跟AI打交道久了，你会发现它很像一个刚入职的新员工。它知道很多东西，几乎什么都能学，但如果你不把话说清楚，它给你的结果就很可能不是你想要的。 这就是提示词（Prompt）的作用：告诉AI做什么、怎么做。写好提示词，其实就是学会怎么管理你的AI员工。
一个好的提示词，首先要做到清晰具体。模糊不清的需求只会得到模棱两可的回答。 这就像你对助理说“帮我搞点资料”，对方肯定一头雾水。你应该说清楚：“帮我找一下最近三个月关于电动汽车市场的行业报告，重点关注电池技术和消费者购买偏好。”
举个例子，我之前想让AI帮我整理一个旅行计划。
- 糟糕的提示词：“帮我做一个去长沙的旅行计划。”
- 结果，AI给的计划很笼销，没什么实际价值。
后来我换了一种说法：
- 优化后的提示词：“你现在是一位专业的旅行规划师。 我计划在下个月去长沙玩5天，预算是4000元。我喜欢自然风光和有历史感的建筑，对网红打卡点不感兴趣。请帮我规划一个详细的每日行程，包括景点、交通方式、推荐的本地特色餐厅，并用表格的形式呈现出来。”
第二次的结果就好多了。因为它包含了几个关键信息：
* 角色：旅行规划师
* 背景：时间、预算、个人偏好
* 任务：规划每日行程，包含具体内容
* 格式：用表格呈现
这就引出了第二个关键特征：提供充足的上下文。 你给AI的信息越多，它就越能理解你的真实意图。 上下文就像拼图的边框，能帮AI框定思考范围，让结果更贴合你的需求。 背景信息、目标读者、使用场景，这些都是有效的上下文。 比如，同样是解释“光合作用”，给小学生解释和给大学生解释，内容肯定不一样。 你需要告诉AI，这个结果是给谁看的。
第三个特征是赋予AI一个角色。 这可能是最简单也最有效的一个技巧。 当你让AI“扮演一个角色”时，它会调动相关的知识和语言风格来回答你。 比如，你可以让它扮演一个资深的程序员来帮你检查代码，或者扮演一个营销专家来帮你写广告文案。
- 普通提问：“帮我看看这段代码有什么问题。”
- 角色扮演式提问：“你是一位有10年经验的Python程序员，擅长代码优化。请检查以下代码，找出其中潜在的性能问题，并提供修改建议。”
这种方式能让AI的回答更专业、更聚焦。
第四，明确输出的格式。 如果你需要一个列表、一个表格或者一段JSON代码，直接告诉它。 这能省去你很多后期整理的麻烦。 明确的格式要求就像给AI一个模板，让它把内容填充进去。
例如，需要比较两款手机的优缺点时，可以这样说：
“请用Markdown表格比较A手机和B手机的优缺点，比较维度包括处理器、屏幕、摄像头和电池续航。”
第五，提供示例（Few-shot Prompting）。 如果你有特定的风格或格式要求，光用嘴说可能还不够，最好是直接给它一个例子看。 这就像你教别人做事，亲自示范一遍比说十遍都管用。
比如，你想让AI帮你写一封风格简洁的商务邮件，可以这样做：
“我需要写一封邮件拒绝一个合作邀请。请参考以下风格，帮我草拟一封邮件。
示例：
‘张总，您好。感谢您的邀请，但经过考虑，我们目前没有相关计划。祝好。’
需要草拟的邮件内容：拒绝李总关于下季度联合营销活动的提议。”
通过提供示例，AI能更准确地把握你想要的语气和格式。
第六，把复杂任务拆解开。 面对一个复杂的问题，不要指望用一个提示词就得到完美结果。 更好的做法是把大任务拆成几个小步骤，一步一步引导AI完成。
我曾经尝试让AI帮我写一篇关于某个技术主题的长文。一开始我直接说：“写一篇5000字关于‘人工智能在医疗领域的应用’的文章。” 结果很不理想，内容空洞，结构混乱。
后来我把任务拆解了：
1. “你是一位科技领域的分析师。首先，为一篇关于‘人工智能在医疗领域的应用’的文章，列出一个详细的大纲。”
2. 拿到大纲后，我再针对每一个小标题，让AI去扩写和填充内容。例如：“根据上面的大纲，先详细写一下‘AI在医学影像诊断中的应用’这一部分，并引用两个真实案例。”
3. 最后，再让它把所有内容整合、润色。
这样做虽然麻烦一点，但最终文章的质量高得多。这个过程也叫“思维链（Chain of Thought）”，引导AI像人一样分步骤思考，能有效提升它处理复杂问题的能力。
最后一点，不断迭代和优化。很少有人能一次就写出完美的提示词。 把它看成一个与AI对话和调试的过程。 如果第一次的结果不满意，分析一下是哪里没说清楚，然后修改提示词再试一次。 是背景信息给少了？还是任务指令不够具体？通过不断调整，你会越来越懂你的AI助手，它也会越来越懂你。
评论前必须登录！
注册