提示词的三个基本要素：指令、上下文与输入

提示词的三个基本要素：指令、上下文与输入

上一篇文章我们弄懂了LLM的工作原理。从这一篇开始，我们要进入实操阶段了。今天要聊的是提示词最基础的三个要素——指令、上下文与输入。这三个要素就像盖房子的地基，你把它们搞清楚了，后面所有的进阶技巧都是在这基础上添砖加瓦。

一、开篇：一个提示词可以被分解成什么

你有没有这样的经历：脑子里想得很清楚，但一打开AI对话框，突然就不知道该怎么说了？打了两行字，删掉，又打三行，感觉不对，再删掉……

这个问题的根源在于：你不清楚一个"完整"的提示词应该包含哪些要素。

经过我大量的实践和总结，我发现无论是简单的一句"翻译这句话"，还是复杂的"帮我写一篇万字行业分析报告"，一个有结构的提示词都可以归纳为三个核心要素：

💡提示词三要素 = 指令（Instruction）+ 上下文（Context）+ 输入（Input）

这三个要素构成了提示词的"骨架"。理解了它们，你在写提示词时就再也不会"不知道从何下手"了。

二、指令：提示词的灵魂

2.1 指令是什么

指令是提示词中最核心的部分——它直接告诉AI你希望它做什么。

指令是提示词的"谓语"，它定义了任务是什么。没有指令的提示词就像没有谓语的句子，AI不知道你究竟想干什么。

指令的典型形式： - 翻译以下内容... - 总结以下文章... - 写一篇关于... - 分析以下数据... - 比较A和B... - 根据以下信息生成... - 请判断...是否正确

2.2 好指令的三个黄金标准

我在第1篇中提到过这个标准，但这里我要展开讲透彻。

✅标准一：清晰（Clear）

清晰意味着AI不会对你的指令产生歧义。一个句子如果可能被理解成两种不同的意思，那它就不清晰。

❌ 不清晰：帮我看看这个。 （AI不知道是"看看"指审查、润色、分析还是评价） ✅ 清晰：请审查这段代码中的语法错误和潜在的逻辑问题。 （AI明确知道要做两件事：找语法错误 + 找逻辑问题）

造成不清晰的常见原因：

• 使用模糊动词：“看看”、“弄一下”、“搞搞”、“处理一下”
• 缺少具体的判断标准：“写得好一点”——好是多好？从什么维度判断？
• 使用多义词：同一个词在上下文中有多种理解方式

另一个例子： ❌ 不清晰：帮我写一个关于苹果的内容。 （苹果是水果还是公司？内容是什么类型？文章、广告语还是产品介绍？） ✅ 清晰：请为Apple公司的新款MacBook Pro写一篇产品介绍文章， 重点突出其搭载M4芯片带来的性能提升，目标读者是已经有Mac使用经验的设计师群体。

✅标准二：具体（Specific）

具体意味着你给出了足够的信息来限定任务的范围和标准。

❌ 不具体：写一篇关于时间管理的文章。 ✅ 具体：写一篇约2000字的关于"番茄工作法在远程办公场景中的应用"的文章。 要求包含：番茄工作法的基本原理、远程办公中时间管理的特殊挑战、 3个真实使用案例（最好是技术公司的）、以及一个适合远程工作者的每日番茄钟安排模板。

一个让你立刻提升指令具体性的口诀是"5W1H"：

• What：要做什么任务？
• Why：为什么要做这个任务？（背景和目的）
• Who：为谁做？（目标受众）
• When：时间/场景约束？
• Where：平台/渠道？
• How：以什么方式/格式完成？

✅标准三：可操作（Actionable）

可操作意味着AI知道"从哪开始"和"怎么做"。

❌ 不可操作：帮我提高写作能力。 （AI不知道从哪里开始帮，怎么帮） ✅ 可操作：请阅读我下面这段文章，指出其中三个最大的问题， 并针对每个问题给出具体的修改建议和修改后的版本。 [附上你的文章]

💡 判断一个指令是否可操作的方法就是问自己：如果把这条指令发给一个实习生，他能不能立刻开始干活？如果能，说明你的指令是可操作的。

2.3 指令的粒度控制

指令有一个"粒度"的概念，指的是它描述任务的"粗细程度"。

粗粒度指令：描述整体目标，留给AI较大的自主空间。

请帮我写一份产品介绍。

中等粒度指令：设定了框架和要点，但不规定每个细节。

请帮我写一份面向消费者的智能手表产品介绍，包含核心功能、设计亮点、价格定位三个部分。

细粒度指令：精确到每一个步骤和细节。

请帮我写一份智能手表产品介绍，要求如下： 1. 标题格式：产品名称 + 一句话核心卖点 2. 第一段：用场景化描述引入（具体为晨跑场景） 3. 三个核心功能：心率监测、睡眠分析、运动模式，每个功能介绍含技术参数和使用场景 4. 设计亮点：材质、颜色、尺寸 5. 价格段：对比同竞品分析性价比 6. 结尾：限时优惠信息 + 购买链接引导语

⚠️ 我的经验法则：任务的复杂度越高、对输出的质量要求越严格，指令的粒度就应该越细。日常的简单对话用粗粒度就够了，但一旦涉及专业产出，就应该毫不犹豫地使用细粒度指令。

三、上下文：提示词的骨架

3.1 上下文是什么

上下文是你在指令之外给AI提供的背景信息。它的作用是帮助AI理解你的处境、需求和约束，从而生成更贴合你实际情况的输出。

如果说指令是告诉AI"做什么"，那上下文就是告诉AI"为什么做"和"在什么情况下做"。

3.2 上下文包含哪些内容

上下文可以涵盖以下几个方面：

① 你的身份和角色

我是一名初中语文老师，正在为八年级学生准备一堂关于《背影》的阅读课。

② 项目的背景和现状

我们公司正在从传统软件向SaaS模式转型，目前处于MVP阶段，已经有200个种子用户。

③ 目标受众的信息

这篇文章的目标读者是35-50岁的企业中层管理者，他们对数字化转型有需求但缺乏技术背景。

④ 之前的进度和成果

我已经完成了市场调研部分，以下是调研的核心数据：[数据...]。现在需要你帮我撰写基于这些数据的战略建议部分。

⑤ 相关的参考资料

以下是我们公司过往三年的财务报告摘要，请基于这些数据进行分析： [附上财务数据]

⑥ 特定的约束和偏好

我们的品牌调性是"专业但亲切"，避免使用过于学术化的表达。同时请注意，我们公司在品牌传播中不使用"颠覆"、"革命"这类词。

3.3 为什么上下文如此重要

这是一个很多初学者会忽视的问题。他们以为AI"什么都知道"，所以不需要提供上下文。但事实恰恰相反。

⚠️ AI确实知道很多通用知识，但它不了解你的特定情况。以下是AI缺省情况下不知道的事情：

• 你公司的情况和行业地位
• 你的产品或服务细节
• 你的品牌调性和风格偏好
• 你的目标受众特征
• 你之前做过什么、进度到哪了
• 你的个人偏好和价值观

没有上下文，AI只能用"平均化"的方式作答——给你一个"对所有人都适用但对你未必最优"的回答。

一个有说服力的对比：

没有上下文的提示词： 请帮我写一段产品推广文案。 有上下文的提示词： 请帮我写一段产品推广文案。 背景：我经营一个独立的微信小程序，为用户提供AI驱动的英语口语练习服务。 目标受众：25-35岁的职场人士，英语基础中等（能读但不敢开口说）。 产品特点：每天只需10分钟，AI模拟真实对话场景，提供实时发音纠正。 当前痛点：用户知道学英语重要，但坚持不下来。 文案目标：让用户在30秒内产生"这个我可以试试"的感觉。 发布平台：微信朋友圈和公众号。

两个提示词得到的输出质量差异，你不需要实际测试也能想象得到。这就是上下文的力量。

3.4 上下文提供的黄金法则

💡 关于上下文的三个黄金法则：

法则一：先多后少。如果你不确定哪些信息是"必要的上下文"，先多提供一点。在实际测试中你会发现哪些信息是最关键的，然后在下一次使用中做减法。

法则二：关键信息前置。最重要的背景信息放在提示词靠前的位置。这利用了模型的注意力机制——模型对提示词开头部分的关注度通常更高（尤其在长提示词中）。

法则三：上下文要与指令关联。不要为了"提供上下文"而堆砌无关信息。你提供的每一条背景信息，都应该和AI要完成的任务有直接或间接的关联。无关信息不仅是浪费token，还可能干扰AI的注意力。

四、输入：提示词的血肉

4.1 输入是什么

输入是你交给AI处理的"原始材料"——AI要基于这份材料来完成任务。

指令：请将以下文本翻译成英文。 输入：[这是需要翻译的中文文本] 指令：请总结以下文章的核心要点。 输入：[这是需要总结的文章内容] 指令：请分析以下代码中的问题。 输入：[这是需要分析的代码]

4.2 输入的类型

输入的类型非常多，以下是最常见的几种：

文本输入：

• 需要翻译的段落
• 需要总结的文章
• 需要润色的初稿
• 需要分析的报告

数据输入：

• 财务数据表格
• 用户调研数据
• 实验数据

代码输入：

• 需要审查的代码
• 需要重构的函数
• 需要生成测试的模块

结构化输入：

• JSON数据
• CSV表格
• XML文档
• 数据库查询结果

4.3 输入的处理技巧

💡技巧一：用分隔符把输入与指令区隔开来。

这是提示词工程中最基础但最重要的技巧之一。如果你不给输入加上明确的分隔符，AI可能会混淆"指令部分"和"输入部分"。

请总结以下文章的核心要点。 --- [文章内容] --- 请用不超过200字进行总结，以要点列表形式输出。

常用的分隔符：

• ---（三个横线）
• ###（三个井号）
• XML标签：<article>...</article>
• 代码块标记：`` `````

技巧二：对输入做必要的预处理。

如果你要AI处理的输入内容非常长或非常杂乱，提前做一点预处理会显著提升输出质量。

以下是客户反馈的原始数据，我已经按日期排序。 [预处理后的数据...] 请分析这组数据中反映的三大用户痛点。

技巧三：标注输入中的关键部分。

如果输入内容很长，但只有部分内容是你关注的重点，你可以加一些标注来引导AI的注意力。

以下是产品用户的一周反馈汇总。其中我用【重要】标记了来自付费用户 的反馈，请优先关注这些内容。 [标注后的内容...]

五、三要素的组合艺术

单独的指令、上下文和输入各有用处，但它们的真正威力在于组合。这一节，我带你看看如何把这三个要素有机地组合成一个高效的提示词。

5.1 基本组合模式

模式一：指令 + 输入

适用于简单的、不需要额外背景的任务。

指令：将以下文本翻译成日文。 输入：今天的会议重点是讨论下一季度的产品路线图。

模式二：上下文 + 指令 + 输入

适用于需要背景信息的专业任务。

上下文：我是国内某互联网公司的产品经理，正在准备季度产品评审会。 指令：请根据我提供的用户数据，撰写一份用户行为分析报告，重点分析 用户留存率下降的原因。 输入：[用户行为数据表格...]

模式三：上下文 + 指令

适用于没有具体输入、但需要背景信息的创作或分析任务。

上下文：我们是一家面向Z世代的潮流服饰品牌，正在策划夏季新品上市的社交媒体推广。 指令：请为我们设计5个抖音视频的创意方案，每个方案需要包含：视频主题、 核心创意点、预计时长、目标受众、预期传播逻辑。

5.2 三要素的优先级

在资源有限（比如上下文窗口不够用）的情况下，你应该优先保留哪个要素？

我的排序是：指令 > 输入 > 上下文

• 指令不可省略：没有指令，AI不知道要做什么。指令是提示词的"必要条件"。
• 输入次之：如果没有具体的输入材料，AI只能依靠自己的知识，这可能不够精确。
• 上下文最后：上下文能提升质量，但在极端情况下可以省略或用最简化的方式表达。

⚠️ 这个排序针对的是"基本的任务完成"。如果你的目标是"最高质量的输出"，那三者缺一不可。

5.3 一个三要素自检清单

在每次写好提示词之后，用这个清单快速自检：

• 指令：AI能不能从我的表述中明确知道我要它做什么？有没有歧义？
• 上下文：AI是否知道完成这个任务需要的所有背景信息？它有没有足够理解我的"处境"？
• 输入：我是否把需要AI处理的原始材料清晰、完整地提供了？输入和指令之间是否有明确的分隔？

六、实战案例：三要素的威力对比

为了让你更直观地感受三要素组合的威力，我准备了三个真实案例。

6.1 案例一：写一封商务邮件

只有指令：

写一封邮件给客户，通知他们产品要涨价了。

AI输出：一封可能引起客户强烈反感的、毫无铺垫的直接涨价通知。

指令 + 上下文 + 输入（完整三要素）：

[上下文] 我是某SaaS公司的客户成功经理。我们下个月将对Pro版产品进行5%的价格调整， 这是三年来首次调价。调价原因是我们在过去三年里新增了AI功能、提升了服务器性能、 并且将客服响应时间从4小时缩短到了15分钟。我们非常在意客户的感受， 希望以最恰当的方式传达这个消息。 [指令] 请帮我撰写一封发给Pro版客户的邮件，主题是产品价格调整通知。 邮件的核心目标是：让客户理解涨价的合理性、感受到我们过去三年提供的价值、 以及降低流失风险。语气要真诚、温暖，不要官方腔。 [输入] - 新价格将于2025年3月1日生效 - 在2月15日前续费的客户可按原价再续一年 - 我们有专属客服团队随时解答疑问 - Pro版当前价格为299元/月，调整后为314元/月

AI输出：一封结构完整、情感真诚、有理有据的客户通知邮件，既传达了涨价信息，又做了充分的情绪铺垫和价值说明。

6.2 案例二：代码审查

只有指令：

帮我看看这段代码有什么问题。

完整三要素：

[上下文] 我是一名后端开发工程师，正在开发一个电商系统的订单处理模块。 这段代码用于计算订单的最终金额（含运费和优惠券抵扣）。 系统每天处理约10万笔订单，对性能和准确性要求都很高。 [指令] 请审查以下Python代码，重点检查： 1. 是否存在边界条件处理不当的问题（如空值、负值、超大值） 2. 是否有潜在的精度丢失问题（涉及金额计算） 3. 时间复杂度是否可以优化 4. 代码的可读性和可维护性 请以表格形式输出你的审查结果，并对每个问题给出修改建议。 [输入] [代码...]

6.3 案例三：学习辅导

只有指令：

给我讲讲机器学习。

完整三要素：

[上下文] 我是计算机专业大二的学生，有一定的Python基础，但对机器学习完全是零基础。 我正在自学吴恩达的机器学习课程，看到了"梯度下降"这个概念，不太理解。 我的学习风格是喜欢用类比和可视化来理解抽象概念。 [指令] 请帮我用最通俗的方式解释什么是梯度下降。具体要求： 1. 用生活中的类比来解释核心思想 2. 给出一个最简单的数学直觉（不用公式，用图形描述） 3. 解释为什么梯度下降在机器学习中如此重要 4. 推荐1-2个可以交互体验梯度下降的在线工具 [输入] 我困惑的具体地方是：为什么"沿着梯度的反方向走"就能找到最小值？ 这个方向是怎么确定的？

七、常见误区与纠正

在我辅导过的众多学员中，关于提示词三要素，最常见的误区有以下几个：

7.1 误区一：上下文太多，淹没了指令

有些学员在理解了三要素之后，走向了另一个极端——什么信息都往提示词里塞。结果是指令被淹没在海量的上下文信息中，AI反而抓不住重点。

💡纠正方法：把最重要的信息放在最前面，次要信息放在后面或干脆省略。一个好的测试方法是：把你的提示词给一个同事看，让他30秒内说出任务是什么。如果他做不到，说明你的指令不够突出。

7.2 误区二：指令太笼统，寄希望于AI"能懂"

“I need you to write something good.” ——这是真实存在的一种提示词写法。

AI不是人，它不会"揣摩圣意"。你把指令描述得越具体，AI的输出就越靠谱。

💡纠正方法：每当你发现自己在指令中使用了"好"、“有趣”、"吸引人"这类主观形容词时，立即追问自己：我具体指的是什么？把主观描述转化为客观标准。

7.3 误区三：输入和指令混在一起，不设分隔

帮我把这段文本翻译成英文然后分析一下它的情感倾向并给我一个总结 这是我昨天写的日记今天天气真好啊心情特别好工作也很顺利我爱死这个星期五了……

这种"一锅粥"式的提示词，AI处理起来非常痛苦。

💡纠正方法：养成使用分隔符的习惯。它不仅帮AI解析你的提示词，也帮你自己理清思路。

八、三要素的进阶方向

理解了三要素之后，你的提示词工程之路才刚刚开始。在接下来的系列文章中，你会学到：

• 指令的精细化（第9-16篇）：不同类型的指令如何设计
• 上下文的进阶使用（第93-97篇）：长上下文管理、上下文注入时机
• 输入的高效处理（第109-110篇）：输入压缩与扩展技术

每一步都是在三要素这个基础骨架上的延伸和深化。

✅ 本文核心要点总结

• 提示词由三个核心要素构成：指令、上下文、输入（ICI模型）
• 指令是灵魂——告诉AI做什么，必须清晰、具体、可操作
• 上下文是骨架——告诉AI为什么做和在什么情况下做
• 输入是血肉——AI要处理的原始材料
• 三要素组合的优先级：指令 > 输入 > 上下文
• 好指令的判断标准：能发给实习生立刻干活
• 上下文要有关联性，不是越多越好
• 输入与指令之间务必使用分隔符区隔
• 使用三要素自检清单检查每个提示词的完整性

本文是《提示词工程教程》系列的第4篇。在下一篇文章中，我们将讨论一个困扰很多AI使用者的问题：为什么同样的提示词，AI有时候给出惊艳的回答，有时候却让人失望？这个谜题的答案，将让你对LLM的行为有更深刻的理解。