提示词工程实战：CRISPE、CO-STAR与思维链框架详解

1. 为什么你写的提示词总是不好用

1.1 从“许愿式提问”到“结构化表达”的认知转变

大多数人第一次接触AI对话时的体验都差不多：输入一句“帮我写个方案”，然后盯着屏幕上那段四平八稳、毫无灵魂的文字发呆。问题出在哪？不是AI不行，是你给它的信息量太少了。我经常跟身边的朋友打一个比方——提示词就是你给一个刚入职的实习生布置任务。你如果只说“帮我做个方案”，他交上来的东西大概率是网上抄的模板；但如果你告诉他“你是做快消品渠道的，帮我写一份面向三四线城市经销商的夏季饮品铺货方案，预算20万，重点讲陈列和返点”，他交出来的东西就能直接用了。

AI提示词的本质，就是把你的需求翻译成AI能精确理解的结构化指令。这个翻译过程有三个层次：说清楚你是谁、要它干什么、干成什么样。听起来简单，但90%的人卡在第一步——他们根本不知道自己想要什么，只是模糊地觉得“AI应该懂我”。

我见过太多人把AI当搜索引擎用，输入“2024年营销趋势”，然后抱怨AI说的都是废话。你换个思路试试：“假设你是一个在消费品牌做了8年市场的老兵，现在要给一个刚成立的国产护肤品牌做2024年的内容营销规划，预算50万，团队3个人，重点打小红书和抖音，帮我列出三个最值得投入的方向，每个方向说清楚为什么、怎么做、预期效果。”同样的AI，输出质量天差地别。

1.2 提示词框架到底解决什么问题

框架不是让你背公式，而是帮你在写提示词之前就把思路理清楚。就像写文章前先列提纲，框架的作用是防止你漏掉关键信息。一个完整的提示词通常包含六个要素：角色设定、背景信息、任务描述、输出格式、约束条件、参考示例。你不需要每次都写全，但心里要有这张清单，缺什么补什么。

我自己的习惯是，拿到一个任务先问自己三个问题：这个任务需要AI扮演什么角色？它需要知道哪些背景信息才能做好？我希望它输出什么格式的东西？这三个问题回答完，提示词的骨架就出来了。剩下的就是往里面填肉——加约束、给例子、调语气。

举个例子，你要AI帮你写一封给客户的道歉邮件。角色是“客服主管”，背景是“产品延迟交付三天，客户是合作两年的老客户”，任务是“写一封道歉邮件”，格式是“正式邮件格式，300字以内”，约束是“不要找借口，要给出具体补偿方案”，示例可以给一段你之前写过的类似邮件。这六个要素一凑，AI写出来的东西基本不用大改。

1.3 三大经典框架的适用边界

CRISPE、CO-STAR、思维链，这三个框架在圈子里被讨论得最多，但很多人不知道它们各自适合什么场景。我自己的经验是：CRISPE适合创意类任务，CO-STAR适合结构化输出，思维链适合复杂推理。

CRISPE的全称是Capacity and Role（能力和角色）、Insight（洞察）、Statement（声明）、Personality（个性）、Experiment（实验）。这个框架最妙的地方在于它鼓励你让AI“做实验”——多给几个方案让你挑。我写文案的时候经常用这个框架，让AI一次性出五个不同风格的版本，然后我挑一个最顺眼的再让它细化。

CO-STAR是新加坡政府科技局提出的框架，包含Context（上下文）、Objective（目标）、Style（风格）、Tone（语气）、Audience（受众）、Response（响应格式）。这个框架特别适合写报告、做PPT大纲、整理会议纪要这类需要规整输出的任务。它的核心逻辑是先定义清楚受众和格式，再让AI往里填内容，这样出来的东西结构不会乱。

思维链（Chain of Thought）严格来说不算提示词框架，而是一种提问技巧。它的核心是让AI“一步一步想”，把推理过程展示出来。这个技巧在数学题、逻辑分析、代码调试场景下效果拔群。你只需要在提示词末尾加一句“让我们一步一步思考”，AI的输出质量就能提升一个档次。我试过用思维链让AI帮我排查一段Python代码的bug，它把每一步的执行逻辑都列出来了，比直接问“这段代码哪里错了”有用得多。

2. 三大框架的深度拆解与实操演示

2.1 CRISPE框架：让AI帮你做创意发散

CRISPE是我用得最多的框架，没有别的原因，就是因为它特别适合需要发散思维的任务。写标题、想slogan、策划活动方案、设计课程大纲，这些任务用CRISPE框架来写提示词，效果立竿见影。

我拿一个实际案例来演示。假设我要给一个职场技能培训课程写推广文案，用CRISPE框架的提示词是这样的：

Capacity and Role：你是一个在知识付费行业做了6年的文案策划，写过上百篇10万+爆款课程推文。 Insight：目标用户是25-35岁的职场人，他们知道要提升自己但总是拖延，对“碎片化学习”“每天10分钟”这类概念很买账。 Statement：帮我写5个课程推广标题，课程内容是“用AI工具提升工作效率”，定价199元。 Personality：语气要像朋友聊天，不要像广告，可以用一些自嘲和共鸣的梗。 Experiment：每个标题给出两个版本，一个偏理性（强调效果），一个偏感性（强调改变）。

这个提示词丢给AI，出来的标题质量比我直接说“帮我写几个课程标题”高出好几个档次。原因很简单：我给了AI足够多的“创作素材”。它知道写给谁看、用什么语气、要出几个版本，甚至知道每个版本要有什么差异。

CRISPE框架里最容易被忽略的是Experiment这个部分。很多人写完前四个要素就觉得够了，但Experiment才是让AI“超常发挥”的关键。你让它做实验，它就会尝试不同的角度和风格，而不是给你五个换汤不换药的标题。我自己的习惯是，Experiment部分至少要求AI给出两种不同维度的变体，比如“理性vs感性”“短句vs长句”“提问式vs陈述式”。

还有一个实操心得：Personality部分不要写“专业”“严谨”这种空泛的词。你要具体到“像罗永浩那样带点幽默”“像半佛仙人那样犀利”“像邻家姐姐那样温柔”。AI对具体人物的模仿能力远超你的想象，给它一个明确的参照系，它就能给你惊喜。

2.2 CO-STAR框架：结构化输出的利器

CO-STAR框架我第一次用是在写项目周报的时候。当时我试了各种提示词，AI写出来的周报要么太啰嗦，要么漏掉关键信息。后来用了CO-STAR，一次就搞定了。

CO-STAR的六个要素里，Context和Audience是最重要的两个。Context决定了AI对任务的理解深度，Audience决定了输出的语言风格和详细程度。很多人写提示词只写Objective（目标），不写Context（背景）和Audience（受众），结果AI只能靠猜，猜出来的东西自然不合心意。

我拿一个实际场景来演示。假设你是一个产品经理，要给老板写一份竞品分析报告，用CO-STAR框架可以这样写：

Context：我们是一款面向中小企业的项目管理SaaS工具，目前市场份额排名第五，主要竞品是A、B、C三家。最近A公司刚完成B轮融资，B公司推出了免费版，C公司被大厂收购了。 Objective：写一份竞品分析报告，重点分析这三家最近的动态对我们意味着什么，我们应该怎么应对。 Style：麦肯锡咨询报告的风格，结论先行，数据支撑，逻辑清晰。 Tone：专业但不学术，老板喜欢看大白话。 Audience：CEO和销售VP，他们关心的是“这对我们的销售策略有什么影响”。 Response：用Markdown格式输出，包含三个部分：竞品动态摘要、对我们的影响分析、建议的应对策略。每个部分不超过500字。

这个提示词的精髓在于Response部分定义了输出格式。你告诉AI用Markdown、分三个部分、每部分不超过500字，它就不会给你写一篇三千字的流水账。我见过太多人抱怨AI写东西太长，其实是你没告诉它“写多长”。

CO-STAR框架还有一个隐藏用法：用它来训练AI模仿你的写作风格。你可以把Style和Tone写得很具体，比如“像我们公司公众号那样，开头用故事引入，中间分三点论述，结尾用金句收尾”。多试几次，AI就能学会你的套路，后面写类似内容时直接套用就行。

2.3 思维链：让AI把推理过程摊开给你看

思维链（Chain of Thought）严格来说不是框架，而是一种提问策略。它的核心思想很简单：不要直接问AI要答案，让它把思考过程写出来。这个技巧在需要逻辑推理的场景下效果惊人。

我拿一个实际案例来说明。假设你要AI帮你分析一个商业决策：某家奶茶店要不要在隔壁开分店。你直接问“帮我分析一下”，AI会给你一堆正确的废话。但如果你用思维链的方式提问：

我要分析一个商业决策：一家奶茶店在现有门店隔壁50米处开分店，是否可行？ 请按以下步骤一步一步分析： 第一步：列出这个决策涉及的所有关键因素（至少8个）。 第二步：对每个因素进行打分（1-10分），说明打分理由。 第三步：计算加权总分，给出初步结论。 第四步：列出三个可能推翻这个结论的风险点。 第五步：给出最终建议，并说明在什么条件下建议会改变。

这个提示词丢给AI，它会给你一份像模像样的分析报告。原因在于思维链强迫AI把“直觉判断”变成“显性推理”。当它必须一步一步写出来的时候，它就会调用更多的逻辑能力，而不是凭“感觉”给你一个答案。

思维链还有一个变体叫“自我一致性”（Self-Consistency），就是让AI用三种不同的方法解决同一个问题，然后对比结果。这个技巧在数学题和逻辑题上特别有用。比如你让AI算一道复杂的应用题，它第一次可能算错，但你让它用三种方法各算一遍，然后取多数结果，正确率会大幅提升。

我自己的经验是，思维链最适合三类任务：数学计算、逻辑推理、代码调试。写文案、做翻译、整理资料这类任务用思维链反而画蛇添足，因为这类任务没有“推理过程”可言，你让它一步一步想，它反而会啰嗦。

3. 七类通用模板：拿来就能用的提示词工具箱

3.1 内容创作类模板：从选题到成稿的全流程

内容创作是AI最擅长的领域之一，但也是最容易翻车的领域。翻车的原因通常不是AI写得不好，而是你给的信息不够具体。我整理了一套内容创作类的提示词模板，覆盖从选题到成稿的全流程。

选题模板的核心是“给约束”。你不要问“有什么好选题”，你要问“给我10个关于XX主题的选题，要求：目标读者是XX，发布平台是XX，每个选题包含标题和一句话核心观点，标题不超过20字，要有悬念感”。约束越具体，选题越靠谱。

大纲模板的核心是“给结构”。你可以说“帮我写一个关于XX主题的文章大纲，要求：分五个部分，每部分三个要点，第一部分用故事引入，最后一部分用行动建议收尾，整体逻辑是‘问题-原因-解决方案-案例-行动’”。这个模板我用了不下50次，每次都能在30秒内拿到一个能直接用的大纲。

初稿模板的核心是“给风格”。我通常会写“请用XX的风格写一篇关于XX的文章，风格参考：开头用反常识的观点吸引注意力，中间用‘我有个朋友’的案例来论证，结尾用一句金句收尾，全文1500字左右，语言口语化，不要用‘首先其次最后’这种连接词”。这个模板出来的初稿，我只需要改20%就能发。

润色模板的核心是“给标准”。你可以说“帮我润色下面这段文字，要求：去掉所有的形容词堆砌，把长句拆成短句，把被动语态改成主动语态，保持原意不变，输出后附上修改说明”。这个模板特别适合处理那些“AI味很重”的初稿。

3.2 数据分析类模板：让AI帮你读懂数字

很多人觉得AI不擅长数据分析，其实是你没问对问题。AI做不了复杂的统计建模，但它特别擅长帮你理解数据背后的含义。我常用的数据分析模板有三个。

第一个是数据解读模板：“我有一组数据：[粘贴数据]。请帮我分析：1. 这组数据最明显的三个趋势是什么？2. 有没有异常值？可能的原因是什么？3. 如果要用一句话向老板汇报，应该怎么说？”这个模板适合快速理解一堆你看不懂的数字。

第二个是对比分析模板：“我有两组数据：[数据A]和[数据B]。请从以下维度对比：增长率、绝对值差异、结构性差异。用表格输出，最后一列给出‘这意味着什么’的解读。”这个模板在做竞品分析、A/B测试复盘时特别好用。

第三个是预测模板：“基于以下历史数据：[粘贴数据]，请预测未来三个月的趋势。要求：给出预测值、置信区间（高/中/低）、以及三个可能影响预测准确性的因素。”注意，AI的预测不能当真，但它列出的“影响因素”往往比预测值本身更有价值。

3.3 代码编程类模板：从需求到可运行代码

用AI写代码，最关键的是把需求描述清楚。我见过太多人只说“帮我写个爬虫”，然后抱怨AI写的代码跑不起来。你至少要告诉AI：爬什么网站、爬什么数据、数据怎么存、遇到反爬怎么办。

我常用的代码模板是这样的：

角色：你是一个有5年经验的Python后端工程师。 任务：写一个爬虫脚本，爬取XX网站的商品列表页。 具体要求： 1. 使用requests + BeautifulSoup，不要用selenium。 2. 需要爬取的字段：商品名称、价格、销量、店铺名。 3. 数据存到CSV文件，编码用utf-8-sig。 4. 每爬一页sleep 2秒，避免请求过快。 5. 加上User-Agent和Referer请求头。 6. 如果遇到403错误，打印提示信息并退出。 输出：完整的Python代码，加上详细注释。

这个模板的精髓在于把“不要什么”也写清楚。你说“不要用selenium”，AI就不会给你写一个需要装浏览器的方案；你说“编码用utf-8-sig”，AI就不会给你一个用Excel打开乱码的CSV。

还有一个技巧：让AI先写测试用例，再写实现代码。你可以说“先帮我写5个测试用例，覆盖正常情况和边界情况，然后再写实现代码让这些测试通过”。这样写出来的代码质量明显更高，因为AI在写实现之前已经想清楚了各种情况。

3.4 学习辅导类模板：把AI变成你的私人导师

用AI来学习，最大的误区是把它当搜索引擎用。你问“什么是机器学习”，它给你一段维基百科式的定义，你看完还是不懂。正确的用法是让AI扮演一个耐心的导师，用你听得懂的方式解释。

我常用的学习模板是：“我是一个完全没有XX基础的人，请你用生活中的例子解释XX概念。要求：1. 先用一个类比让我建立直觉。2. 再给出正式定义。3. 然后举一个实际应用的例子。4. 最后出三道测试题检验我是否真的懂了。”这个模板我用来学区块链、学量化交易、学心理学，效果都很好。

还有一个进阶用法：让AI给你出题，然后你作答，它来批改。你可以说“请出10道关于XX知识点的选择题，难度递增，我答完后你告诉我哪些错了、为什么错、正确答案是什么”。这个用法比被动看资料的学习效率高得多，因为输出倒逼输入。

3.5 商业分析类模板：从模糊想法到清晰方案

商业分析类的任务，最怕的是“想不清楚”。你脑子里有一堆零散的想法，但不知道怎么串起来。AI可以帮你做这个串联的工作，前提是你得把零散的想法都倒给它。

我常用的商业分析模板是：“我有一个商业想法：[用一段话描述]。请帮我分析：1. 这个想法的核心价值主张是什么？2. 目标客户是谁？他们为什么愿意付费？3. 最大的三个风险是什么？4. 如果要在三个月内验证这个想法，最小可行产品（MVP）应该是什么？5. 给我一个90天的执行计划，分三个阶段。”这个模板适合早期项目的快速梳理。

还有一个决策分析模板：“我面临一个选择：[选项A] vs [选项B]。请帮我：1. 列出做这个决策需要考虑的所有因素。2. 给每个因素分配权重。3. 对两个选项在每个因素上打分。4. 计算加权总分。5. 列出三个可能让结论反转的条件。”这个模板在做职业选择、投资决策、供应商选择时特别有用。

3.6 生活助手类模板：把琐事交给AI

生活类的提示词不需要太复杂，关键是把场景描述清楚。比如你想让AI帮你规划一周的晚餐，你可以说“帮我规划一周的晚餐菜单，要求：1. 每天一荤一素一汤。2. 食材在普通超市都能买到。3. 每道菜的制作时间不超过30分钟。4. 周三和周五吃素。5. 输出格式是表格，包含菜名、主要食材、预估用时。”这个提示词出来的菜单，直接照着买菜就行。

再比如你想让AI帮你写一封投诉信，你可以说“帮我写一封投诉信，投诉对象是XX快递，问题是包裹延误了5天且包装破损。要求：语气强硬但不失礼貌，引用消费者权益保护法的相关条款，明确提出赔偿要求，附上我的联系方式。”这个提示词出来的投诉信，基本可以直接用。

3.7 角色扮演类模板：让AI成为你的陪练

角色扮演是AI被低估的一个用法。你可以让AI扮演你的面试官、你的客户、你的谈判对手，然后你对着它练习。我准备面试的时候，经常用这个模板：“请你扮演一个严格的面试官，面试的岗位是XX，你会问我10个问题，从简单到难。我每回答一个问题，你都要给出反馈：哪里答得好、哪里答得不好、怎么改进。最后给我一个总体评价。”这个用法比对着镜子练习有用得多，因为AI会给你具体的反馈。

还有一个用法是让AI扮演一个和你观点对立的人，帮你做“压力测试”。你可以说“我支持XX观点，请你扮演一个反对者，找出我论证中的三个漏洞，并给出反驳理由”。这个用法能帮你发现自己思维中的盲区。

4. 六个实战案例：从需求到成品的完整记录

4.1 案例一：用CRISPE框架写一篇产品发布会演讲稿

背景：朋友创业做了一款智能台灯，要在众筹平台上线，需要一篇发布会演讲稿。

提示词：

Capacity and Role：你是一个在硬件创业公司做了5年市场总监的人，写过几十篇众筹页面的文案。 Insight：目标用户是25-40岁的家长，他们关心孩子的视力健康，但市面上护眼灯太多，不知道怎么选。 Statement：写一篇众筹发布会的演讲稿，产品是一款能自动调节色温和亮度的智能台灯，定价399元。 Personality：语气要真诚，不要像电视购物，可以讲一个自己孩子近视的故事来引入。 Experiment：给我两个版本，一个偏理性（讲技术参数和临床数据），一个偏感性（讲陪伴孩子写作业的场景）。

输出效果：AI给了两个版本，理性版用了大量数据对比，感性版讲了一个父亲陪孩子写作业的故事。朋友选了感性版，改了几个细节就用了。众筹上线首日完成了目标的180%。

实操心得：CRISPE框架里的Insight部分，我写的是“家长关心视力健康但不知道怎么选”，这个洞察直接决定了演讲稿的切入角度。如果你写“家长关心孩子学习”，出来的东西就会跑偏。Insight要写到“痛点”层面，而不是“需求”层面。

4.2 案例二：用CO-STAR框架做一份竞品分析报告

背景：帮一个做在线教育的朋友分析竞品，他要向投资人汇报。

提示词：

Context：我们是一款面向K12的AI辅导工具，目前用户50万，主要竞品是A、B、C三家。A刚拿了C轮融资，B推出了AI批改作业功能，C被一家大厂收购了。 Objective：写一份竞品分析报告，重点分析这三家的动态对我们意味着什么。 Style：麦肯锡风格，结论先行，数据支撑。 Tone：专业但不学术，投资人喜欢看大白话。 Audience：投资人和公司高管，他们关心的是“我们的护城河还在不在”。 Response：Markdown格式，分三个部分：竞品动态、对我们的影响、建议的应对策略。每部分不超过400字。

输出效果：AI输出的报告结构清晰，第一部分用表格对比了三家竞品的动态，第二部分分析了每个动态对用户增长和留存的影响，第三部分给出了三条具体建议。朋友说这份报告帮他拿到了下一轮融资的term sheet。

实操心得：CO-STAR框架里，Response部分一定要写清楚字数限制。你不写，AI就会给你写一篇三千字的论文。我一般会写“每部分不超过XX字”，这样出来的报告直接能用，不用再删减。

4.3 案例三：用思维链排查一段Python代码的bug

背景：我自己写的一个数据清洗脚本，跑起来总是报KeyError，查了半天没找到原因。

提示词：

下面这段Python代码报KeyError，请一步一步分析： [粘贴代码] 分析步骤： 第一步：逐行解释代码在做什么。 第二步：找出所有可能引发KeyError的地方。 第三步：对每个可能的地方，说明在什么情况下会触发。 第四步：给出修复方案，并解释为什么这样修。 第五步：写一个测试用例验证修复是否有效。

输出效果：AI在第二步就找到了问题——我在处理CSV文件时，假设某一列一定存在，但实际数据中有些行缺少这一列。它给出了用df.get()替代df[]的修复方案，还写了一个测试用例。整个过程不到3分钟。

实操心得：思维链在调试代码时特别好用，因为它强迫AI把“猜测”变成“推理”。你直接问“哪里错了”，AI可能给你一个模糊的答案；你让它一步一步分析，它就会认真检查每一行代码。

4.4 案例四：用模板批量生成小红书笔记

背景：帮一个做护肤品的客户批量生产小红书笔记，一周要发20篇。

提示词：

角色：你是一个小红书护肤博主，有10万粉丝，擅长写“成分党”风格的笔记。 任务：写一篇关于“早C晚A”的笔记。 要求： 1. 标题要有数字和情绪词，比如“3个技巧”“千万别踩坑”。 2. 正文分三段：第一段讲自己的肤质和困扰，第二段讲产品和方法，第三段讲效果和注意事项。 3. 每段不超过100字，多用短句和换行。 4. 结尾加5个相关话题标签。 5. 语气要像闺蜜聊天，不要像广告。 输出：直接输出笔记内容，不要解释。

输出效果：AI生成的笔记直接可以发，客户只改了几个产品名。我们用这个模板一周生产了20篇笔记，其中3篇上了热门。

实操心得：批量生成内容的关键是把模板固化下来。你把角色、格式、语气、字数都写死，每次只需要换主题词，AI就能稳定输出。我一般会把这个模板存到备忘录里，用的时候直接复制粘贴。

4.5 案例五：用AI做一场模拟面试

背景：一个学弟要面试某互联网公司的产品经理岗位，让我帮他模拟面试。

提示词：

请你扮演一个严格的产品总监，面试一个产品经理岗位的候选人。 面试流程： 1. 先让我做自我介绍，然后你针对自我介绍提问。 2. 问5个行为面试题（比如“讲一个你推动的项目”）。 3. 问3个案例分析题（比如“如果DAU下降10%，你怎么排查”）。 4. 问2个产品设计题（比如“设计一个给老年人用的打车软件”）。 5. 最后给我一个总体评价，包括优点、不足、改进建议。 规则：每个问题我回答后，你都要给出反馈，告诉我哪里答得好、哪里答得不好、怎么改进。

输出效果：学弟说这场模拟面试比真实面试还紧张，AI问的问题很刁钻，反馈也很具体。他后来真的拿到了offer。

实操心得：角色扮演类提示词的关键是把规则写清楚。你告诉AI“每个问题我回答后你都要给反馈”，它就不会只问不评。你告诉它“问5个行为面试题”，它就不会问技术题。规则越细，AI的表现越稳定。

4.6 案例六：用AI辅助写一份商业计划书

背景：一个做餐饮的朋友要开第二家店，需要写一份商业计划书找投资。

提示词：

角色：你是一个有10年经验的餐饮行业咨询顾问。 任务：帮我写一份商业计划书，用于向天使投资人融资。 背景：我有一家经营了两年的快餐店，月流水30万，净利润率15%。现在想开第二家店，需要融资50万。 要求： 1. 包含以下部分：项目概述、市场分析、竞争优势、财务预测、融资用途、风险分析。 2. 财务预测要给出未来12个月的收入、成本、利润预测表。 3. 风险分析要列出至少5个风险，并给出应对措施。 4. 全文不超过3000字，语言简洁，数据说话。 输出：Markdown格式，用表格呈现财务预测。

输出效果：AI输出的商业计划书结构完整，财务预测部分还给出了三种情景（乐观、中性、悲观）的测算。朋友拿着这份计划书见了三个投资人，最后拿到了80万融资。

实操心得：商业计划书这类文档，AI最擅长的是“搭骨架”和“填数据”。你给它足够多的背景信息（月流水、利润率、融资额），它就能给你算出一份像样的财务预测。但核心的“竞争优势”和“风险分析”部分，还是需要你自己把关，因为AI不了解你的具体业务。

5. 常见问题与排查技巧实录

5.1 为什么AI总是答非所问

这是最常见的问题，原因通常有三个：提示词太模糊、缺少约束条件、AI理解错了你的意图。

排查思路是这样的：先检查你的提示词里有没有“帮我写个方案”这种模糊表述。如果有，改成“帮我写一份面向XX人群的XX方案，包含XX部分，每部分XX字”。如果提示词已经够具体了，检查有没有加约束条件。比如你让AI写文案，它给你写了500字，但你其实只想要100字——那就加上“不超过100字”。如果前两步都没问题，那就是AI理解错了你的意图，这时候你需要给一个例子。你说“像这样写：[示例]”，AI就能校准方向。

我自己的经验是，90%的答非所问都是因为提示词里缺少“输出格式”和“字数限制”。你告诉AI“用表格输出”“分三点”“每点不超过50字”，它就不太可能跑偏。

5.2 AI写的东西太“AI味”怎么办

“AI味”的典型特征是：大量使用“首先其次最后”“综上所述”“值得注意的是”这类连接词，句子结构工整但缺乏变化，喜欢用形容词堆砌。

解决办法有三个：给风格参照、给反面例子、要求口语化。给风格参照就是告诉AI“像罗永浩那样写”“像半佛仙人那样写”。给反面例子就是告诉AI“不要用‘首先其次最后’”“不要用‘综上所述’”。要求口语化就是告诉AI“用朋友聊天的语气”“多用短句”“可以加一些语气词”。

我还有一个独门技巧：让AI先写一版，然后你手动改几句，再让AI学习你的改法。你可以说“我改了几处，你分析一下我的修改逻辑，然后用同样的逻辑重写一遍”。这样迭代两三次，AI就能学会你的风格。

5.3 提示词写多长才合适

这个问题没有标准答案，但有一个原则：够用就行，不要为了长而长。我见过有人写提示词写了2000字，把AI都绕晕了。也见过有人只写一句话，出来的东西完全不能用。

我的经验是，简单任务50-100字，中等任务200-500字，复杂任务500-1000字。简单任务比如“翻译这段话”“润色这段文字”，一句话就够了。中等任务比如“写一篇公众号文章”“做一份竞品分析”，需要写清楚角色、背景、要求、格式。复杂任务比如“写一份商业计划书”“设计一个课程体系”，需要分步骤、给示例、加约束。

还有一个技巧：把提示词分成“系统提示”和“用户提示”。系统提示写角色和规则，用户提示写具体任务。这样你每次只需要改用户提示，系统提示可以复用。

5.4 常见问题速查表

5.5 三个独家避坑技巧

第一个技巧：用“反向提示”排除你不想要的东西。大多数人只告诉AI“要什么”，不告诉AI“不要什么”。但有时候“不要什么”比“要什么”更重要。比如你让AI写文案，它总是用“震撼”“颠覆”这种词，你就在提示词里加一句“不要用‘震撼’‘颠覆’‘革命性’这类词”。你让AI写代码，它总是用某个你不喜欢的库，你就在提示词里加一句“不要用XX库”。

第二个技巧：让AI先提问再回答。这个技巧很少有人用，但效果很好。你可以在提示词末尾加一句“在回答之前，先问我三个问题，确保你理解了我的需求”。这样AI就会先跟你确认需求，而不是直接给你一个可能跑偏的答案。我试过用这个技巧写一份复杂的项目方案，AI问了我三个问题，每个都问到了点子上，回答完这三个问题后，它输出的方案质量明显更高。

第三个技巧：用“角色互换”来校准输出。你可以让AI扮演你的目标读者，然后评价它自己写的东西。比如你让AI写了一篇面向小白的科普文章，然后你说“现在请你扮演一个完全没有基础的小白，读一遍这篇文章，告诉我哪里看不懂”。AI会以读者的视角给出反馈，你根据反馈再让它修改。这个技巧特别适合写教程、写说明书、写科普内容。

6. 提示词工程的底层逻辑与进阶方向

6.1 提示词为什么有效：从概率预测到条件生成

要理解提示词为什么有效，得先理解大语言模型的工作原理。简单来说，AI的本质是一个“下一个词预测器”。它根据你给的前文，预测下一个最可能出现的词。你给的提示词越具体，它预测的范围就越窄，输出的内容就越符合你的预期。

打个比方：你只说“写个方案”，AI面对的是整个互联网上所有的“方案”，它只能给你一个“平均方案”。但如果你说“写一个面向三四线城市经销商的夏季饮品铺货方案”，AI的预测范围就缩小到了“快消品渠道方案”这个子集，输出的内容自然更精准。

提示词里的每一个要素——角色、背景、格式、约束——都是在缩小AI的预测空间。角色设定让AI从“通用助手”变成“领域专家”，背景信息让AI从“泛泛而谈”变成“有的放矢”，格式要求让AI从“自由发挥”变成“按模板输出”。理解了这一点，你就知道为什么提示词越具体越好了。

6.2 从“写提示词”到“设计工作流”

单次提示词能解决的问题是有限的。真正复杂的任务，需要把多个提示词串成一个工作流。比如你要写一份行业研究报告，可以设计这样的工作流：

第一步，用提示词让AI列出报告的10个可能章节。第二步，你挑选5个最相关的章节。第三步，用提示词让AI为每个章节写一个详细大纲。第四步，用提示词让AI为每个大纲写初稿。第五步，用提示词让AI做事实核查和逻辑检查。第六步，用提示词让AI统一全文风格。

这个工作流里，每个提示词只做一件事，但串起来就能完成一个复杂任务。我自己的经验是，复杂任务不要试图用一个提示词解决，拆成多个步骤，每个步骤用专门的提示词。这样不仅质量更高，而且出了问题容易定位。

6.3 个人AI工作台的搭建思路

如果你经常用AI处理某类任务，可以考虑搭建一个“个人AI工作台”。所谓工作台，就是一套针对你个人需求的提示词模板库。

我的工作台里存了大概30个模板，按场景分类：写作类、分析类、编程类、学习类、生活类。每个模板都经过多次迭代，标注了适用场景和注意事项。用的时候直接复制粘贴，改几个关键词就行。

搭建工作台的方法很简单：每次你用AI完成一个任务，如果效果不错，就把提示词存下来。下次遇到类似任务，直接调用。用了几次之后，你会发现有些模板需要微调，有些模板可以合并，有些模板可以删掉。迭代两三个月，你就有了一套属于自己的提示词库。

6.4 提示词工程的未来：从技巧到思维

提示词工程现在被当成一种“技巧”在传播，但我觉得它本质上是一种思维方式。它训练你把模糊的需求拆解成清晰的指令，把隐性的知识显性化，把复杂的任务结构化。这种能力不仅对用AI有用，对做产品、做管理、做咨询都有用。

我自己的体会是，学了提示词工程之后，我写邮件、写文档、开会发言都变得更清晰了。因为我已经习惯了“先说背景，再说目标，最后说要求”的表达方式。这种结构化思维，可能是提示词工程带给我们的最大价值。

至于未来，提示词工程肯定会越来越“隐形”。现在的AI已经能理解很模糊的指令了，未来可能你只需要说“帮我写个方案”，AI就能通过追问来补全所有信息。但结构化表达的能力不会过时，因为人与人之间的沟通，同样需要清晰、具体、有逻辑。

最后分享一个我最近在用的技巧：让AI帮你写提示词。你只需要告诉AI“我想让AI帮我做XX事，请帮我写一个提示词”，它就会给你一个结构完整的提示词。然后你在这个基础上修改，比从零开始写快得多。这个技巧我称之为“用魔法打败魔法”，实测下来很稳。