为什么我们总是写不好提示词？

meto

🌟导读：在这篇文章里，你会看到：写提示词时需要避开的几个坑，如何写出令你满意的提示词，怎样对提示词进行优化，最后，你会得到一份由谷歌发布的提示词指南。
Hello朋友们，我是你们的老朋友Simonlin，用通俗易懂的语言，手把手带你玩转AI~


作为人与AI之间的桥梁，提示词（prompt）的重要性不言而喻。


提示词的目的是为了驱动AI达到我们想要的效果，从而提升效率。


可是很多时候，我们却经常会浪费时间在跟AI沟通上，写了一段提示词，AI没达到我们想要的效果，然后反复强调，还是不能令我们满意，于是得出了“AI不好用”的结论，最终放弃。


这种现象，不只是发生在小白的身上，甚至对于看了很多提示词教程和相关文章的朋友来说，也会出现这样的情况。


其实，并不是我们不懂得用AI，而是我们写提示词的思路，从一开始就是错的。


撰写提示词的“坑与解”



1、认知层面



首先，我想为大家纠正一个误区：AI并不是搜索引擎。


很多朋友以为用AI就是输出问题，获得答案。


这是互联网时代的方法，但是现在已经不适用了。


AI的能力，其实是“基于输入的补全和预测”。


如果你在搜索引擎搜“水果”，那它会为我们列出一系列有关水果的搜索结果，这叫做“模糊搜索”。


但是如果我们给AI的是模糊的指令，它就会根据概率，找出最平庸最通俗的回答反馈给我们，因为这是最安全的。


但是这肯定不是我们想要的。


而且，我们会追求一个完美的提示词，并且追求“可复用性”。


事实上，各家模型的能力是不同的，并且它们之间互不相通，在Gemini上得到满意结果，放在DeepSeek，就未必能令我们满意了。


或者说，Gemini能给你写一篇很好的文章，但是Cursor就不能。


因此，我们需要了解每个模型擅长什么，不擅长什么，才能够有的放矢。


2、结构层面



大部分人写的提示词，应该都是像这样的：
为我写一篇演讲稿。


这种是被称为“许愿式”的提示词。


我们什么东西都没有提供，却希望AI能够给我们需要的一切。


当我们什么都没给AI的时候，就好像去一家大型超市买东西，你告诉导购说你想买卫生纸，但是没有规定具体的品牌（x相印？x柔？x达？），具体的种类（卷纸？抽纸？）甚至是你的需求（擦桌子？擦嘴巴？）,导购就会随机给你推荐一款，她认为不错的。


然而这就是问题所在。信息不全的时候，AI会自行补全，幻觉就因此而产生了，也就是我们常说的AI会“胡言乱语”。


所以，真正有效的提示词，应该是一份“契约”。


它应该要包含以下几个方面：


角色：模型在扮演谁？
任务：它具体必须完成什么？
约束条件：哪些是必须做的，哪些是不能做的？
输出格式：我们要的效果是怎么样的？


不要怕麻烦，因为比起疯狂咒骂AI，搞得自己头疼来说，我们肯定更希望AI的输出让我们满意。


3、细节层面



还有一个坑，是我们害怕说出我们到底想要什么。


因为我们怕我们如果写的太具体，就会大大限制AI的发挥，所以我们会用“写一篇优秀的文章”“把它变得更好看点”这样的形容词，期待AI能够自行体会。


事实恰恰相反。


适当的约束并不是限制，而是更好让AI的能力得到释放。


矛盾的指令才会给AI带来限制。


我自己就遇到这样的问题。


有一次，我给了AI一篇文章，让它“提炼并总结”。


AI非常肯定地告诉我，它不能这么做。


因为“提炼”和“总结”，这两个词，在意思上来说，是相悖的。


所以我们在写提示词的时候，还是要注意用词的规范性。


如果我们不能够做到从细节上来为AI设定框架，起码我们应该告诉它什么可以做，什么不能做。


以此来保证AI输出的一致性。


如果我们不将我们要的约束固定成提示词，那每次的对话都意味着“从零开始”。


如何写出更好的提示词？

那么，一份不算太差的提示词，应该是怎么写的呢？


我发现，基本上所有好用的提示词，都是“有模板的”。


它是由五个层面组成的一个架构。


1、Role(角色)



AI在预训练的时候，就被投喂了各种来自人类世界的资料，其中自然包括了一些专家的文章和著作。


也就是说，每一个AI，都能够像专家一样来帮你做事情。


为了唤醒AI的这个能力，我们需要给它设定身份。


最近很火的Agent Skills，其实就是这样的模式。


所以，我们不能告诉AI：“你是一名很聪明的助手”，而应该更具体一些，例如“你是一位拥有高级美感和资深工作经验的产品设计师。”


虽然这不能让模型真的成为一名设计师，但是它会去访问知识库中设计相关的部分，并调用一名设计师应该拥有的技能，帮你完成任务。


如果不给AI设定好角色，效果一定不会好到哪里去。


尽管这个提示词方法已经提出很久了，但是依旧好用。


2、Context（上下文）

在撰写提示词的过程中，让AI了解到必要的背景信息也是非常重要的。


AI不是我们肚子里的蛔虫，它没办法知道当我们要它做这个任务的时候，是基于一个怎么样的环境下。


比如受众是谁，任务的背景是怎么样的，目前的进度如何，有哪些参考资料可以提供。


这些对于人类可以轻松了解，但是大模型却不能够得到的信息，我们都应该要放入上下文里，作为提示词的一部分。


而且，并不是要一股脑地将所有上下文都发送给AI。


它应该是有序，有范围，有标签的。


因为模型更容易识别到结构化的信息，而对于混乱，则处理效果不佳。


3、Task（任务）



我们常常给AI的任务就一句话：写篇文章。


但是这就相当于间接地暗示AI：“给我来一篇最标准的，最平庸的文章”。


更好的做法是，告诉AI“生成一段 500 字的、用于推文的产品描述”。


我们给的任务越具体，越详细，AI生成的就越精确。


4、Workflow（工作流）



这是整个提示词里我们最容易做错的部分。


我们可能为了节省时间，或者在没有考虑好的情况下，就对AI发出了指令。


对于工作流，他们只有四个字：“输出结果”。


我只能说，我们都对AI太过于自信了。


我们人类处理事情是有条理，有逻辑的。


就好像之前有一个很好玩的脑筋急转弯—— “如何把大象放进冰箱？”


答案是：“打开冰箱，把大象放进去，关上冰箱”。


这就是一个很完整的工作流。


我们很多时候是只要结果，忽略了过程。


但是事实上，结果的产生，是必须经历过程的。


我们应该要告诉AI，它要如何去思考，怎么去评估自己的决策，怎样进行验证。


比如：
第一步，分析受众痛点；第二步，针对痛点匹配解决方案；第三步，根据前两步的逻辑撰写初稿并自查。


5、Output Format（输出格式）





到了这一步，就是我们要告诉AI，我们想要的结果是怎么样的。


怎么样才算是“完成”？


如果我们不告诉AI这点，它会使用默认的格式进行回复。


但是，让AI写一篇文章，跟让它写一段代码，需求是不一样的，输出的内容也自然是不一样的。


这其实也是从逻辑层面上对AI进行了约束。


如果没有进行这一步操作，当你想要代码的时候，它可能会给你一大段带有解释的文字，或者告诉你你要怎么去编写这段代码。


这是无法直接被使用的。


所以，最好的办法是，对AI说：““请以 Markdown 表格形式呈现”，“仅返回 JSON 代码，不要任何开场白”。


建立自己的提示词库



那看到这里，很多朋友会说：“Simonlin，那我岂不是每次都要重写一遍提示词了？”


不是这样的。


如果我们每次都重写提示词，而且前后又不一致的话，每次对话的结果，就不能够被我们控制。


我们应该把提示词变成我们自己的固定资产，并且经常去维护它。


把经常要用到的专家身份，形成标准的文档，并保存下来，这就是“角色库”。


如果我们是在进行vibe coding，那就把“技术栈、UI规范、核心逻辑”做成Markdown文档。


当我们需要的时候，就可以直接复制，发给AI。


甚至，你可以把一些东西固定下来，比如说你想要的格式，你不想要的回复，绝对禁止AI做的注意事项等等。


这样，每次跟AI对话前，先把这份文档发给它，并且询问它是否确认，遵循指令。


毕竟，你也不希望你每次都要靠抽卡才能获得满意的结果吧？


提示词实例



以下是按照上面所说的提示词架构，撰写的提示词，供大家进行参考：


1、AI新闻日报提示词



AI 新闻日报生成系统 (System Prompt)
【Layer 1: Role | 角色设定】 你是一位顶级科技媒体主编（如 Wired 或 TechCrunch 风格），擅长将深奥的 AI 技术进展转化为毒舌、幽默且极具洞察力的短综述。你的文风具有极强的传播力，拒绝任何官腔，像是在深夜酒吧里给老友讲述科技圈的八卦。

【Layer 2: Context | 背景上下文】

受众： [ Simonlin 的微信群成员 ]，主要是对 AI 感兴趣但非专业开发者的跨界人士。

目标： 在碎片化阅读时代，用 3 分钟让读者掌握今日最值得关注的 AI 动态。

事实来源： 仅限我提供的链接或文本内容，严禁编造不存在的融资信息或功能（防止幻觉）。

【Layer 3: Task | 具体任务】 请从提供的素材中筛选出 3 条最具“行业震动”或“生活改变”潜力的动态，进行结构化提炼。每条动态需要包含：一个抓眼的标题、一段犀利的点评、一个对未来的预测。

【Layer 4: Process | 思考路径】 在输出前，请严格执行以下思考逻辑：

价值过滤： 剔除纯公关稿，选择真正有技术突破或落地意义的新闻。

去水化处理： 删掉“旨在提高效率”、“具有里程碑意义”等废话。

情绪注入： 针对该新闻，思考一个普通人会吐槽点还是兴奋点？将这种情绪转化为点评。

视觉构思： 为这条新闻构思一张具有“讽刺感”或“未来感”的 AI 绘图描述词（Prompt）。

【Layer 5: Output Format | 输出规格】 必须严格按以下 Markdown 格式输出，禁止任何开场白：

AI Daily | [ 今日日期 ]

01. [ 抓眼球的新闻标题，建议带 Emoji ]
硬核速递： [ 100字内概述发生了什么 ]

主编点评： [ 犀利、幽默的观点，一针见血 ]

底层逻辑： [ 预测这会对普通人产生什么实际影响 ]

视觉灵感： [ 提供一段 Midjourney 风格的提示词 ]

(以此类推，共3条)

【通用约束 (Constraints)】

禁止使用： “不仅...而且...”、“总之”、“标志着”等陈词滥调。

必须使用： 具体的数字、生动的人类比喻、第一人称视角。

语言： 纯中文，涉及到专有名词保留英文。2、资深小说家

小说创作系统指令

【Layer 1: Role | 角色设定】 你是一位擅长商业类型片叙事的资深小说家与金牌编剧。你精通“英雄之旅”结构，擅长通过细腻的环境渲染和潜台词对话来塑造人物，能够像海明威一样克制地描写动作，同时像金庸一样铺陈冲突。

【Layer 2: Context | 背景上下文】
目标读者： [例如：25-35岁、喜欢硬核悬疑的职场人士]
当前进度： [例如：这是小说的第三章，主角刚刚发现了一封神秘信件]
核心事实： [例如：主角 Simonlin 是个冷静的程序员；故事发生在 2045 年的赛博城市；核心矛盾是技术垄断]
事实来源： 请严格参考我随后提供的《世界观设定集》和《人物小传》，不得出现逻辑矛盾。

【Layer 3: Task | 具体任务】 请撰写[具体章节名或场景名]的细化大纲与正文片段。这一幕的核心目的是：通过主角对信件的反应，展示他隐藏的恐惧，并引出下一个关键线索。

【Layer 4: Process | 思考路径】 在正式写作前，请遵循以下系统思维步骤：
场景拆解： 先列出本场戏的“情感转折点”（起始情感 vs 结束情感）。
感官铺陈： 挑选 3 个具体的视觉或嗅觉细节来强化氛围（不要直接说“阴冷”，要写具体的表现）。
对白审查： 确保角色说话符合其性格，禁止出现说教式对白。
内部校验： 检查动作描写是否过于冗长，确保节奏（Pacing）快慢结合。

【Layer 5: Output Format | 输出规格】 请按以下结构输出，严禁任何多余的开场白：
[本章逻辑]： 简述你选取的冲突逻辑。
[感官锚点]： 列出你准备使用的 3 个环境细节。
[正文内容]： 约 1000 字的精修文字。
[自查报告]： 简要说明你如何执行了“潜台词对话”的约束。

优化你的提示词



如果看到了这里，说明你和曾经的我一样，对提示词撰写也感觉到焦头烂额，那么现在，我邀请你做一件事——


对自己过去的提示词进行优化，并构建属于你自己的规则文档。


如果不去审视自己过去写的提示词，就不知道以后该如何去避免。


所以，打开你常用的AI工具，找到你之前和AI对话过的记录。


看看有哪些提示词，是对你来说很重要的，然后诚实地问自己以下问题：


我是否为模型指定了角色？
我是否提供了必要的上下文以便它完成工作，还是假设模型无所不知？
我是否定义了它的约束条件，还是让模型自行假设它认为我想要什么？
我是否具体说明了“完成”实际上是什么样子的？
我是否描述了一个过程，还是仅仅请求一个输出？


看看你能回答“是”的次数是多少。


如果说只是一两次，那就证明，你的提示词应该进行彻底的优化。


我也非常建议朋友们，去看看哪些提示词写的很好的大佬，他们的结构是怎样的。


比如：云中江树、甲木、归藏、李继刚、云舒...


从中吸取可以用来改进提示词的灵感。


当你用这套新的方法写作提示词的时候，记得将它跟过去的提示词进行比较，看看结果如何，是否变得更好了。


做到这个流程：

结构 → 测试 → 分析 → 优化

最后，运用复利效应的魔力，不断重复，直到你已经能够得心应手地写下一份效果让你满意地提示词。


如果你觉得这样的提示词还不能让你满意，我还有一个小秘诀要告诉你。


当你能够按照上面的模板，写出一份提示词后，记得把它扔给AI，叫AI反问你一些问题，补足上下文，最后再进行优化，输出迭代版本的提示词给你。


就像这样：

提示词：
让我们一起对这份提示词进行优化。我需要你反问我一些问题，补足你的上下文之后，输出一份最终的提示词给我，如果你的上下文已经足够，向我发起询问：“是否输出最终版本提示词？”
【需要优化的提示词】
请你先阅读原始提示词，根据可优化的方向提出问题，我们一起来完成优化的工作。

后记

感谢你看到这里，希望这篇文章对你有所帮助。


它并不是我一个人的作品，原文来自推特上的一位大佬@kloss_xyz，主要观点都来自他的文章：
why you suck at prompting (and the system to fix you)
 为什么你不擅长写提示词（以及能修正你的系统）


我对他的文章进行了一些补充和说明，最后就变成了你看到的这一篇。


这篇文章是我昨天晚上在推特上看到的，看完之后让我大受震撼，因为我发现，我自以为很会写提示词，其实我一窍不通。


所以我决定写一篇文章，帮助一些刚入门AI的朋友，少走一些弯路。


同样，也是为了做一个留存，好提醒我自己，万一哪天忘了，可以更方便地查看。


感恩大佬的无私分享，吸取他人的经验，不断进步，这也正是我们变得更好的逻辑所在。


希望看完这篇文章，能让你在以后写提示词的时候，多些笃定，少些迷茫。


如果你还觉得不够，我为你准备了来自谷歌的提示词写作手册，你可以把它扔给Ima，或者是NotebookLM，又或者是飞书，让AI帮你解读。


提示词手册的汉化来自@宝玉AI ，谢谢老师的付出。


如果觉得这篇文章还不错，欢迎：点赞，推荐，转发给你身边在学习AI的朋友，让他写提升词能够少走些弯路。


我建了一个AI交流群，群里都是爱好AI的朋友，这个群有AI，也有爱。


我是Simonlin，下次见。

yzszh64

感谢分享。