提示词都哪些类型，比如描述性、指令性、风格性等？

我们和AI打交道，其实就是在发号施令。这个“号令”就是提示词。很多人以为提示词就是随便说句话，让AI干活就行。但实际上，不同的说法能让AI的表现天差地别。想让AI变得好用，得先弄明白你对它说的话属于哪种类型。

最常见也最基础的一种，就是指令性提示词。 顾名思义，就是直接告诉AI“你要做什么”。这种提示词通常用动词开头，目的非常明确。 就像你对一个刚来的实习生安排工作，不会绕弯子，直接说要点。

比如，你扔给AI一篇文章，然后说：
“总结这篇文章。”
“把这段话翻译成英文。”
“给我列出这组数据的重点。”

这些都是清晰的指令。AI接到这种命令，会立刻开始干活，不会去猜测你背后的意图。优点是直接、高效，适合处理那些目标单一的任务。但缺点也很明显，就是太“干”了。AI只会完成你字面上的要求，不会有多余的发挥。如果你想要的结果需要一些背景信息或者特定的格式，光靠简单指令就不够了。

这时候，就需要描述性提示词了。描述性提示词不是一个独立的分类，它更像是给指令性提示词打的“补丁”和“增强包”。它负责提供任务的背景、上下文和具体细节，让AI更好地理解它到底在做什么。

举个例子。如果你只说“写一封营销邮件”，AI可能会给你一个非常通用的模板，空洞无物。但如果你加入描述，情况就完全不同了：
“你是一家卖手工咖啡豆的公司市场经理。写一封营销邮件，目标客户是已经购买过我们产品的老顾客。邮件的目的是宣传我们新到的一批埃塞俄比亚耶加雪菲咖啡豆，强调它的果香和明亮的酸度。风格要亲切、友好，就像和朋友分享好东西一样。”

你看，这里面“写一封营销邮件”是核心指令。但是，后面所有的内容——你的身份、目标客户、产品信息、风格要求——都是描述。 这些描述给了AI一个具体的场景和丰富的细节，它就能生成一封有血有肉、更能打动人的邮件。 好的描述性提示词就像是给演员的剧本，不仅告诉他要说什么台词（指令），还描绘了角色的身份、情绪和场景，让他能演得更到位。

再来说说风格性提示词。这种提示词专门用来控制AI输出结果的“调性”和“气质”。 如果说指令性提示词决定了AI“做什么”，描述性提示词决定了AI“做什么样的”，那风格性提示词就决定了AI“用什么感觉去做”。

这在文字创作和图片生成中尤其重要。比如你想让AI写一个故事，你可以指定风格：
“用村上春树的风格写一个关于猫和爵士乐的短篇故事。”
“模仿鲁迅的笔触，写一篇关于现代人加班现象的杂文。”

AI会去模仿这些作家的语言习惯、叙事节奏和情感基调。 同样，在AI绘画中，风格提示词就是灵魂。 你可以要求它生成一张图片，并且指定：
“一只赛博朋克风格的猫，在下雨的东京街头，霓虹灯光影，电影感。”
“一幅水彩画，描绘宁静的湖边小屋，有晨雾，画面柔和。”

这些“赛博朋克”、“水彩画”、“电影感”就是风格词。 它们能极大地影响最终画面的视觉效果，让AI从一个单纯的画图工具变成一个能理解美学和氛围的伙伴。

除了上面这几种基础类型，还有一种非常实用，而且很多人在不知不觉中就在用的，就是角色扮演型提示词。 这种玩法是给AI设定一个具体的身份，让它从这个角色的视角出发去思考和回答问题。

比如，你不是直接问“我该如何准备面试”，而是说：
“你是一位有15年经验的资深人力资源总监，请告诉我，作为一个应聘产品经理岗位的候选人，我应该如何准备面试？重点说明该注意哪些问题，以及如何展示自己的优势。”

这种方式几乎是把指令、描述和风格融为一体了。你给了AI一个角色（资深HR总监），这个角色本身就包含了专业的知识背景（描述）和说话的口吻（风格），然后你再给出具体的任务（指令）。 事实证明，让AI扮演一个专家角色，它给出的答案往往比泛泛而谈要专业、深入得多。因为它会调动与这个角色相关的知识，并用符合该角色身份的逻辑和语言来组织答案。

当然，还有一些更偏技术的分类方式。比如“零样本提示”（Zero-Shot Prompting），就是我们前面说的，不给任何例子，直接下指令。 AI完全依靠它之前训练时学到的庞大知识来理解和执行。

与之对应的是“少样本提示”（Few-Shot Prompting）。 这种方式是在你的指令里，先给AI一两个例子，告诉它你想要什么样的格式或结果。

打个比方，你想让AI帮你给邮件分类。你可以这样用少样本提示：
“把下面的邮件分为‘紧急’、‘普通’或‘垃圾’。
邮件：‘你好，本周五的会议需要你确认一下议程。’ 分类：紧急
邮件：‘您的账单已出，请及时查看。’ 分类：普通
邮件：‘恭喜您获得我们送出的幸运大奖！’ 分类：垃圾
现在，请对这封邮件进行分类：‘关于下个季度预算的初步方案，请查收附件。’”

通过前面给出的几个例子，AI就能学习到你的分类标准，然后对新的邮件做出更准确的判断。 这就像你教小孩东西，不是光说理论，而是做几个示范给他看，他学得更快。

还有一种叫“思维链提示”（Chain-of-Thought Prompting），简称CoT。 这种提示词主要用在需要复杂推理和计算的问题上。它的核心是让AI在给出最终答案之前，先把思考的步骤一步步写出来。

比如你问一个数学题：“小明有5个苹果，他给了小红2个，又买了3个，请问他现在有几个苹果？”
直接问，它可能会答错。但如果你用思维链提示，就可以这么说：
“小明有5个苹果，他给了小红2个，又买了3个，请问他现在有几个苹果？请一步一步地思考。”

AI可能会这样回答：
“好的，我们来一步步看：
1. 小明一开始有5个苹果。
2. 他给了小红2个，所以剩下 5 – 2 = 3个苹果。
3. 他又买了3个，所以现在有 3 + 3 = 6个苹果。
所以，小明现在有6个苹果。”

通过引导它把思考过程展示出来，不仅能提高复杂问题的正确率，也能让你明白它是怎么得出这个结论的，方便你检查它的逻辑是否正确。

总的来说，提示词的类型多种多样，但万变不离其宗。核心都是为了更清晰、更准确地向AI传达你的意图。从简单的直接指令，到加入丰富的描述和风格定义，再到通过角色扮演和提供范例来引导AI，本质上都是一个你和AI之间不断磨合、互相理解的过程。掌握这些不同类型的提示词，就像是拥有了一个工具箱，针对不同的任务，拿出最合适的工具，才能让AI这个伙伴发挥出最大的作用。