容整理成一篇适合公众号发布的文章。​

​

要求：​

1. 标题有吸引力，但不要标题党；​

2. 开头要有真实场景，引出读者痛点；​

3. 正文结构清晰，每一节有小标题；​

4. 语言自然，不要太像论文；​

5. 结尾要有总结和启发；​

6. 输出 Markdown 格式。​

​

原始内容：​

【粘贴内容】​

​

这才是真正可复用的东西。​

不是每次从零开始，而是慢慢建立自己的 AI 工作台。​

​

​

十、一个好用的通用 Prompt 模板​

最后，给你一个最基础、但非常实用的 Prompt 模板。​

以后大多数任务都可以从这个结构开始。​

​

代码块​

Plain Text

你是【角色】。​

​

我要完成【任务目标】。​

​

背景信息：​

【补充业务背景、用户背景、上下文】​

​

目标读者/用户：​

​

这个模板看起来简单，但够用了。​

你只要把【】里的内容换成自己的任务，就能明显提升 AI 输出质量。​

​

​

结尾：Prompt Engineering 的本质，是把问题讲清楚​

很多人把 Prompt Engineering 想得太复杂了。​

其实它的底层逻辑非常朴素：​

​

你越清楚自己要什么，AI 越容易帮你做到。​

​

AI 不是许愿池。 你丢一句愿望进去，它不一定能变出你想要的结果。​

AI 更像一个能力很强的协作者。 它懂很多东西，速度很快，也能帮你补充思路，但前提是你要把方向、背景、目标和标准讲清楚。​

所以，Prompt Engineering 真正训练的不是 AI。​

而是我们自己。​

训练我们把模糊的问题讲清楚。 把复杂的任务拆开。 把心里的标准表达出来。 把一个想法变成别人能执行的指令。​

这可能才是 AI 时代最重要的能力之一。​

不是会不会用某个工具，而是能不能把问题定义清楚。​

因为当你能把问题讲清楚，AI 才能真正成为你的放大器。​