先想清楚你要什么，再谈怎么写指令
我身边不少朋友每天都在研究提示词，各种提问模板、角色设定、语气词，收藏夹里囤了一堆，结果一上手还是抓瞎：让 AI 写周报，出来一堆正确的废话；让它做个方案，结构散到没法看；让它分析数据，结论全是车轱辘话。问题到底出在哪？我观察下来，出在压根没想清楚自己要什么。提示词只是表达的工具，真正拉胯的，是背后的思维没有结构。所以我才一直坚持一个观点：别再花时间研究提示词了，你真正需要的是结构性表达能力。
什么是结构性表达能力？说穿了就三件事：想清楚目标、理清上下文、说清交付物。过去你没有 AI 的时候，这门功夫叫“会沟通”“思路清楚”，同事之间还能靠默契和追问补救；现在模型没有读心术，你不说清楚，它就给你一个看起来很像回事、实际上完全不能用的结果。这篇文章我就把自己这几年来反复踩坑之后总结的结构性表达方法论完整拆一遍，讲清楚它是什么、为什么重要、怎么练，以及最常见的五个坑。适合那些觉得“跟 AI 聊不明白”的人，也适合所有想在任何协作场景里把话说到点子上的朋友。
1. 一个被忽视的事实：提示词技巧救不了模糊的思考
1.1 为什么抄了那么多模板还是用不好
先说个很常见的画面。某个开发者的收藏夹里躺着几十个“万能提示词”，什么“请你扮演一个资深的某某专家”，什么“请用结构化输出把内容分点”，看起来专业得不得了。但一碰到具体问题，这些模板就失效了——不是模板不好，而是他根本没想清楚自己到底要解决什么问题。模型输出“不够好”，并不是模型的错，更多时候是我们的输入本身就含糊。
你可以这么理解：模板是别人思考之后的产物，它带着别人的目标和约束，不一定适配你当下的处境。举个例子，“请你扮演一个营销专家，帮我写一段文案”——这个句式本身没毛病，但我连产品是什么、卖给谁、发在哪个渠道、想要什么语气都没说，AI 不可能凭一句“营销专家”猜出全部信息。它只能给你一段正确却平庸的万能文案，然后你再花十几轮去调，调完还是觉得哪里不对。
真正该做的，不是去抄更多模板，而是先把脑子里的想法整理成一个有骨架的结构。一旦结构清楚了，哪怕你只是用大白话说出来，效果也比套用一百个模板强。
1.2 结构性表达的本质：给别人派活的基本功
结构性表达这个词听起来很玄，其实一点也不玄。你回想一下，在单位里最讨厌哪种人？就是那种交代事情只丢半句话的：帮我把这个弄一下、尽快给我、你看着办。你追问两句，他还嫌你烦。跟 AI 打交道时，如果我们也是这种状态，那模型就是那个被迫“看着办”的同事，而且它比真人更实诚——真人没听懂会皱眉，模型没听懂也会硬着头皮答。
所以结构性表达的本质，就是把一个模糊的念头拆成清晰的指令要素：你要解决什么问题、这件事发生在什么背景下、你要求什么形态的产出、有什么禁忌或边界。听起来像不像项目管理？对，就是项目管理。只不过你的项目协作对象从一个活生生的人，变成了一个非常聪明但“没有常识判断力”的模型。你用跟靠谱外包同事沟通的标准去描述需求，模型的表现立刻上一个台阶。
2. 结构性表达的四要素拆解
2.1 要素一：任务目标，一句话说清楚你要什么
第一个要素是目标，也是很多人最容易跳过的一步。你问“帮我写个方案”，这不是目标，这是主题。目标是你最终要拿这个方案去做什么：是要向领导汇报、说服客户合作，还是在内部评审里过技术选型？同样一份产品方案，写给这三种人看，内容和侧重点完全不同。
我自己的习惯是，描述目标的时候用“动词 + 对象 + 目的”这个句式。比如“写一份面向新员工的入职指南，目的是让新同事在半天内跑通开发环境并完成第一个功能提交”，这就比“帮我做个新人文档”清楚一百倍。模型拿到这样的目标，它会自动把内容往“步骤是否可执行”“有没有遗漏关键环节”这些方向靠，因为你把验收标准暗示给它了。
这里有个细节很容易被忽略：目标描述里最好不要出现“更好的”“合适的”“漂亮的”这类比较级形容词。什么叫更好？什么叫合适？模型不知道怎么量化，只能给一个平均答案。把形容词换成可验证的指标，比如“三分钟内可以读完”“不需要额外查资料就能执行”，模型的输出就会立刻具体很多。
2.2 要素二：上下文，不给背景就只能靠猜
第二个要素是上下文。很多人把“上下文”理解为往前翻对话记录，这没错，但更关键的是你以为对方知道、其实对方不知道的背景信息。模型对你脑子里那些默认假设一无所知。你以为它知道你的用户是谁，其实它不知道；你以为它了解你上次开了什么会，其实它不了解。
举个例子，你让 AI 帮你写一封催款邮件。如果你只说“帮我写一封语气不太硬的催款邮件”，它大概率会写出一封礼貌、通用、不痛不痒的邮件。但如果你补上“客户是我们合作了三年的老客户，上月账单拖延了 15 天，我们不想伤和气但又要表明立场，同时希望他这周五前回复”，AI 就能拿捏那种“柔和但有原则”的分寸感。这就是上下文的价值。
所以，在把需求发给模型之前，先花三十秒过一遍：我的读者或使用者是谁？事件的前因后果是什么？有哪些背景约束是外人不知道的？把这些写成两三句大白话放进去，模型的输出质量立刻不一样。写代码的同事都懂一个类比：变量类型不声明，程序就会报错；上下文不给够，模型的输出也一样“报错”，只不过报的是逻辑错。
2.3 要素三：交付物，说清你要什么形态的结果
第三个要素是交付物。我知道你要什么内容了，但你还没告诉我以什么形态呈现。这里要的是列表还是段落？是一份完整报告还是两段话摘要？是代码还是伪代码？是 200 字的短文还是 2000 字的深度解析？这些不说清楚，模型给你的东西就会在形态上跟你预期不符，于是你又得来回多跑几轮。
交付物描述不仅要管“是什么”，还要管“由什么构成”。比如你让 AI 写一份活动复盘，你可以说“分为目标回顾、结果数据、原因分析、改进措施四个部分，每部分先用一段话概括，再列三个要点”。这等于把你要的文档结构定义好了，模型只需要往里面填内容就行。很多人以为这样会限制 AI 的创造性，但实际经验告诉我，限制越多，模型越知道你有真实需求，反而发挥得越稳。
还有一个容易忽略的维度：交付物的质量标准。你是要“初稿就行，我自己改”，还是“直接可以发出去的成品”？”这两种期望模型处理方式完全不同。把质量期望说进去，比如“语言要口语化，不要书面腔”“数据要完整，不要省略推导过程”，模型就知道朝什么标准使劲了。
2.4 要素四：边界条件，什么不能做比做什么更重要
最后一个要素是边界条件，很多人完全没这个概念。边界条件就是告诉模型什么不能做、什么优先级最高、遇到冲突怎么取舍。这有点像你给外包同事写验收单的时候专门加了一条“不接受的方案”。
比如你要一份市场分析报告，你得说清楚“不要包含未经核实的数据”“不要使用主观评价词”“结论必须建立在所给表格的数据上”。再比如你让 AI 帮你起草一个合同条款，你得说“不要编造法条依据，不确定的地方标注出来让我确认”。这些边界条件本质上是给模型套上一层护栏，防止它自由发挥出看起来合理、实际危险的结论。
优先级也是边界的一部分。你让 AI 同时做到“内容全面”和“控制在五百字以内”，这两个要求其实是冲突的，模型就会纠结。你需要主动告诉它：“五百字以内优先级更高，内容可以适当取舍”——这叫给模型减压，也是给它明确的行为准则。
3. 实操：把模糊需求改写成结构性表达
3.1 一个完整案例的改造全过程
光讲理论没用，我拿一个特别常见的需求做全程演示。假设你要 AI 帮忙写一份周报，这是最典型不过的模糊请求了。第一版你大概是这么发的：
帮我写个周报。
于是模型给你回了一份“本周完成了工作 A、推进了项目 B、下周计划做 C”的万能模板。你说不对，太敷衍了。然后你来来回回和它磨半天，最后得到一份依然不痛不痒的东西。
现在换一种写法，用四要素拆开来看：
帮我写一份本周的工作周报，读者是我的直属领导，他关注项目进度和风险，不那么关心细节。我这周大概做了三件事：1）完成客户需求调研并输出报告；2）推进了支付模块的联调，已完成 80%；3）处理了两个线上问题，都已修复。下周重点是支付模块上线。请按“本周进展—下周计划—风险与求助”三段来写，每段不超过 150 字，语气务实、不要套话。风险这里要重点写支付联调时间有延期风险，因为我还在等某团队的接口文档，最好把这一点明确提出来。
你觉得模型拿到这段话和拿到“帮我写个周报”的效果能一样吗？答案不言自明。这两种写法的差别不在措辞华丽，而在目标清楚了（给领导看，重进度轻细节）、上下文有了（领导只关心这两类）、交付物定了（三段式、每段字数）、边界排了（务实不要套话、风险优先重点写）。这就是结构性表达的全部秘密。
3.2 结构性表达的六个实用句式
如果你觉得每次都写一大段有点费劲，可以记住几个固定的句式，往里面填内容就行。这些句式是我日常使用频率最高的，基本覆盖了绝大多数对话场景。
第一个句式是“目标导入式”：我想做一个……，用来解决……问题，读者/使用者是……。适合写方案、写说明、写协作文档。第二个是“上下文铺陈式”：背景是……，我已经试过……，效果不好，现在想换一个思路。适合让 AI 帮你想新方案，它能避开你已经踩过的坑。第三个是“交付物约束式”：请输出……，格式是……，分为……几部分，每部分字数是……。适合做整理、总结、报告类工作。
第四个是“边界清单式”：可以接受……，不能接受……，如果遇到……情况请直接说明。适合改文案、写合同、做数据分析。第五个是“对比选择式”：请给我两个版本，版本一强调……，版本二强调……，并在最后说明两个版本的适用场景。适合你在纠结方向、拿不定主意的时候用。第六个是“迭代反馈式”：基于上面的结论，我只保留……，把……部分删掉，把……部分扩写，重点改成……。这个句式能让你的对话像滚雪球一样越滚越准。
六个句式不用全背，挑两三个最顺手的用熟，效果远胜于每天去抄各种花哨的提示词。
3.3 如何快速积累自己的表达模板
每个人工作内容不一样，通用的句式不一定完全贴你的场景，所以你要通过日常对话积累自己的表达模板。我的方法是每次对话结束，如果这轮效果很好，我会花两分钟把当时的提问方式抽出来，去掉具体内容，只留下框架，存到一个笔记里。一周下来，你手里就有了真正属于自己岗位的、经过实战验证的表达框架。
举个例子，你是做运营的，一周聊了很多次物料文案，完全可以沉淀出“新品首发文案请求模板：产品定位 + 目标人群 + 渠道特性 + 语气偏好 + 必备信息点 + 禁用词”。下回直接用，五分钟出稿。这个东西的价值，比你在网上收藏那些“万能提示词”高得多，因为它是从你的工作土壤里长出来的，连语境都替你摆好了。
积累模板还有一个伴生好处：你会慢慢发现自己过去思考里藏着的逻辑漏洞。比如原来你让 AI 写文案从没想过渠道差异，沉淀模板的时候你就会补上这一项。表达能力这件事，写着写着就顺手了，因为每次结构化的过程，都会逼你把忽略的维度翻出来看一眼。
4. 常见问题与诊断：表达不清晰背后的五个坑
4.1 五个典型症状和对症下药
跟 AI 对话不像跟人对话，出了问题没人提醒你“你刚才是不是没说清楚”，所以你得自己学会诊断。我把自己这几年摸爬滚打踩过的坑归类成五个典型症状，每个对应一种结构上的缺失，碰到了直接对照排查。
症状一是“模型回复很全但很空”，这通常意味着任务目标没有量化，没有可验证的结果标准。修正方向是把抽象形容词换成可检查的交付要求。症状二是“回复看起来不错但方向偏了”，这大概率是上下文没给够，模型只能按通用场景来猜。修正方向是补上背景和人物的具体约束。症状三是“内容东一块西一块拼不拢”，这是交付物结构没定义，模型不知道你要什么逻辑组织。修正方向是先列出你要的部分框架。症状四是“输出里有不该出现的东西”，这是边界条件缺失，直接把不要什么、什么优先写进去就行。症状五是“来回改了好几次还是不对”，这个最伤，因为你可能同时在目标、上下文、交付物上都有漏洞，需要从头重写一次完整的结构化描述。
4.2 一个我踩过的坑：忘说数据口径之后的一地鸡毛
讲一个我自己真实的翻车经历。有一次我让 AI 帮我汇总某项目一周的销售数据，为了方便它读，我还专门把原始表格导出来放进对话里，自认为信息给得很足。结果它汇总出来的数字跟我预期差了十万八千里。我第一反应是模型算错了，后来仔细一看，发现是数据口径出了问题。
我知道要按“到账金额”算，但没在对话里说明；模型默认按“订单金额”汇总了。这两个数字之间差着税费和退款，数据自然对不上。当时已经来回聊了七八轮，每一轮都基于错误的汇总结果在修改，最后只能推倒重来。这个教训特别典型：数据类的需求，口径就是生命线，而“口径”这个东西，恰恰属于目标里最不显眼却最重要的一部分。从那以后，凡是涉及数字、统计、比例的任务，我第一句就把口径列出来，比如“按部门统计”“按到账时间统计”“不包含测试数据”。
4.3 自检你的表达有没有问题的三个问题
如果你不想每次全靠踩坑来积累经验，这里给你一套快速自检的方法。每次把需求发给模型之前，先问自己三个问题。第一个问题是，如果这段话交给一个刚入职的实习生，他能不能直接干活、不用反复追问我？如果答案是不能，说明你的描述还缺东西。第二个问题是，如果模型现在给你两份不同方向的答案，你能不能说清楚你更想要哪一份、为什么？说不清楚，说明你的目标还是模糊的。第三个问题是，你这段话里有没有出现“好一点”“自然一点”“专业一点”这种没法量化的词？只要有，你就得停下来把它们翻译成具体标准。
这套自检只需要几十秒，但它长期省下来的时间非常可观，尤其对于那些每天跟 AI 打交道次数非常多的人来说，相当于每次少走三到五轮返工的弯路。结构性表达这件事没有天赋门槛，就是靠这些看起来笨拙的检查一点点磨出来的。
5. 延伸：把结构性表达练成肌肉记忆
5.1 每天十分钟的刻意练习
有人可能会问，结构性表达听起来是学会了，但真正用的时候还是会忘。我承认，这很正常，思维方式需要练习，就像你不可能看两篇健身文章就长出肌肉一样。我的建议是每天做十分钟的微练习，不需要占用什么额外时间，就放在你每天第一次跟 AI 对话前，把本来要发给它的一段话先手写下来，然后用四要素过一遍：目标、上下文、交付物、边界，每项用半句话补在上面。练上一周，你就会发现不写下来也顺了，因为这个流程已经内化成了你的默认思考习惯。
还有一个偏门但好用的练法：把你刷手机时看到的任何“空泛问题”拿来做改写练习。比如看到别人问“怎么才能学好编程”，你可以心里试试把它改写成“一个零基础、每天有 2 小时碎片时间的上班族，半年内要达到能独立写小工具解决办公重复劳动的程度，请给一条学习路径和学习资源清单”。这样练一周，你对问题的敏感度和表达能力都会有肉眼可见的提升。
5.2 结构性表达是一项会外溢的能力
最后我想说，这门功夫没有一点浪费。你练出的这种把复杂念头拆成目标、上下文、交付物、边界的能力，不只用来和 AI 对话。你写需求文档、发工作邮件、开会发言、甚至跟家里装修师傅沟通需求，用的都是同一套底层逻辑。我发现自己用了几个月之后，最大的变化不是 AI 用得更好了，而是跟人沟通时自动会带出完整的语境，少了好多来回确认的烦躁。
我后来几乎不怎么研究提示词了，工具的变化太快，今天火的技巧下个月可能就没人提，但把话说清楚这门手艺不会过时。每次打开对话窗口，我只需要把脑子里的结构取出来，用大白话讲一遍，模型自然给得很稳。这不是玄学，这就是结构性表达的效果。最后再分享一个小技巧：如果你实在不知道怎么诊断自己的需求，就把你的那句话原封不动发给 AI，让它帮你列一下“你的需求里还缺哪三项关键信息”，然后照着补完再发。你会发现，原来自己和“会提问”之间，只隔着一层结构。
