开篇先讲一件让我印象特别深的事。有次帮朋友优化一个项目的落地页他问我能不能让AI写个高转化的营销文案我说当然可以。然后他当着我的面输入了这样一句话帮我写个关于旅游的文案。结果大家都猜得到模型确实写了洋洋洒洒两千字辞藻华丽、结构工整但从头到尾没有一个具体产品没有目标人群没有优惠机制甚至连投放渠道都不清楚——这文案根本没有办法用。我接手后把需求改成你是一名有10年经验的效果广告文案服务对象是面向25到35岁城市白领的轻奢民宿品牌转化目标是让他们点击预订按钮。请产出一条300字以内的朋友圈广告文案要有引人好奇的开头、明确的淡旺季错峰优惠信息以及一句低门槛的行动号召。前后不到一分钟一条能直接投出去试试水的文案就出来了。这个场景基本就是提示词工程的日常同一个模型输入方式不同产出质量天差地别。今天这篇东西不聊理论框架也不堆论文术语就把我这几年来在真实项目里摸爬滚打、反复对比验证过的10个能立刻上手的提示词技巧整理出来每个技巧都配上能直接复制改用的范例。结尾还附了一份可填空的模板库相当于把会说人话这件事变成一套可复用的操作流程。1. 先把提示词工程这个概念落到地上它不是玄学是目标管理很多人听到提示词工程就觉得很高深仿佛得掌握什么隐秘的咒语才能让AI乖乖听话。其实没那么玄。在我看来提示词工程本质上就是目标管理你能否把一个模糊的愿望拆成一个足够清晰、可执行、有验收标准的任务描述。这个能力不只在和AI对话时需要你在公司里给下属派活、在外面给外包提需求、甚至让家里人帮忙买东西时都一直在用。只不过AI对歧义的容忍度更低它会认真执行你每一句容易被忽略的话。1.1 提示词的本质是接口协议不是咒语把大语言模型想象成一个能力极强但没有常识判断力的外聘专家它读过海量资料任何领域的活儿都能上手但它不了解你具体在什么处境里、资源是什么、底线是什么。如果你的需求描述里没有说明这些它就会默认按最通用、最安全、最中庸的方式来回答。这不是模型笨而是因为你没有给它足够的约束条件。所以提示词其实就是你和这个外聘专家之间的接口协议。协议里必须写清楚三件事任务是什么你到底要它产出什么是一篇文章、一段代码、一个分析框架还是一个方案约束条件是什么给谁用在什么场景下用有没有风格、字数、格式、立场上的硬性要求验收标准是什么你拿到结果之后用什么标准判断它是好是坏任何缺失模型都会帮你脑补一个默认值而默认值通常是最平庸的那个。提示词工程的所有技巧本质上都是在这三件事上做文章。1.2 同一个问题两种写法结果为什么完全不同我经常用下面这对对比来跟人解释提示词为什么重要。写得很糙的版本帮我写一个销售话术。写得清楚的版本帮我写一份电话销售话术产品是企业级SaaS办公软件客单价每年2万元目标客户是50到200人规模的互联网公司行政负责人。通话时长控制在90秒内希望达成的目标是争取到一次产品演示机会。请用分步骤对话形式呈现开场白、挖需求的两个问题、产品价值点介绍、处理异议、请求演示。语气专业但不生硬不要夸大功能。第一个版本模型会写出一段放之四海而皆准的废话第二个版本则接近一个可以直接背下来去打电话的脚本。产生这么大差异的原因就是我在1.1里说的协议三要素有没有被完整定义。就这么简单。而掌握了这个思维之后下面10个技巧你就能理解它们各自在解决协议三要素中的哪个环节。2. 十个能立刻上手的提示词技巧每个都配可复制范例这一部分是全文的重头戏。我会按技巧名称 → 解决什么问题 → 可复制范例 → 为什么有效的结构来拆解。你不必一次全记住建议把这篇内容收藏起来写提示词的时候对照着用用多了自然就形成了肌肉记忆。2.1 技巧一用角色代入来锁定语言风格和立场解决什么问题模型默认的输出风格往往是无感情的百科体直接拿来做营销文案、演讲稿、客服话术都不对味。角色代入是最快改变语气和视角的方式。可复制范例你是一名有15年从业经验的儿科营养师在给新手妈妈写一份宝宝6个月辅食添加指南。请用温暖、耐心、不贩卖焦虑的语气把先少量尝试、观察过敏反应、逐步增加种类的核心原则讲清楚。使用第一人称我来写像一位有经验的姐姐在给家里人写信。500字左右。为什么有效角色代入不是让模型假扮某个职业而是借这个职业背后的语料分布来约束输出。营养师角色会天然偏向循序渐进个体差异咨询医生这些更稳妥的表达厨师角色会偏向火候口感食材搭配侦探角色会偏向线索推理疑点。你选什么角色就等于在模型庞大的语料库里提前圈定了一个回应区间大幅降低跑偏的概率。补充一点实操经验角色别乱用。如果只是在写一份常规的工作周报没必要强行设定我是顶级咨询顾问这会让输出变得油腻。角色代入用在风格差异很大的场合最值比如写文案、编故事、模拟面试官。2.2 技巧二用任务分解把复杂需求切成小步解决什么问题一次性让AI完成分析数据—得出结论—给出建议—写出报告这种多步骤任务模型容易在中途迷失结果往往是每个部分都浅尝辄止。可复制范例请按以下三步来处理我的需求没完成上一步不要跳到下一步 第一步列出影响内容电商复购率的5个核心因素每个因素用一句话解释 第二步针对其中你觉得最容易被运营忽略的一个因素展开说明3个可落地的优化动作 第三步把前两步内容整理成一份200字以内的目录式摘要。为什么有效大模型在处理多跳任务时如果缺少明确的过程约束很容易出现中间步骤被跳过或结论先于论据的情况。任务分解相当于给模型铺设了一条轨道让它按顺序输出每一步都能在前一步的基础上深化质量自然更稳定。补充一点实操经验步骤与步骤之间最好有明确的依赖关系——第二步必须引用第一步里提到的某个因素这样模型才会真正把上下文衔接起来而不是机械地列几段话。2.3 技巧三给负面约束加黑名单明确说不要什么解决什么问题很多时候我们只告诉AI要什么却没告诉它不要什么于是它会用一堆陈词滥调和正确废话来填充版面。可复制范例写一篇关于时间管理的公众号文章开头300字。要求不要用在这个快节奏的时代不要使用首先、其次、最后这类接续词不要引用名人名言不要出现任何关于早起的具体建议直接从一个读者会感到共鸣的具体场景切入。为什么有效负面约束本质上是给模型划定禁区。大模型默认输出里大量存在在这个XX的时代随着社会的发展这类空话你不把它列入黑名单它就会条件反射式地冒出来。点名禁区之后模型才会真正去寻找一条不那么顺滑的表达路径——而那通常正是我们想要的效果。补充一点实操经验不要一次列超过五条「不要什么」否则模型忙于规避禁令反而会变得束手束脚输出内容缺乏活力。挑最影响观感的三四条就够了。2.4 技巧四用示例锚定指定输出的格式和胃口解决什么问题用文字描述十遍输出格式不如直接给模型看一眼你想要的样例。对格式敏感的AI按照已有的范例进行输出时准确性会提升好几个数量级。可复制范例我接下来要给你一份客户反馈列表请你把每一条整理成标准的问题条目格式完全参照下面这个例子 【问题编号】CUST-1001 【客户类型】企业年付费用户 【问题摘要】财务模块生成报表时偶尔出现金额合计不一致 【严重程度】高影响月度结账 【建议处理方向】联系技术团队检查舍入规则并排查数据源下面是客户反馈列表……为什么有效这就是机器学习里常说的少样本学习few-shot learning。模型理解抽象的描述比如请专业一点远不如理解一个具体样例来得直接。示例锚定相当于把验收标准直接可视化了模型只需要做模仿而不是理解加生成难度大幅降低。补充一点实操经验给一个精确到标点、大小写、换行都有讲究的示例效果最好。如果你给的示例本身就是模棱两可的那模型只会学到你的随意。想稳妥的时候我会一次给两个不同角度的示例模型会自动推断出规律区间。2.5 技巧五用思考过程引导强制模型先推理后回答解决什么问题直接让模型回答一个需要多步推理的问题时它容易跳步给出结论而结论又往往是错的。让它先展示推理过程正确率会显著提升。可复制范例有一款产品年客单价是3000元目前月付费用户约800人退费率从年初的2%升到了6%。请你不要直接给方案先按以下推理链路来思考流失成本估算 → 可能流失原因拆解 → 每种原因的验证方法 → 基于验证结果的初步应对思路。每一步用两到三句话说明最后再给出一个综合判断。为什么有效这技术大家比较熟悉常被称为思维链Chain of Thought。原理是模型在中间过程中写下的每一步推理都会变成下一阶段的上下文等于强迫模型在更完整的语境中寻找答案。就像做数学题你把每一步都写在草稿纸上比心算出结果后只写一个答案更不容易出错。补充一点实操经验不是说所有问题都要走思维链。简单的指令性任务把这段文字改成口语化表达就不需要画蛇添足。判断标准很简单这个问题需要算、需要推、需要比较就走思维链只是调用知识、改写、翻译不用。2.6 技巧六用格式指令直接画出交付物的框架解决什么问题你希望模型输出一份结构清晰的东西但模型默认可能给你一大坨散文。提前把格式框架写进提示词就是给模型画了一张交付蓝图。可复制范例请把下面的会议纪要整理成标准日报格式包含四个部分 一、本次会议结论3条以内每条不超过30字 二、待办事项用表格展示列为负责人、任务内容、截止时间、当前状态 三、风险与阻塞如果没有写无 四、下次会议建议议题2至3个 会议原文如下……为什么有效大模型是被训练成像人一样组织回复的如果你不给格式框架它就会用自己觉得最顺手的结构。而每当你明确了只要表格只要三个要点只要结论不要过程它就会自动格式化输出。这是成本最低、性价比最高的提示词技巧之一尤其适合日常工作流里高频出现的纪要、周报、数据整理类任务。补充一点实操经验输出格式和内容需求之间有一个平衡。如果你让模型用表格输出一份前后逻辑很强的分析它可能会因为表格的碎片化而丢掉论证的连续性。所以复杂分析的正文部分用段落需要复制的交付物比如给开发看的接口文档用表格。2.7 技巧七用背景原料代替空泛的背景描述解决什么问题很多人写提示词时会花大量笔墨去描述一种模糊的背景氛围却忘了提供最关键的信息原料。AI不是一个能猜到你心里想法的对话者它的上下文只能用你喂进去的内容来构建。可复制范例下面是我正在筹备的一个知识付费产品的定位信息请你基于这份材料帮我想5个课程名称并写一句30字以内的产品卖点。要求课程名称要包含具体结果比如30天从零到一卖点必须针对25到35岁、想转行做内容运营的职场人。 【产品定位材料】……为什么有效模型对输入材料的利用率极高只要材料本身有信息量生成出来的东西就是长在材料上的而不是漂浮在通用知识空间里的拼贴画。反过来如果你只是说我是一个做内容的人想做产品定位模型就只能猜。补充一点实操经验我自己习惯的做法是在提示词里用一个明确的标记把原料和指令分开比如【原料开始】【原料结束】。这个做法在一次处理多份文档时尤其好用模型不会再把你的指令段落误以为是待处理的内容。2.8 技巧八用多轮迭代代替一次性期待完美解决什么问题大多数人把提示词工程理解为一次性就把提示词写到完美其实真正的老手都清楚一次成功的概率有限高质量结果靠的往往是一轮生成、一轮点评、一轮修改的迭代循环。可复制范例多轮提问第一轮请根据这些要点写一篇800字的宣传推文。 第二轮这篇推文的第二段和第三段转折比较生硬请把第二段改成更有冲突感的开头第三段的结论提前到段首其余部分保留。 第三轮请把全文的被动句改成主动句再把语气从正式改成轻松口语化。其他不动。为什么有效因为每一轮新指令都叠加在上一轮的输出结果上你是基于已生成的文本进行精准修整而不是让模型凭空气再猜一遍。这种逐步逼近的思路对复杂创作任务来说比任何单项技巧都重要。换句话说把模型当实习生第一稿总是最快成型、最需要改的但改完之后往往比从零写更快。补充一点实操经验多轮迭代时一定要在指令里说清楚哪一段、改什么、保留什么。最忌讳的一句话是整体再优化一下——模型根本不知道要动哪里。尽量具体到段落甚至句子。2.9 技巧九用打分和点评让AI自评自改解决什么问题有时候你觉得模型生成的内容不对但说不清哪里不对。这种情况下与其自己硬想不如让模型按你给的标准先做自评再根据自评结果优化。可复制范例请站在一个资深文案主编的角度对我下面这段品牌故事做一个评分满分10分分别从情感共鸣、品牌记忆点、信息完整度、语言节奏四个维度打分。每个维度给出分数和一句评语最后用50字说明最值得改的一个地方。然后请按你的点评意见把全文修改一遍。 【原文】……为什么有效这个技巧实际上是给模型增加了一个反思机制。第一遍生成时模型倾向于选择概率最高的词序列而当你要求它以另外的身份回看自己的输出时它会在更大的候选空间里重新组织语言输出往往更精炼、更准确。相当于一次性完成了生成、评审和修正三个动作。补充一点实操经验评分维度的选择很关键你必须写清楚按什么标准评否则模型会返给你泛泛而谈的夸奖。把标准列得越明确它给出的点评越有参考价值。2.10 技巧十用明确层级区分指令、背景和问题解决什么问题一段提示词里混入了指令、背景介绍、问题正文和补充要求模型容易抓不住重点。用清晰的层级标记相当于给模型画了一张阅读地图。可复制范例【指令】请根据下面的内容生成一份危机公关声明。 【事件背景】某食品品牌因包装标签印刷错误被消费者质疑已确认不是食品安全问题。 【舆情现状】负面讨论集中在品牌不透明而非产品质量。 【要求】声明要在200字以内语气诚恳不推卸责任不提具体竞品对外口径统一不做额外承诺落款为公司市场部。 【正文待处理】……为什么有效结构化的提示词可以把模型的注意力引导到正确的位置。它有几点具体好处一是防止模型把背景当指令执行二是方便你随时修改其中某个模块而不惊动其他部分三是让你回头检查时一眼看出缺了哪块信息。这套标签式提示词框架我在后面第三章的模板库中还会详细展开。补充一点实操经验标签用什么词都可以【指令】【背景】【要求】这类中文标签非常适合作为自然语言的一部分。唯一需要注意的是标签命名要直观不要用什么P1、P2这种只有你自己看得懂的代号。3. 模板库从会写提示词到随时能抄作业技巧是散的落地要靠模板。这一章我把自己最常用的四套模板完整放出来它们覆盖了日常工作中最常遇到的四类需求写作创作、数据分析、编码辅助、内容策划。每套模板都能直接复制把【】里的内容替换成你自己的信息就行。3.1 通用模板结构拆解六要素即插即用在分别给出场景模板之前先拆一个所有的模板共通遵守的六要素框架。你在自己拼装模板时也照着这个六要素来就不会出大错。要素对应问题举例角色你希望AI以谁的视角来回答资深运营、财务分析师、初中物理老师任务你希望AI具体做什么写文案、做分析、写代码、整理会议纪要背景这个任务发生在什么场景下新产品上线、季度复盘、给客户提案原料回答所依赖的材料或数据是什么调研结果、聊天记录、代码报错信息约束风格、字数、格式、立场上的限制有哪些不用术语、100字以内、表格输出、不评价竞品验收什么结果算好可以直接发布、分三步讲清、落款为公司名你平时写提示词觉得憋不出来多半是因为这六要素里有好几个是空的。把它们先补齐再往上叠加第二章里的那些技巧效果会完全不同。3.2 场景模板一写作创作类【角色】你是一名有多年经验的公众号主编擅长把专业内容写得通俗有趣。 【任务】围绕主题产出一篇适合公众号发布的文章开头。 【背景】这是我的个人公众号读者主要是互联网行业产品经理和运营他们对效率工具有强烈兴趣但对纯技术细节耐受度低。 【原料】我的核心观点是工具本身不产生效率好的使用习惯才会。 【约束】篇幅在500字以内不要用随着科技的发展这类套话不要堆砌专业术语。 开头前50字必须出来一个具体生活场景让读者有代入感语言口语化。 【验收】能直接复制到公众号后台发布不用再做大幅修改。3.3 场景模板二数据分析与总结类【角色】你是一名严谨的商业分析师擅长用数据和逻辑说话。 【任务】基于我提供的原始数据输出一份结论明确的分析报告。 【背景】我要在部门周会上汇报本月用户活跃数据需要一份清晰的结论摘要。 【原料】把数据表格或文字数据贴在这里 【约束】给出3条以内核心结论每条结论必须配上数据证据不要做趋势预测不要虚构数据先结论后解释。 用表格来描述核心指标对比。 【验收】我能拿着你的结论直接对着PPT念不用再加工。3.4 场景模板三编程与开发辅助类【角色】你是一名熟悉Python的后端工程师。 【任务】帮我调试下面这段代码并给出修复后的完整版本。 【背景】这段代码用requests库抓取某个公开API的数据在本地运行正常但部署到服务器后返回空列表。 【原料】贴代码 【约束】先解释可能的原因再给出修好的代码不要在代码里引入额外的新依赖加上必要的异常处理。 在代码注释中说明每一处改动的原因。 【验收】我能在自己的环境下直接跑通。3.5 场景模板四内容策划与头脑风暴类【角色】你是一名资深内容策划对社交媒体的流量逻辑有深刻理解。 【任务】为我的账号策划10个选题方向。 【背景】我运营一个面向建筑设计行业从业者的知识类账号目前粉丝约2万主要靠公众号图文和短视频两个渠道分发。 品牌调性是专业但不说教。 【原料】近期数据较好的3个选题方向材料创新、项目复盘、AI辅助设计工具。 【约束】每个选题需要包含主标题25字以内、副标题补充信息量、一句话内容概要、目标读者痛点。 不要提跨界出圈这种空泛概念。 【验收】10个选题里有至少7个是我看到题目就愿意收藏的。4. 最常见的五个反面案例和它们的修复过程光给模板还不够我更想帮你省掉一些本来可以避免的弯路。接下来这五个反面案例全是平时被问过无数遍、或者在培训现场看到真实发生过的翻车时刻。每一步排查链路我都尽量还原了你以后遇到类似情况可以照着这个思路自查。4.1 案例一提示词越长越好信息冗余反噬翻车现场一位运营同学为了拿到完美方案写了一段600字的提示词把品牌历史、竞品情况、目标用户画像、投放渠道、预算、时间线全都塞进去了。结果模型输出的是数据冗余、主线混乱的一大篇东西而且把最核心的卖点淹没了。排查链路第一检查提示词里任务是否足够聚焦发现他真正的问题其实是给新品起5个名称并解释含义第二检查原料部分发现80%的信息与取名没有直接关系第三把无关信息删除只保留与新品调性和目标人群偏好最相关的两三句话并把任务改为列点式提问。修复后请给我的新抹茶饮品起5个中文产品名。目标人群是25到30岁注重健康的生活方式爱好者。饮品特点是醇厚微苦、不额外加糖、使用了有机抹茶粉。品名要有东方美学感但不生僻还要能顺口叫得出。请按品名一句命名解释的格式输出。问题本质提示词不是填空题不是信息越多模型就越懂你。和信息不足相比信息冗余更危险它会稀释关键指令的权重。你要做的是筛选原料而不是搬运原料。4.2 案例二角色扮演一到用时方恨少全凭资深专家救场翻车现场写不出文案、想不出点子、做不出分析时你是资深XX专家这句几乎成了大家默认前缀。但实际效果往往千篇一律模型输出一股我是专家我来说两句的说教味反而让内容离具体场景越来越远。排查链路第一确认角色是不是真的和任务强相关结果发现没太大关系第二把角色从提示词的首位换到输出风格的位置作为约束条件之一而不是最重要的部分第三把重点放回背景原料任务让模型先把问题本身理解透再用角色约定语气。修复后的核心思路角色设定是风格滤镜不是内容来源。真正的内容来源是你喂进去的背景和原材料。你是把角色当作语气和视角的参考来用而不是指望它凭空给出点击量。问题本质角色扮演被过度使用会让模型产生一种权威腔输出内容看似专业实则空洞。角色是风格过滤器不是免死金牌。4.3 案例三忘记定义输出格式结果要用时还得二次加工翻车现场一个产品经理让AI分析竞品功能模型用一大段散文输出看完花了五分钟才勉强找到三个差异点还不如自己做对比表。排查链路第一明确分析竞品功能的交付物是什么第二判断交付物最合适的呈现形式对比表、段落、列表第三把格式要求作为显性指令直接写在任务后面用表格输出横向是三个竞品纵向是价格、核心功能、差异化亮点、适用场景四行。修复后请以表格形式分析下面三款项目管理工具的功能差异。表格行字段价格免费版/付费版核心功能最多5项差异化亮点适用团队规模明显短板。注意不要赘述相同点。问题本质很多人默认让AI自然输出就好但如果你的下游任务都需要结构化数据就别偷懒。输出格式就是另一个层面的约束条件和字数、语气同等重要。4.4 案例四面对幻觉内容不加核对就直接上线翻车现场一个做课程的同学让AI帮他找三本关于习惯养成的权威书籍并总结核心观点AI给出了非常像样的答案书名、作者、出版年份、核心观点一应俱全甚至还有几句书评。结果一查其中一本书的书名被写错了还有一个作者张冠李戴。排查链路这不是提示词写得不好而是用错了场景。大模型的训练数据在特定时间点后就不再更新而且即使训练过记忆也有偏差。尤其在事实性核对、新闻资讯、当事人身份确认等场景不能直接采信。修复方式很简单在提示词里强行加上请标注信息来源或如果你不确定请明确说不知道不要编造并在关键信息上人工复核。修复后请推荐3本习惯养成领域有权威口碑的书籍每本必须包含书名、作者、核心观点3条以内、适合人群。请务必确认作者和书名准确不确定的信息直接说不确定。问题本质提示词工程能控制模型生成时的风格、结构、流程但控制不了模型自身记忆的局限性。必要的验证机制必须悬浮在提示词之外。4.5 案例五给AI派了太多任务结果哪个都没做好翻车现场一个团队让AI帮我分析用户画像、定产品策略、写营销方案、拟一条推广文案、再做一份预算表。模型虽然回复得很有条理但每部分都很浅连用户画像都只列了三行自定义标签。排查链路第一把这些任务拆开发现它们分属分析类和创造类两个不同流程第二把写推广文案这个决策性任务单独拿出来放在分析完成之后再处理第三让每一步任务分别使用不同的提示词模板。这本质上就是第二章提到的任务分解避坑版。问题本质有的任务可以并行但分析类任务和决策类任务之间天然存在依赖关系——你没分析完用户凭什么让模型生成文案把互相依赖的任务放在一次对话里执行对模型来说就是逻辑断裂思考深度自然打折。5. 提示词技巧的反向边界什么时候该少写而不是多写把技巧全讲完之后我必须冷静地补一刀提示词工程不是把所有技巧堆上去就完了有些场景下少写比多写好。这是我用过不少次过度工程之后才摸到的一条真实边界。第一类不用写复杂提示词的场景日常低风险问答。比如你只是想查一个常识概念问什么是复利一个简洁的提问就能得到准确的解释不需要给它加上角色、数据和输出格式。此时强行套模板反而会拖慢响应速度还可能让简单的答案变得冗余。第二类不用写复杂提示词的场景纯改写或翻译类任务。这类任务的核心是保留原意、调整表达你只需要给它一句把这段话改成更正式的语气就足够了。你给再复杂的指令它也做不出花来反而可能因为额外的约束把原意改歪。第三类需要反着来的场景你希望模型发挥发散性创造力。比如头脑风暴一个全新的产品名、创意方案、或者故事开头过多的约束会严重限制模型的想象力。这种时候我会故意只给素材不给要求先让它自由发散30个版本我再从里面挑方向然后进入第二轮用严格约束去收敛。这个先发散后收敛的节奏比一上来就各种限制要好用很多。还有一类是技术层面的上下文越长、约束越多模型的注意力就越分散。大模型处理很长的提示词时存在lost in the middle的现象——对开头和结尾的指令记忆更深中间的内容容易被忽略。所以当你的提示词确实很长时请把最关键的指令放在开头或结尾把不那么重要的细节放在中间。一句话总结我的实操心得提示词工程的最高境界不是把模板填得滴水不漏而是知道什么时候该填、什么时候该空、什么时候干脆不用填。你在反复运用这10个技巧的过程中慢慢就能养成自己的判断力——这就像老裁缝做衣服皮尺用多了到什么料子该用什么针法心里自然有数。最后再给一个我一直沿用的习惯把好用的提示词模板按使用频率存进自己的笔记里就像维护一本个人咒语书。我会在每次用某个模板前标记日期和结果评级几颗星下次遇到类似任务直接复制出来改关键词比从零开始写快得多。这套方法的本质其实就是把今天讲的所有技巧沉淀成自己的第二大脑让每一个下一次都从这次的经验之上继续出发。
开篇先讲一件让我印象特别深的事。有次帮朋友优化一个项目的落地页他问我能不能让AI写个高转化的营销文案我说当然可以。然后他当着我的面输入了这样一句话帮我写个关于旅游的文案。结果大家都猜得到模型确实写了洋洋洒洒两千字辞藻华丽、结构工整但从头到尾没有一个具体产品没有目标人群没有优惠机制甚至连投放渠道都不清楚——这文案根本没有办法用。我接手后把需求改成你是一名有10年经验的效果广告文案服务对象是面向25到35岁城市白领的轻奢民宿品牌转化目标是让他们点击预订按钮。请产出一条300字以内的朋友圈广告文案要有引人好奇的开头、明确的淡旺季错峰优惠信息以及一句低门槛的行动号召。前后不到一分钟一条能直接投出去试试水的文案就出来了。这个场景基本就是提示词工程的日常同一个模型输入方式不同产出质量天差地别。今天这篇东西不聊理论框架也不堆论文术语就把我这几年来在真实项目里摸爬滚打、反复对比验证过的10个能立刻上手的提示词技巧整理出来每个技巧都配上能直接复制改用的范例。结尾还附了一份可填空的模板库相当于把会说人话这件事变成一套可复用的操作流程。1. 先把提示词工程这个概念落到地上它不是玄学是目标管理很多人听到提示词工程就觉得很高深仿佛得掌握什么隐秘的咒语才能让AI乖乖听话。其实没那么玄。在我看来提示词工程本质上就是目标管理你能否把一个模糊的愿望拆成一个足够清晰、可执行、有验收标准的任务描述。这个能力不只在和AI对话时需要你在公司里给下属派活、在外面给外包提需求、甚至让家里人帮忙买东西时都一直在用。只不过AI对歧义的容忍度更低它会认真执行你每一句容易被忽略的话。1.1 提示词的本质是接口协议不是咒语把大语言模型想象成一个能力极强但没有常识判断力的外聘专家它读过海量资料任何领域的活儿都能上手但它不了解你具体在什么处境里、资源是什么、底线是什么。如果你的需求描述里没有说明这些它就会默认按最通用、最安全、最中庸的方式来回答。这不是模型笨而是因为你没有给它足够的约束条件。所以提示词其实就是你和这个外聘专家之间的接口协议。协议里必须写清楚三件事任务是什么你到底要它产出什么是一篇文章、一段代码、一个分析框架还是一个方案约束条件是什么给谁用在什么场景下用有没有风格、字数、格式、立场上的硬性要求验收标准是什么你拿到结果之后用什么标准判断它是好是坏任何缺失模型都会帮你脑补一个默认值而默认值通常是最平庸的那个。提示词工程的所有技巧本质上都是在这三件事上做文章。1.2 同一个问题两种写法结果为什么完全不同我经常用下面这对对比来跟人解释提示词为什么重要。写得很糙的版本帮我写一个销售话术。写得清楚的版本帮我写一份电话销售话术产品是企业级SaaS办公软件客单价每年2万元目标客户是50到200人规模的互联网公司行政负责人。通话时长控制在90秒内希望达成的目标是争取到一次产品演示机会。请用分步骤对话形式呈现开场白、挖需求的两个问题、产品价值点介绍、处理异议、请求演示。语气专业但不生硬不要夸大功能。第一个版本模型会写出一段放之四海而皆准的废话第二个版本则接近一个可以直接背下来去打电话的脚本。产生这么大差异的原因就是我在1.1里说的协议三要素有没有被完整定义。就这么简单。而掌握了这个思维之后下面10个技巧你就能理解它们各自在解决协议三要素中的哪个环节。2. 十个能立刻上手的提示词技巧每个都配可复制范例这一部分是全文的重头戏。我会按技巧名称 → 解决什么问题 → 可复制范例 → 为什么有效的结构来拆解。你不必一次全记住建议把这篇内容收藏起来写提示词的时候对照着用用多了自然就形成了肌肉记忆。2.1 技巧一用角色代入来锁定语言风格和立场解决什么问题模型默认的输出风格往往是无感情的百科体直接拿来做营销文案、演讲稿、客服话术都不对味。角色代入是最快改变语气和视角的方式。可复制范例你是一名有15年从业经验的儿科营养师在给新手妈妈写一份宝宝6个月辅食添加指南。请用温暖、耐心、不贩卖焦虑的语气把先少量尝试、观察过敏反应、逐步增加种类的核心原则讲清楚。使用第一人称我来写像一位有经验的姐姐在给家里人写信。500字左右。为什么有效角色代入不是让模型假扮某个职业而是借这个职业背后的语料分布来约束输出。营养师角色会天然偏向循序渐进个体差异咨询医生这些更稳妥的表达厨师角色会偏向火候口感食材搭配侦探角色会偏向线索推理疑点。你选什么角色就等于在模型庞大的语料库里提前圈定了一个回应区间大幅降低跑偏的概率。补充一点实操经验角色别乱用。如果只是在写一份常规的工作周报没必要强行设定我是顶级咨询顾问这会让输出变得油腻。角色代入用在风格差异很大的场合最值比如写文案、编故事、模拟面试官。2.2 技巧二用任务分解把复杂需求切成小步解决什么问题一次性让AI完成分析数据—得出结论—给出建议—写出报告这种多步骤任务模型容易在中途迷失结果往往是每个部分都浅尝辄止。可复制范例请按以下三步来处理我的需求没完成上一步不要跳到下一步 第一步列出影响内容电商复购率的5个核心因素每个因素用一句话解释 第二步针对其中你觉得最容易被运营忽略的一个因素展开说明3个可落地的优化动作 第三步把前两步内容整理成一份200字以内的目录式摘要。为什么有效大模型在处理多跳任务时如果缺少明确的过程约束很容易出现中间步骤被跳过或结论先于论据的情况。任务分解相当于给模型铺设了一条轨道让它按顺序输出每一步都能在前一步的基础上深化质量自然更稳定。补充一点实操经验步骤与步骤之间最好有明确的依赖关系——第二步必须引用第一步里提到的某个因素这样模型才会真正把上下文衔接起来而不是机械地列几段话。2.3 技巧三给负面约束加黑名单明确说不要什么解决什么问题很多时候我们只告诉AI要什么却没告诉它不要什么于是它会用一堆陈词滥调和正确废话来填充版面。可复制范例写一篇关于时间管理的公众号文章开头300字。要求不要用在这个快节奏的时代不要使用首先、其次、最后这类接续词不要引用名人名言不要出现任何关于早起的具体建议直接从一个读者会感到共鸣的具体场景切入。为什么有效负面约束本质上是给模型划定禁区。大模型默认输出里大量存在在这个XX的时代随着社会的发展这类空话你不把它列入黑名单它就会条件反射式地冒出来。点名禁区之后模型才会真正去寻找一条不那么顺滑的表达路径——而那通常正是我们想要的效果。补充一点实操经验不要一次列超过五条「不要什么」否则模型忙于规避禁令反而会变得束手束脚输出内容缺乏活力。挑最影响观感的三四条就够了。2.4 技巧四用示例锚定指定输出的格式和胃口解决什么问题用文字描述十遍输出格式不如直接给模型看一眼你想要的样例。对格式敏感的AI按照已有的范例进行输出时准确性会提升好几个数量级。可复制范例我接下来要给你一份客户反馈列表请你把每一条整理成标准的问题条目格式完全参照下面这个例子 【问题编号】CUST-1001 【客户类型】企业年付费用户 【问题摘要】财务模块生成报表时偶尔出现金额合计不一致 【严重程度】高影响月度结账 【建议处理方向】联系技术团队检查舍入规则并排查数据源下面是客户反馈列表……为什么有效这就是机器学习里常说的少样本学习few-shot learning。模型理解抽象的描述比如请专业一点远不如理解一个具体样例来得直接。示例锚定相当于把验收标准直接可视化了模型只需要做模仿而不是理解加生成难度大幅降低。补充一点实操经验给一个精确到标点、大小写、换行都有讲究的示例效果最好。如果你给的示例本身就是模棱两可的那模型只会学到你的随意。想稳妥的时候我会一次给两个不同角度的示例模型会自动推断出规律区间。2.5 技巧五用思考过程引导强制模型先推理后回答解决什么问题直接让模型回答一个需要多步推理的问题时它容易跳步给出结论而结论又往往是错的。让它先展示推理过程正确率会显著提升。可复制范例有一款产品年客单价是3000元目前月付费用户约800人退费率从年初的2%升到了6%。请你不要直接给方案先按以下推理链路来思考流失成本估算 → 可能流失原因拆解 → 每种原因的验证方法 → 基于验证结果的初步应对思路。每一步用两到三句话说明最后再给出一个综合判断。为什么有效这技术大家比较熟悉常被称为思维链Chain of Thought。原理是模型在中间过程中写下的每一步推理都会变成下一阶段的上下文等于强迫模型在更完整的语境中寻找答案。就像做数学题你把每一步都写在草稿纸上比心算出结果后只写一个答案更不容易出错。补充一点实操经验不是说所有问题都要走思维链。简单的指令性任务把这段文字改成口语化表达就不需要画蛇添足。判断标准很简单这个问题需要算、需要推、需要比较就走思维链只是调用知识、改写、翻译不用。2.6 技巧六用格式指令直接画出交付物的框架解决什么问题你希望模型输出一份结构清晰的东西但模型默认可能给你一大坨散文。提前把格式框架写进提示词就是给模型画了一张交付蓝图。可复制范例请把下面的会议纪要整理成标准日报格式包含四个部分 一、本次会议结论3条以内每条不超过30字 二、待办事项用表格展示列为负责人、任务内容、截止时间、当前状态 三、风险与阻塞如果没有写无 四、下次会议建议议题2至3个 会议原文如下……为什么有效大模型是被训练成像人一样组织回复的如果你不给格式框架它就会用自己觉得最顺手的结构。而每当你明确了只要表格只要三个要点只要结论不要过程它就会自动格式化输出。这是成本最低、性价比最高的提示词技巧之一尤其适合日常工作流里高频出现的纪要、周报、数据整理类任务。补充一点实操经验输出格式和内容需求之间有一个平衡。如果你让模型用表格输出一份前后逻辑很强的分析它可能会因为表格的碎片化而丢掉论证的连续性。所以复杂分析的正文部分用段落需要复制的交付物比如给开发看的接口文档用表格。2.7 技巧七用背景原料代替空泛的背景描述解决什么问题很多人写提示词时会花大量笔墨去描述一种模糊的背景氛围却忘了提供最关键的信息原料。AI不是一个能猜到你心里想法的对话者它的上下文只能用你喂进去的内容来构建。可复制范例下面是我正在筹备的一个知识付费产品的定位信息请你基于这份材料帮我想5个课程名称并写一句30字以内的产品卖点。要求课程名称要包含具体结果比如30天从零到一卖点必须针对25到35岁、想转行做内容运营的职场人。 【产品定位材料】……为什么有效模型对输入材料的利用率极高只要材料本身有信息量生成出来的东西就是长在材料上的而不是漂浮在通用知识空间里的拼贴画。反过来如果你只是说我是一个做内容的人想做产品定位模型就只能猜。补充一点实操经验我自己习惯的做法是在提示词里用一个明确的标记把原料和指令分开比如【原料开始】【原料结束】。这个做法在一次处理多份文档时尤其好用模型不会再把你的指令段落误以为是待处理的内容。2.8 技巧八用多轮迭代代替一次性期待完美解决什么问题大多数人把提示词工程理解为一次性就把提示词写到完美其实真正的老手都清楚一次成功的概率有限高质量结果靠的往往是一轮生成、一轮点评、一轮修改的迭代循环。可复制范例多轮提问第一轮请根据这些要点写一篇800字的宣传推文。 第二轮这篇推文的第二段和第三段转折比较生硬请把第二段改成更有冲突感的开头第三段的结论提前到段首其余部分保留。 第三轮请把全文的被动句改成主动句再把语气从正式改成轻松口语化。其他不动。为什么有效因为每一轮新指令都叠加在上一轮的输出结果上你是基于已生成的文本进行精准修整而不是让模型凭空气再猜一遍。这种逐步逼近的思路对复杂创作任务来说比任何单项技巧都重要。换句话说把模型当实习生第一稿总是最快成型、最需要改的但改完之后往往比从零写更快。补充一点实操经验多轮迭代时一定要在指令里说清楚哪一段、改什么、保留什么。最忌讳的一句话是整体再优化一下——模型根本不知道要动哪里。尽量具体到段落甚至句子。2.9 技巧九用打分和点评让AI自评自改解决什么问题有时候你觉得模型生成的内容不对但说不清哪里不对。这种情况下与其自己硬想不如让模型按你给的标准先做自评再根据自评结果优化。可复制范例请站在一个资深文案主编的角度对我下面这段品牌故事做一个评分满分10分分别从情感共鸣、品牌记忆点、信息完整度、语言节奏四个维度打分。每个维度给出分数和一句评语最后用50字说明最值得改的一个地方。然后请按你的点评意见把全文修改一遍。 【原文】……为什么有效这个技巧实际上是给模型增加了一个反思机制。第一遍生成时模型倾向于选择概率最高的词序列而当你要求它以另外的身份回看自己的输出时它会在更大的候选空间里重新组织语言输出往往更精炼、更准确。相当于一次性完成了生成、评审和修正三个动作。补充一点实操经验评分维度的选择很关键你必须写清楚按什么标准评否则模型会返给你泛泛而谈的夸奖。把标准列得越明确它给出的点评越有参考价值。2.10 技巧十用明确层级区分指令、背景和问题解决什么问题一段提示词里混入了指令、背景介绍、问题正文和补充要求模型容易抓不住重点。用清晰的层级标记相当于给模型画了一张阅读地图。可复制范例【指令】请根据下面的内容生成一份危机公关声明。 【事件背景】某食品品牌因包装标签印刷错误被消费者质疑已确认不是食品安全问题。 【舆情现状】负面讨论集中在品牌不透明而非产品质量。 【要求】声明要在200字以内语气诚恳不推卸责任不提具体竞品对外口径统一不做额外承诺落款为公司市场部。 【正文待处理】……为什么有效结构化的提示词可以把模型的注意力引导到正确的位置。它有几点具体好处一是防止模型把背景当指令执行二是方便你随时修改其中某个模块而不惊动其他部分三是让你回头检查时一眼看出缺了哪块信息。这套标签式提示词框架我在后面第三章的模板库中还会详细展开。补充一点实操经验标签用什么词都可以【指令】【背景】【要求】这类中文标签非常适合作为自然语言的一部分。唯一需要注意的是标签命名要直观不要用什么P1、P2这种只有你自己看得懂的代号。3. 模板库从会写提示词到随时能抄作业技巧是散的落地要靠模板。这一章我把自己最常用的四套模板完整放出来它们覆盖了日常工作中最常遇到的四类需求写作创作、数据分析、编码辅助、内容策划。每套模板都能直接复制把【】里的内容替换成你自己的信息就行。3.1 通用模板结构拆解六要素即插即用在分别给出场景模板之前先拆一个所有的模板共通遵守的六要素框架。你在自己拼装模板时也照着这个六要素来就不会出大错。要素对应问题举例角色你希望AI以谁的视角来回答资深运营、财务分析师、初中物理老师任务你希望AI具体做什么写文案、做分析、写代码、整理会议纪要背景这个任务发生在什么场景下新产品上线、季度复盘、给客户提案原料回答所依赖的材料或数据是什么调研结果、聊天记录、代码报错信息约束风格、字数、格式、立场上的限制有哪些不用术语、100字以内、表格输出、不评价竞品验收什么结果算好可以直接发布、分三步讲清、落款为公司名你平时写提示词觉得憋不出来多半是因为这六要素里有好几个是空的。把它们先补齐再往上叠加第二章里的那些技巧效果会完全不同。3.2 场景模板一写作创作类【角色】你是一名有多年经验的公众号主编擅长把专业内容写得通俗有趣。 【任务】围绕主题产出一篇适合公众号发布的文章开头。 【背景】这是我的个人公众号读者主要是互联网行业产品经理和运营他们对效率工具有强烈兴趣但对纯技术细节耐受度低。 【原料】我的核心观点是工具本身不产生效率好的使用习惯才会。 【约束】篇幅在500字以内不要用随着科技的发展这类套话不要堆砌专业术语。 开头前50字必须出来一个具体生活场景让读者有代入感语言口语化。 【验收】能直接复制到公众号后台发布不用再做大幅修改。3.3 场景模板二数据分析与总结类【角色】你是一名严谨的商业分析师擅长用数据和逻辑说话。 【任务】基于我提供的原始数据输出一份结论明确的分析报告。 【背景】我要在部门周会上汇报本月用户活跃数据需要一份清晰的结论摘要。 【原料】把数据表格或文字数据贴在这里 【约束】给出3条以内核心结论每条结论必须配上数据证据不要做趋势预测不要虚构数据先结论后解释。 用表格来描述核心指标对比。 【验收】我能拿着你的结论直接对着PPT念不用再加工。3.4 场景模板三编程与开发辅助类【角色】你是一名熟悉Python的后端工程师。 【任务】帮我调试下面这段代码并给出修复后的完整版本。 【背景】这段代码用requests库抓取某个公开API的数据在本地运行正常但部署到服务器后返回空列表。 【原料】贴代码 【约束】先解释可能的原因再给出修好的代码不要在代码里引入额外的新依赖加上必要的异常处理。 在代码注释中说明每一处改动的原因。 【验收】我能在自己的环境下直接跑通。3.5 场景模板四内容策划与头脑风暴类【角色】你是一名资深内容策划对社交媒体的流量逻辑有深刻理解。 【任务】为我的账号策划10个选题方向。 【背景】我运营一个面向建筑设计行业从业者的知识类账号目前粉丝约2万主要靠公众号图文和短视频两个渠道分发。 品牌调性是专业但不说教。 【原料】近期数据较好的3个选题方向材料创新、项目复盘、AI辅助设计工具。 【约束】每个选题需要包含主标题25字以内、副标题补充信息量、一句话内容概要、目标读者痛点。 不要提跨界出圈这种空泛概念。 【验收】10个选题里有至少7个是我看到题目就愿意收藏的。4. 最常见的五个反面案例和它们的修复过程光给模板还不够我更想帮你省掉一些本来可以避免的弯路。接下来这五个反面案例全是平时被问过无数遍、或者在培训现场看到真实发生过的翻车时刻。每一步排查链路我都尽量还原了你以后遇到类似情况可以照着这个思路自查。4.1 案例一提示词越长越好信息冗余反噬翻车现场一位运营同学为了拿到完美方案写了一段600字的提示词把品牌历史、竞品情况、目标用户画像、投放渠道、预算、时间线全都塞进去了。结果模型输出的是数据冗余、主线混乱的一大篇东西而且把最核心的卖点淹没了。排查链路第一检查提示词里任务是否足够聚焦发现他真正的问题其实是给新品起5个名称并解释含义第二检查原料部分发现80%的信息与取名没有直接关系第三把无关信息删除只保留与新品调性和目标人群偏好最相关的两三句话并把任务改为列点式提问。修复后请给我的新抹茶饮品起5个中文产品名。目标人群是25到30岁注重健康的生活方式爱好者。饮品特点是醇厚微苦、不额外加糖、使用了有机抹茶粉。品名要有东方美学感但不生僻还要能顺口叫得出。请按品名一句命名解释的格式输出。问题本质提示词不是填空题不是信息越多模型就越懂你。和信息不足相比信息冗余更危险它会稀释关键指令的权重。你要做的是筛选原料而不是搬运原料。4.2 案例二角色扮演一到用时方恨少全凭资深专家救场翻车现场写不出文案、想不出点子、做不出分析时你是资深XX专家这句几乎成了大家默认前缀。但实际效果往往千篇一律模型输出一股我是专家我来说两句的说教味反而让内容离具体场景越来越远。排查链路第一确认角色是不是真的和任务强相关结果发现没太大关系第二把角色从提示词的首位换到输出风格的位置作为约束条件之一而不是最重要的部分第三把重点放回背景原料任务让模型先把问题本身理解透再用角色约定语气。修复后的核心思路角色设定是风格滤镜不是内容来源。真正的内容来源是你喂进去的背景和原材料。你是把角色当作语气和视角的参考来用而不是指望它凭空给出点击量。问题本质角色扮演被过度使用会让模型产生一种权威腔输出内容看似专业实则空洞。角色是风格过滤器不是免死金牌。4.3 案例三忘记定义输出格式结果要用时还得二次加工翻车现场一个产品经理让AI分析竞品功能模型用一大段散文输出看完花了五分钟才勉强找到三个差异点还不如自己做对比表。排查链路第一明确分析竞品功能的交付物是什么第二判断交付物最合适的呈现形式对比表、段落、列表第三把格式要求作为显性指令直接写在任务后面用表格输出横向是三个竞品纵向是价格、核心功能、差异化亮点、适用场景四行。修复后请以表格形式分析下面三款项目管理工具的功能差异。表格行字段价格免费版/付费版核心功能最多5项差异化亮点适用团队规模明显短板。注意不要赘述相同点。问题本质很多人默认让AI自然输出就好但如果你的下游任务都需要结构化数据就别偷懒。输出格式就是另一个层面的约束条件和字数、语气同等重要。4.4 案例四面对幻觉内容不加核对就直接上线翻车现场一个做课程的同学让AI帮他找三本关于习惯养成的权威书籍并总结核心观点AI给出了非常像样的答案书名、作者、出版年份、核心观点一应俱全甚至还有几句书评。结果一查其中一本书的书名被写错了还有一个作者张冠李戴。排查链路这不是提示词写得不好而是用错了场景。大模型的训练数据在特定时间点后就不再更新而且即使训练过记忆也有偏差。尤其在事实性核对、新闻资讯、当事人身份确认等场景不能直接采信。修复方式很简单在提示词里强行加上请标注信息来源或如果你不确定请明确说不知道不要编造并在关键信息上人工复核。修复后请推荐3本习惯养成领域有权威口碑的书籍每本必须包含书名、作者、核心观点3条以内、适合人群。请务必确认作者和书名准确不确定的信息直接说不确定。问题本质提示词工程能控制模型生成时的风格、结构、流程但控制不了模型自身记忆的局限性。必要的验证机制必须悬浮在提示词之外。4.5 案例五给AI派了太多任务结果哪个都没做好翻车现场一个团队让AI帮我分析用户画像、定产品策略、写营销方案、拟一条推广文案、再做一份预算表。模型虽然回复得很有条理但每部分都很浅连用户画像都只列了三行自定义标签。排查链路第一把这些任务拆开发现它们分属分析类和创造类两个不同流程第二把写推广文案这个决策性任务单独拿出来放在分析完成之后再处理第三让每一步任务分别使用不同的提示词模板。这本质上就是第二章提到的任务分解避坑版。问题本质有的任务可以并行但分析类任务和决策类任务之间天然存在依赖关系——你没分析完用户凭什么让模型生成文案把互相依赖的任务放在一次对话里执行对模型来说就是逻辑断裂思考深度自然打折。5. 提示词技巧的反向边界什么时候该少写而不是多写把技巧全讲完之后我必须冷静地补一刀提示词工程不是把所有技巧堆上去就完了有些场景下少写比多写好。这是我用过不少次过度工程之后才摸到的一条真实边界。第一类不用写复杂提示词的场景日常低风险问答。比如你只是想查一个常识概念问什么是复利一个简洁的提问就能得到准确的解释不需要给它加上角色、数据和输出格式。此时强行套模板反而会拖慢响应速度还可能让简单的答案变得冗余。第二类不用写复杂提示词的场景纯改写或翻译类任务。这类任务的核心是保留原意、调整表达你只需要给它一句把这段话改成更正式的语气就足够了。你给再复杂的指令它也做不出花来反而可能因为额外的约束把原意改歪。第三类需要反着来的场景你希望模型发挥发散性创造力。比如头脑风暴一个全新的产品名、创意方案、或者故事开头过多的约束会严重限制模型的想象力。这种时候我会故意只给素材不给要求先让它自由发散30个版本我再从里面挑方向然后进入第二轮用严格约束去收敛。这个先发散后收敛的节奏比一上来就各种限制要好用很多。还有一类是技术层面的上下文越长、约束越多模型的注意力就越分散。大模型处理很长的提示词时存在lost in the middle的现象——对开头和结尾的指令记忆更深中间的内容容易被忽略。所以当你的提示词确实很长时请把最关键的指令放在开头或结尾把不那么重要的细节放在中间。一句话总结我的实操心得提示词工程的最高境界不是把模板填得滴水不漏而是知道什么时候该填、什么时候该空、什么时候干脆不用填。你在反复运用这10个技巧的过程中慢慢就能养成自己的判断力——这就像老裁缝做衣服皮尺用多了到什么料子该用什么针法心里自然有数。最后再给一个我一直沿用的习惯把好用的提示词模板按使用频率存进自己的笔记里就像维护一本个人咒语书。我会在每次用某个模板前标记日期和结果评级几颗星下次遇到类似任务直接复制出来改关键词比从零开始写快得多。这套方法的本质其实就是把今天讲的所有技巧沉淀成自己的第二大脑让每一个下一次都从这次的经验之上继续出发。
` 光标位置 API 详解)
)
)
