Prompt提示词工程完全指南
两年前我第一次用ChatGPT的时候，输入”帮我写一篇文章”，得到的是一篇干巴巴的、像教科书摘要一样的东西。我当时觉得AI也不过如此。后来一个做AI研究的朋友看了我的Prompt，笑着说：“你这就像去餐厅跟服务员说’给我来点吃的’，人家怎么知道你想吃什么？”
从那以后我开始系统学习Prompt工程——也就是如何设计好的提示词来让AI输出更优质的结果。经过两年的实践积累，我总结出了一套完整的方法论。今天这篇指南从基础到进阶，覆盖了我认为最重要的知识点和实战技巧。
什么是Prompt工程以及为什么它很重要
Prompt工程，简单说就是”怎么跟AI说话”。但这个”说话”有很多讲究——同样的需求，不同的表达方式会得到质量天差地别的结果。
让我用一个真实例子来说明差距。假设你需要AI帮你写一封客户投诉的回复邮件：
差的Prompt：“帮我回复客户的投诉邮件。”
得到的结果通常是：一封模板化的、毫无诚意的标准回复。“感谢您的反馈，我们非常重视您的意见…”
好的Prompt：“我收到一封客户投诉邮件，客户名叫张先生，他购买了我们公司的企业培训服务，但因为讲师迟到30分钟导致培训推迟。他要求退还50%的费用。我需要一封回复邮件，语气诚恳但不过度让步，承认错误并提出合理的补偿方案（比如免费补一场培训而不是退款），字数300字左右。”
得到的结果会是一封针对性的、有策略的、可以直接发送的邮件。
差距在哪里？差的Prompt缺少了所有关键信息——谁投诉的、投诉什么、你的立场是什么、期望什么样的回复。好的Prompt把这些信息都给了AI，让它可以精准地完成你的需求。
Prompt工程的基础框架：CRISPE
经过大量实践，我总结了一个通用的Prompt框架，叫做CRISPE。每个字母代表一个关键要素：
C - Context（背景上下文） 告诉AI你当前的情况。比如”我是一个初创公司的市场经理”、“我在准备下周三的部门汇报”、“我的客户是一个50岁的女性企业主”。上下文越具体，AI的输出越贴合你的实际需求。
R - Role（角色设定） 指定AI扮演的角色。虽然简单的”你是一个专家”这种设定效果有限，但更具体的角色设定仍然有用。比如”你是一个有10年经验的B2B营销专家，服务过多家SaaS公司”比”你是营销专家”效果好得多。
I - Instruction（具体指令） 这是Prompt的核心——你到底要AI做什么。指令要具体、可操作。“分析”比”看看”好，“列出5个要点”比”给一些建议”好，“用对比表格呈现”比”整理一下”好。
S - Style（风格要求） 指定输出的风格、语气和格式。“正式商务风格”、“像朋友聊天一样轻松”、“学术论文格式”、“用第一人称叙述”等。如果不指定，AI默认会用一种中性、官方的语气。
P - Parameters（参数约束） 包括字数限制、格式要求、语言要求等。“不超过500字”、“用Markdown格式”、“包含至少3个数据支撑”、“每段不超过3句话”等。
E - Example（示例） 如果可能，给AI一个你认为好的输出示例。这比任何描述都有效——AI通过示例能最快理解你的期望。
让我用一个完整的CRISPE Prompt作为示范：
[C] 我在准备一份给投资人看的商业计划书，项目是AI辅助的老年人居家健康监测服务。
[R] 请你作为一位有15年经验的创投顾问来帮我。
[I] 帮我撰写"市场分析"部分，需要覆盖：目标市场规模、增长趋势、竞争格局、我们的差异化优势。
[S] 语言精练、数据驱动、适合商业路演场景，避免过于学术化的表述。
[P] 控制在800字以内，使用小标题分段，每个数据点标注来源。
[E] 风格参考示例："根据艾瑞咨询2025年报告，中国智慧养老市场规模达到......"用这个Prompt得到的输出，比简单说”帮我写市场分析”要好十倍不止。想了解更多AI工具的实际应用，可以参考ChatGPT使用技巧。
五个立竿见影的高级技巧
掌握了CRISPE框架后，下面这五个高级技巧可以让你的Prompt质量再上一个台阶。这些是我在日常工作中使用频率最高、效果最明显的技巧。
技巧一：思维链引导（Chain of Thought）
对于复杂任务，不要直接要求AI给出最终答案，而是引导它”一步步思考”。
普通Prompt：“分析这个商业方案的可行性。”
思维链Prompt：“请按以下步骤分析这个商业方案的可行性：第一步，评估市场需求是否真实存在；第二步，分析目标用户是否愿意付费；第三步，评估竞争壁垒是否足够；第四步，估算单位经济模型（获客成本vs客户终身价值）；第五步，综合以上分析给出可行性结论和建议。”
思维链的核心价值是防止AI”跳步”——直接给结论往往会忽略关键的分析维度。当你强制它按步骤走，每一步的质量都会提高。
技巧二：输出格式化控制
明确告诉AI你想要的输出格式。这不仅让结果更易读，还能强制AI按照你的逻辑框架组织信息。
我常用的格式控制手段包括：
表格化：“用Markdown表格呈现，列名为：方案名称、优势、劣势、适用场景、预估成本。”
编号列表：“列出5个关键建议，每个建议用以下结构：标题（不超过10字）、原因（1句话）、行动步骤（2-3步）。”
分段模板：“请按以下结构输出：【现状分析】【问题诊断】【解决方案】【实施步骤】【预期效果】。“
技巧三：负面约束（Negative Constraints）
告诉AI”不要做什么”有时候比告诉它”要做什么”更有效。
常见的负面约束：
- “不要使用’在当今社会’、‘随着…的发展’等陈词滥调”
- “不要给出泛泛的建议，每个建议必须包含具体的数字或案例”
- “不要重复问题本身，直接进入分析”
- “不要使用过于学术化的语言，要让高中生也能看懂”
- “不要加总结段落”
我发现负面约束在写作类任务中特别有效。AI的默认写作风格有很多”AI味”的表达方式，通过负面约束可以大幅减少这些让人出戏的表述。关于如何减少AI写作痕迹，我在降低AIGC检测率一文中有更详细的讨论。
技巧四：Few-Shot示例（少量示例学习）
给AI一到三个你认为质量好的输出示例，让它”学习”你的风格偏好。
比如你希望AI帮你写小红书文案，与其描述半天”要活泼、要有网感、要有emoji”，不如直接给它两篇你觉得写得好的小红书帖子作为示例，然后说”请按照这个风格写一篇关于XX的帖子”。
示例Prompt结构：
以下是两篇我认为风格合适的小红书文案示例：
示例1：[粘贴文案1]
示例2：[粘贴文案2]
请按照类似的风格、语气和结构，帮我写一篇关于"AI辅助学英语"的小红书文案。要求：
- 标题要有数字和emoji
- 开头用个人经历引入
- 正文分3-4个要点
- 结尾引导互动技巧五：迭代优化（Refinement Loop）
很少有人能一次写出完美的Prompt。高手的做法是：先写一个基础Prompt → 看AI的输出 → 找出不足之处 → 修改Prompt再试。
我通常的迭代流程是：
- 第一版Prompt：写清楚核心需求
- 看输出：找出哪些地方不符合预期
- 针对性修改：如果太笼统就加细节，如果风格不对就加风格描述，如果格式不对就加格式要求
- 重复2-3直到输出满意
一般来说，一个复杂的Prompt经过2-3轮迭代就能达到很好的效果。关键是每轮迭代都要明确指出”哪里不满意”，而不是重写整个Prompt。
不同场景下的Prompt实战模板
场景一：写作类任务
背景：[你的身份和写作目的]
任务：写一篇[体裁]，主题是[具体主题]
读者：[目标读者画像]
风格：[语气和风格描述]
结构要求：[分段和段落数量]
字数：[字数范围]
禁止：[不要出现的表达方式]场景二：分析和决策类任务
背景：[需要分析的问题描述]
数据：[相关数据和信息]
分析框架：[希望AI使用的分析方法，如SWOT、PEST等]
输出格式：[表格/列表/分段报告]
决策建议：[是否需要给出明确建议和理由]场景三：代码和技术类任务
目标：[要实现的功能描述]
技术栈：[使用的编程语言和框架]
约束：[性能要求、兼容性要求等]
输入输出：[函数的输入参数和期望输出]
错误处理：[需要处理哪些异常情况]
代码风格：[命名规范、注释要求等]场景四：翻译和本地化任务
源文本：[要翻译的内容]
目标语言：[目标语言]
语境：[文本的使用场景，如商务邮件、产品说明等]
风格：[正式/非正式/口语化]
术语处理：[专业术语是直译还是用本地化表达]
参考：[如有已有的翻译示例可以附上]关于DeepSeek等国产大模型在中文语境下的Prompt技巧，我在DeepSeek提示词技巧中有专门的分析。
常见错误和优化对照表
| 错误类型 | 差的Prompt | 好的Prompt | 改进要点 |
|---|---|---|---|
| 缺乏背景 | ”写一篇关于AI的文章" | "我是一个科技博主，粉丝主要是25-35岁的职场人，写一篇关于AI如何提升工作效率的文章” | 加上身份、受众和具体角度 |
| 指令模糊 | ”帮我看看这个方案" | "从市场可行性、技术可行性和财务可行性三个维度分析这个方案，每个维度给出1-5分的评分和理由” | 明确分析维度和输出格式 |
| 缺少约束 | ”翻译这段话" | "翻译成中文，保持原文的幽默感，品牌名保留英文原文，控制在原文1.2倍字数以内” | 加上风格、特殊处理和长度约束 |
| 过度复杂 | 一个Prompt塞了10个任务 | 拆成多个小Prompt，每个专注一个任务 | 拆分任务，降低复杂度 |
| 角色设定空洞 | ”你是专家" | "你是一个服务过50家SaaS公司的增长顾问，特别擅长冷启动阶段的获客策略” | 角色要具体到经验和专长领域 |
不同AI工具的Prompt差异
我日常使用最多的三款AI工具是ChatGPT、Claude和DeepSeek。它们在Prompt响应上有一些值得注意的差异：
ChatGPT（GPT-4o/GPT-5）：对长Prompt的接受度最好，CRISPE框架完整使用效果最佳。特别擅长创意写作和代码生成。缺点是中文理解偶尔不够精准，需要特别强调”用中文口语化表达”。
Claude：对分析和推理类任务特别强，给它大量背景材料后让它做分析的效果非常好。长文档处理能力是三者中最强的。Prompt可以更注重”提供足够的上下文材料”，它会自己提炼要点。
DeepSeek：中文语境下表现最好，很多在ChatGPT上需要额外说明的中文写作规范（如段落衔接、成语使用），DeepSeek默认就做得不错。Prompt可以更简洁——它对简短但精准的指令响应很好。
三款工具的Prompt通用框架是一样的（CRISPE），差异主要在参数微调上。我的做法是：先用同一个Prompt在三款工具上各试一次，对比输出质量后再针对性优化。关于各款工具的详细对比，可以参考AI聊天机器人免费横评。
Prompt工程的进阶心法
除了具体的技巧和模板，我还想分享几个在长期实践中悟到的”心法”——这些不是可以直接复制粘贴的模板，而是指导你写出更好Prompt的思维方式。
心法一：把AI当作聪明但没背景知识的新同事。 想象你面前坐着一个非常聪明的人，但他对你的公司、行业、项目一无所知。你会怎么向他解释你的需求？这个思维模型能帮你自动补上那些你觉得”理所当然”但AI并不知道的背景信息。
心法二：结果倒推法。 在写Prompt之前，先想清楚你理想的输出是什么样的——大概多长、什么结构、什么语气、包含哪些要素。然后反推：要让AI产出这样的结果，我需要在Prompt中提供什么信息？
心法三：积累你的Prompt库。 把效果好的Prompt保存下来，按场景分类。下次遇到类似任务时，不需要从零开始写，直接在已有Prompt上修改就行。我目前积累了超过200个经过验证的Prompt模板，覆盖了写作、分析、代码、翻译等主要场景。
心法四：学会阅读AI的输出信号。 如果AI的输出开头是”好的”、“当然可以”之类的废话，说明你的Prompt可能太简单了——它在”凑字数”。如果输出结构混乱，说明你没有给出格式要求。如果内容太泛泛，说明你缺少具体约束。学会从输出反推Prompt的不足，是提升最快的方式。
总结
Prompt工程不是什么高深的技术，本质上是”清楚地表达你的需求”这个沟通能力的升级版。好消息是，这个能力是可以训练的——你写得越多、迭代得越多，水平就越高。
如果你刚开始学习，我建议从以下步骤开始：第一步，用CRISPE框架写你的第一个结构化Prompt；第二步，对比结构化Prompt和随意Prompt的输出差异；第三步，学习本文中五个高级技巧中的前两个（思维链和格式化控制）；第四步，开始积累你自己的Prompt库。
一个月后你会发现，你和AI协作的效率提升了不止一个档次。AI就像一个能力无限但需要明确指令的助手——你给它的指令越清晰，它的工作成果就越好。
深度扩展阅读
本文涵盖的内容是AI领域持续发展的方向之一。如果想进一步了解相关知识,可以参考以下推荐阅读: