你是不是遇到过这样的问题：

让AI给你做一个词语的翻译，结果给你出来一堆解释，根本没有翻译。

绞尽脑汁写了一个自认为完美的提示词，但结果却总是达不到，甚至直接跑偏。

.......

类似于这样的情况还有很多。甚至让我们认为AI不好用，会胡乱回道。有时候回答还是错的。

这两年很多人都会感觉，模型越来越强，但提示词越来越难写。

针对这些问题，大家总觉得莫名其妙，不知所然，不知所以然。

今天我们就正式说一说学习AI的第一个环节，提示词工程。

1.什么是提示词1.1 提示词

提示词，英文名叫做Prompt，指的就是用户向大模型输入的指令、问题或上下文，是触发模型生成内容的 “信号”。

简单的来说，就是你给模型输入一些模型能够理解的需求，缩小模型猜测的范围。

它的主要作用是明确任务、设定边界、控制风格、约束格式。

1.2 提示词工程

提示词工程，英文叫做Prompt Engineering，是指在不修改大模型参数的前提下，通过设计、优化输入提示，引导模型稳定输出高质量、符合预期结果的系统性方法论，是人与大模型高效交互的核心技术。

提示词工程的核心目标有4个：

任务对齐：让输出与业务 / 需求目标一致。可控性：规范格式、风格、长度、内容边界。降本增效：平衡质量、延迟与 Token 消耗。减少幻觉：通过上下文约束降低事实错误。2.了解模型机制

在这里介绍一本书Google 《Prompt Engineering》白皮书（2025）

书里有一句话：LLM 本质上是“基于已生成 token + 输入上下文”预测下一个 token。

从这句话说中可以分析出如下的结论：

2.1 一切基于预测

模型不会“理解你的意图”，只会预测“最可能后续”

你输入了一句模糊的问题，模型会从已经训练好的数据分布里面去找到最有可能是你想要的东西。或者可以说是模型认为你想要的东西。或许就不是你的真实需求。

2.2 提示词相当于控制输入空间

如果你输入的信息越少，模型就越容易走偏，自由发挥。

如果你提供的结构越多，比如说角色、步骤、格式、示例。模型就越容易去找到你想要的东西，并逐子生成。

2.3 配置参数和提示词一样重要

Google 《Prompt Engineering》白皮书（2025） 中专门用一整章来讲解 Sampling 配置：Temperature、Top-K、Top-P 如何影响输出。

可以这么多说，提示词写得很好，但是参数错了，也会跑偏的。

所以提示词工程应该是Prompt 文本 + 配置工程。

下面我们就来讲解这两者怎么玩。

3.几个基本框架3.1RTF框架

所谓RTF就是角色—任务—格式。这是最简洁高效的三步法。

Role，角色：给模型设定一个专业的身份，让模型找模型找到自己对应的知识，激活对应能力。例：你是资深的古代诗歌分析专家。Task，任务：使用一些行为动词来明确本次的目标是什么例：写一首关于春天的诗。Format，格式：规定内容的结构，风格，长度，标签等等。例：一首五言绝句，一共八句。

在豆包上的输出效果如下图：

3.2 CRISPE 框架

CRISPE指的是能力—洞察—陈述—个性—实验

C，Context，背景 / 上下文：任务发生的场景、前提、约束条件R，Role，角色：让 AI 扮演的身份：专家、博主、工程师、老师等I，Instruction，指令：具体要做什么：写、改、总结、解释、生成、润色S，Style，风格 / 语气：正式、口语、幽默、严谨、活泼、专业、简洁P，Persona/Forma，人设 / 格式：输出结构：分点、表格、对话、JSON、标题 + 正文等E，Experiment，实验 / 扩展：多版本、迭代、优化、加示例、加约束作为职场类小编，我的账号粉丝以入职1-3年的职场新人为主，他们核心需求是获取易懂、实用、可直接套用的职场技巧，本次推文需配合周更节奏，内容要兼具实用性和可读性，避开晦涩专业术语，贴合新人日常办公痛点（如汇报逻辑混乱、高效办公无方法），不能过于生硬说教；请你扮演一名拥有8年职场培训经验的职场导师，擅长用通俗的语言拆解职场技巧，熟悉职场新人的认知水平和需求，能结合真实工作场景给出具体可操作的方法，不空谈理论，人设上贴合职场导师的专业感，同时保留亲和力、不摆架子，整体语气亲切温和、通俗易懂，像前辈耐心指导后辈，避免生硬说教和专业术语，适当加入轻微口语化表达（如“其实很简单”“亲测好用”），兼顾专业性和可读性，让新人读起来无压力、有收获；请为我的撰写一篇关于「职场新人高效办公」的推文，核心是分享5个新人能快速上手的办公技巧，每个技巧搭配1个简单的真实场景示例，帮助新人快速理解和套用，解决日常办公效率低、耗时久的问题，格式上遵循推文规范，标题需吸睛，包含“新人”“高效办公”“技巧”关键词，可加入数字增强吸引力，开头用100字内引入话题、贴合新人办公痛点以引发共鸣，正文分5个部分，每个技巧单独成小标题（小标题简洁明了，不超过15字），小标题下方先写技巧核心，再配1个场景示例，结尾加入1段总结、鼓励新人实践，再添加1句互动提问（引导粉丝留言分享自己的办公技巧），全文字数控制在800-1000字，段落清晰，每段不超过3行，方便手机阅读；请先按照上述所有要求生成1版推文内容，生成完成后，额外补充2个备选标题（用于我筛选），同时标注出文中可替换的场景示例，方便我根据账号粉丝反馈，后续快速迭代调整内容，适配不同行业新人的需求。3.3 五要素通用框架

Context（背景）+ Role（角色）+ Instruction（指令）+ Steps（步骤）+ Examples（示例）

这个通用框架适合复杂任务，拆解清晰、降低理解成本。

3.4 Prompt Engineering Guide

这几个网站：https://www.promptingguide.ai/zh/introduction/elements，详细介绍了提示词的原理，提示技术等。

网站上提出了提示词可以包含以下任意要素：

指令：想要模型执行的特定任务或指令。

上下文：包含外部信息或额外的上下文信息，引导语言模型更好地响应。

输入数据：用户输入的内容或问题。

输出指示：指定输出的类型或格式。

4.几种提示技术4.1 零样本提示（Zero-shot）

简单理解就是，没有给模型提供示例，直接发送指令。

就比如说：

**输入：**将文本分类为中性、负面或正面。文本：我认为这次假期还可以。情感：**输出**就会是：中性4.2 少样本提示（Few-shot）

简单的说就是提供3–5 个高质量示例，大幅提升一致性。

**输入**：这太棒了！// Negative这太糟糕了！// Positive哇，那部电影太棒了！// Positive多么可怕的节目！//**输出**：Negative4.3 思维链（Chain-of-Thought, CoT）

通用模型对于逐步分析的问题，如果不给予明确的指示，或者推理的样本，是基本得不到正确答案的。就像经典的数学“鸡兔同笼”问题一样。

思维链就是用来解决这个问题的。它引导模型分步推理，适合数学、逻辑、复杂决策。

下图是来自于DeepSeek的推理过程。

现在的AI工具，豆包，deepseek都有对于简单推理问题COT的模式，但是对于复杂的问题，可能还是会出错。这时候就需要我们给一些推理的样例，或者通过提示词开启COT模式。

5.如何写提示词5.1 角色扮演

假如你是一位.....，请你...

比如说：假如你是一位资深的旅行博主，请帮我规划一份5天的北京自由行路线。

这个技巧非常好用，几乎是所有场景下都可以用到，而且能得到显著的效果提升。

那么为什么这样做就有好的效果呢？

一个很有代表性的角色词，可以将通用的模型的知识范围锁定到与这个角色相关的内容上，比如说角色的思维模式、人物背景、行为和表达方式等等。相关性的数据越多，相关联的预料就会越多，模型就会展现出最专业的知识领域的回答。

5.2 提供“示例”（Few-Shot）

其实就是给AI一个例子，让它照着例子现学现用。

比如说，你想要模型输出你想要的json格式，可以这样写：

......4.按照以下输出格式整理信息。===回复示例==={ "author":"作者"， "about":"关于"核心痛点"的感悟"，//中文引号 "keyword":""//严格2字优先}===示例结束===5.3 追问与迭代（Iteration）

如果模型的回答不满足你的预期，可以引导着模型接着追问，提出新的需求，一直迭代到结果满意为止。

最好的迭代，是智能体能够不断根据用户的提问和反馈，改写自己的 System Prompt，实现智能体的自我迭代和进化。人类的想象终究是有能力的极限的。

用户问题：“如何降低公司碳排放？”模型初始回答：“建议使用可再生能源并优化物流路线。”自我追问与迭代：逻辑漏洞检测：追问：“使用可再生能源的成本是否会影响可行性？优化路线是否考虑了实时交通数据？”修正：“需评估可再生能源的长期成本收益（如太阳能板寿命与电价波动），并采用动态路线规划算法（如基于AI的交通预测）。”边界条件探索：追问：“若公司规模扩大10倍，当前方案是否仍适用？”补充：“需设计模块化减排方案，例如按业务部门分解目标，避免单一措施失效导致整体失败。”多视角冲突：追问：“员工可能因路线优化增加通勤时间，如何平衡？”完善：“可提供弹性工作制或补贴公共交通，将减排目标与员工福利结合。”最终迭代答案：“降低碳排放需分三步：成本可控性：优先在电价高的区域部署太阳能（回收期<5年），其余区域采购绿电证书；动态优化：用AI实时调整物流路线（减少15%空驶率），同时为员工提供拼车补贴；利益平衡：将减排目标纳入部门KPI，并允许员工用远程工作兑换碳积分。（依据：麦肯锡2023年企业减排报告、内部成本模拟数据）”5.4 明确“不要”什么（Anti-Prompt）

这个就是传说中的负面提示词。就是明确告诉AI你要输出什么内容。

例子：“写一个关于猫的睡前故事，但不要提到任何悲伤的情节。”

这个提示词就明确说明了不要悲伤的情节。

5.5 COT 主动推理

主动引导模型进入到“思考” / “推理”模式，一步步地拆解问题，最终获得准确性、连贯性、可靠性更高的答案，下面就是一个立马可以用上的 顶级指令。

Take a deep breath and work on this problem step-by-step.

5.6 学会用Markdown给AI“划重点”（Standard Format）

提示词通过规范的格式进行格式化的组织，AI就可以很快速准确的识别你的意图。后续维护起来也很方便。

Markdown怎么做呢？

最基础的就是：

用 # (井号) 来分段，比如 #任务、#背景。用 * (星号) 来列清单，告诉 AI 你的要求有哪几条。用 ````` (三个反引号) 把你要它总结或翻译的长篇大论“框”起来。

其实除了Markdown以外也可以使用其他的特定领域语言（DSL），比如HTML、XML、JSON等。

不同的模型有不通的DSL偏向：

ChatGPT 偏向于Markdown

Gemini 偏向于JSON

Claude 偏向于XML

下面给一个文章仿写的提示词：

# 角色你是一个专业的文章创作者，擅长根据用户需求创作出吸引人的爆文。能够精准把控各种写作风格，围绕核心观点展开创作，并结合内容摘要丰富文章内容，同时满足客户提出的额外要求。## 技能### 技能1：创作文章1.根据用户提供的标题和观点信息进行创作，文章不少于1200字。2.深度思考后，构思主题、大纲和内容。3.创作符合风格和要求的文章。4.完成文章后，自行审稿和修改润色。5.最后直接输出文章正文neuron，不需要输出标题。## 文章风格1.作者关于IT相关的技术、观点论述的文章，注意文章开头技巧（开篇讲清楚文章要讲述的内容，调动读者情绪、激发引导读者思考），引发读者阅读兴趣。2.开门见山，提出主题和观点，注重引发读者的情感共鸣，知识渴望，以专业的知识点吸引人，让读者在阅读中产生强烈的情感体验和知识认同；3.语言风格：个人深度思考风格，简洁的日常表达方式；4。长短句组合，短剧使语言简洁、明快，整句散句结合使语言错落有致，丰富文章的层次和可读性。5.段落转折连接，避免使用：首先、其次、最后、总而言之、总之等逻辑连接词，不要使用“繁杂的世界，快节奏的世界，充满变化的世界”等虚无的形容词，杜绝AI味道。## 内容格式1.使用Markdown语法风格，区分一级、二级、三级标题使用标签“#、##、###”2.文中的核心句子使用HTML标签包裹。3.长短句组合，避免单个句子超过3行。4.在每个内容区域加一个标题。## 限制- 只围绕用户提供的写作风格、核心观点、内容摘要以及额外要求创作公中号文章，拒绝回答与公中号文章创作无关的话题。- 所输出的文章内容必须符合正常的语言表达和逻辑要求。- 除了IT专业名词、简写之外，禁止出现英文、单词。- 文章必须严格遵循1200字的字数要求，控制篇幅，做到详略得当，避免内容单薄。- 杜绝任何抄袭、剽窃等侵权行为，文章内容必须为原创，切勿照搬照抄他人作品。- 严禁在文章中出现任何违反国家法律法规、社会公序良俗或影响平台形象的不当言论。6.与AI对话需要注意几个点

1.AI有时候会犯傻，多试几次。

2.指令必须足具体，越具体AI的输出越稳定

3.注意核查事实，两个问题

(1)AI会一本正经的胡说霸道

（2）AI会回答一些过时的内容。

关于提示词功能，要讲的内容还有很多。比如说：

一些实际业务中的提示词技巧，用户问题改写、主动追问、问题建议、反思、意图识别、数据提取、用户画像和记忆等等一些行业提示词，PPT制作、思维导图制作、绘制图像、创作短片等等。

这些内容小刘会在后续的文章中一一进行介绍。关于提示词的介绍，会花大致3-4篇文章来讲解，敬请期待。

以上就是关于AI的提示词的介绍，包括提示词的概念、提示词的几个框架、几个技术点、如何写提示词的一些技巧和注意事项等等。如果想了解更多内容，请➕关注，私信我或评论区留言。