👁 120 次阅读
核心结论：写出高质量 AI 提示词，不是拼“会说话”，而是掌握一套可复用的结构——角色、任务、约束、示例，四要素搭配好了，普通用户也能稳定产出专业级结果。
你肯定见过那种帖子：有人把 ChatGPT 的回答截图发出来，底下评论全是“怎么我问就答得这么烂”。其实大多数时候，不是模型不行，是提示词太敷衍。
我刚接触 AI 工具那阵，也习惯一句话丢过去：“帮我写个方案”“推荐几个旅游地点”。返回来的东西不能说没用，但就像让实习生加班到凌晨三点硬凑出来的——能用，就是哪里都差口气。
后来因为要维护 aibsz.com 的评测栏目，我被迫大量对比不同提示词下多个模型的表现，才慢慢摸到门道。今天这篇就把我从零积攒的经验整理出来，希望能让你少走点弯路。
一、为什么你的提示词总是得不到想要的结果
先讲一个很典型的翻车现场。
有一次我想让 AI 帮我生成一份“小红书风格的好物推荐文案”，我输入的提示词是：
“写一篇好物推荐，要吸引人一点。”
AI 给我的开头是：“在当今快节奏的生活中，选择一款适合自己的产品至关重要……” 这哪里是小红书？这分明是国企的年终总结。
问题出在哪？AI 并不了解你脑海中的“吸引人”是什么标准。是标题党那种？是素人真实分享的语气？还是李佳琦式的亢奋种草？你不说清楚，它就只能按最大公约数来猜。
还有一种常见情况是信息过载。有朋友听说“提示词越详细越好”，把需求写成一篇小作文，从品牌历史写到目标人群画像，结果 AI 东抓一句西抓一句，最后输出四不像。详细不等于没有重点，结构化才是关键。
二、一个万用框架：角色 + 任务 + 约束 + 示例
经过上百次测试之后，我总结了一个目前用下来最稳的提示词框架，不管是对 ChatGPT、Claude 还是国产模型都有效：
角色设定 → 核心任务 → 明确约束 → 参考示例
拆开来说：
① 角色设定：给 AI 一个明确身份
不要只说“你是一个助手”，太泛了。可以具体到：你是一个有 5 年经验的 SaaS 产品文案，擅长用短句和场景化描述打动用户。你会发现，加上角色之后，AI 的语气、用词、切入角度全变了。
实测对比：
没有角色：“写一段智能笔记软件的宣传语”
有角色：“你是一个专攻效率工具领域的文案策划，曾为 Notion、Obsidian 等产品写过发布稿”
后者的输出明显更有行业感，不再飘在半空。
② 核心任务：用一句话说清楚要干什么
这一句最好是“动词 + 对象 + 目的”的结构。比如“写一篇面向新手设计师的 Midjourney 入门教程，让他们看完能独立生成第一张图”，而不是含糊地说“写个教程”。
③ 明确约束：告诉它不能做什么
很多人只告诉 AI 要做什么，忘了说不要做什么。约束至少包含三条线：
字数/篇幅：“正文控制在 800 字以内”
风格/语气：“口语化，像朋友聊天，不要新闻联播腔”
内容边界：“不要涉及未公开的版本功能，不要编造数据”
这几条一加，基本能过滤掉 80% 让人抓狂的回答。
④ 参考示例：给一个“标准答案”的模板
这是最被低估的一步。AI 对文字的理解远不如人类，你形容半天“轻松、活泼、有网感”，不如直接给一段你认可的文字让它模仿结构。有一次我需要一组 App 功能介绍的小红书体文案，我直接贴了一条我自己写的笔记作为风格参照，后面让它生成的五条几乎没有需要大改的。
三、实操演示：一个普通提示词的进化过程
拿前面那个“好物推荐”的需求来改造。
第一版（不及格）：
写一篇好物推荐。
第二版（勉强及格）：
写一篇好物推荐，推荐一款降噪耳机，要小红书风格，活泼一点。
第三版（能用）：
你是小红书好物分享博主，女性，25 岁，语气真诚、有生活感。请推荐一款适合通勤用的降噪耳机，突出早高峰地铁的痛点场景，字数 300 以内，多用短句和 emoji。不要出现“极致享受”“震撼音质”这类广告词。
第四版（稳定输出）：
在第三版基础上，我再贴一段自己写过的小红书正文作为风格样本。这样一来，AI 对“真诚有生活感”的理解不再模糊，生成的文案直接就能用，改改产品名就行。
你会发现，从第三版开始，提示词里没有半句废话，每一条信息都在帮 AI 缩小选择范围。这背后的核心心法是：把 AI 当成一个极其聪明但完全不了解你背景的新同事。 你不告诉它部门文化、领导偏好、交付标准，它做得再努力也容易跑偏。
四、避坑指南：几个让我踩过坑的经验
坑一：不要要求 AI“查最新资料”
除非你用的是开通了联网搜索的版本且明确打开了搜索功能，否则大多数模型的训练数据都有截止日期。让它查“2025 年最新政策”，它要么坦白说不知道，要么瞎编。需要实时信息的时候，最好自己找到资料喂给 AI，让它来整理分析。
坑二：分步骤比一次性要求更可靠
遇到复杂任务，比如“分析竞品并输出调研报告”，我会拆成三步：先让 AI 列一个报告大纲，确认结构没问题；再让它逐节填充内容；最后统一优化措辞。每一步都能检查和纠偏，比一次生成一个半成品报告再反复改要高效得多。
坑三：长对话里要适时“重置”上下文
多轮对话越到后面，AI 越容易被前面的内容带偏。我现在的习惯是，一个任务聊到感觉 AI 开始“犯迷糊”了，直接新开一个对话窗口，把核心需求重新组织一下丢进去，往往立竿见影。
五、不同场景下的提示词差异
提示词没有万能模板，场景不同，侧重点完全不一样：
创意写作（广告语、故事、短视频脚本）：约束可以松一点，多给风格示例和情绪关键词，鼓励 AI“放飞”一些。
知识获取（学习概念、读书笔记）：重点放在角色设定和约束上，要求“用通俗语言解释”“如有不确定之处请注明”，防止它不懂装懂。
代码辅助：角色设为“资深后端工程师”这类具体岗位，约束里加上“只输出可运行的完整代码块”和“代码需包含中文注释”，能省很多来回调整的功夫。
数据分析/总结：把原始信息一起给进去，约束里强调“只基于提供的数据进行分析，不要补充外部信息”。
常见问题（FAQ）
Q：提示词一定要用英文写吗？
A：不必要。主流模型对中文的理解已经很成熟，中文提示词完全够用。只是在某些特定领域（比如编程）英文术语更精准，可以中英混用。
Q：提示词越长越好吗？
A：不是。关键是结构清晰、信息有效。一个 50 字但要素完整的提示词，远比 300 字但东拉西扯的提示词效果好。
Q：同样的提示词，为什么换个模型效果差很多？
A：不同模型的能力侧重和训练数据不一样。建议把同一套核心提示词在 2-3 个模型上测试，选最适合当前任务的。aibsz.com 有多个模型的横向对比评测，可以参考。
Q：写的提示词被 AI 拒绝执行怎么办？
A：先检查是否触碰了内容安全策略，试着调整措辞或拆解任务。如果只是语气问题，在约束里重新强调一下风格要求就行。
Q：怎么知道自己写的提示词够不够好？
A：最简单的标准：把提示词给别人看，他能不能大致说出你要 AI 做什么、怎么做、不能做什么。如果连人都理解不了，AI 大概率也悬。
总结一下：写好提示词的本质，是把自己的需求翻译成 AI 能精准执行的结构化指令。角色给身份，任务给方向，约束给边界，示例给标准——四步走下来，结果不会太差。不需要追求一步登天，每次优化一点，几轮之后你会发现，你和 AI 的配合已经有了默契。