AI使用之如何编写提示词Prompt？

什么是Prompt？

简单来说Prompt（提示词）就是：你输入给AI（如ChatGPT、Deepseek等）的指令、问题、信息或请求。

打个比方：

• 你对厨师说：“请给我做一份五分熟的牛排，配黑椒汁和烤土豆。” 这句话就是给厨师的Prompt，决定了你会得到什么样的菜。
• 你对出租车司机说：“请送我去市中心的XX酒店。” 这句话就是给司机的Prompt，决定了你的目的地。
• 你在搜索引擎里输入“2025年最新智能手机推荐”。这个搜索关键词就是Prompt，决定了你会看到什么结果。

在AI交互中：

• 输入=Prompt： 你告诉AI你想要它做什么或生成什么内容。
• 输出=Response（响应）： AI根据你的Prompt理解并尝试完成的任务或生成的内容（文本、图像、代码、音乐等）。

从本质上看，Prompt = 输入信息 + 背景条件 + 目标要求

好的Prompt通常包含：

• 明确的任务指令： 你想让AI做什么？是写作、翻译、总结、分析、生成图像、修改代码还是其他？例子：“写一首关于秋天的诗”， “将这段英文翻译成中文” ， “为我的咖啡店想10个吸引人的名字”， “分析这篇英文论文的核心论点”。
• 具体的背景/上下文： 提供足够的细节帮助AI更准确地理解你的需求。例子：“我是一个五年级小学生，帮我写一篇300字关于暑假生活的作文”， “这张产品图片要放在电商网站首页，请生成突出产品质感的背景图”。
• 期望的输出要求： 包括格式、风格、长度、语气、限制等。例子：“用简体中文回复”，“用Markdown格式输出结果”， “模仿鲁迅的写作风格”，“生成16:9比例的高清图片”， “答案控制在100字以内”。
• (必要时)参考示例： 提供一些样例有助于AI理解你想要的效果。例子：“帮我润色这段文字，使其更专业流畅。示例润色前/后：… 示例文本”。

你可以把 Prompt 当作点外卖时的订单：如果只说“我要饭”，AI 可能随便给你米饭。如果说“我要一份黑椒牛柳炒饭，少盐，多青椒，不要洋葱，外卖盒分两份装”，AI 才能准确满足你的需求。

Prompt的作用：

• 驱动AI的核心： AI模型本身就像拥有巨大知识库和能力的引擎，Prompt就是启动和引导这个引擎的方向盘和油门。没有Prompt，AI无法开始工作。
• 影响输出质量的关键： Prompt的质量直接决定了AI输出的质量、相关性和准确性。一个清晰、具体的Prompt通常能得到更符合预期的好结果；一个模糊、不完整的Prompt则可能导致无关、错误或不理想的输出。这就是所谓的“Garbage In, Garbage Out”。
• 实现个性化定制： 通过精心设计Prompt，你可以引导AI生成符合特定风格、语气、格式或角度要求的内容，实现高度的个性化。
• 解锁AI潜力： 掌握Prompt设计技巧（Prompt Engineering）能让你更有效地利用AI的功能，解决更复杂的问题，完成各种创造性或技术性任务。

Prompt在哪里使用？

• 所有基于文本输入进行交互的大语言模型（如 ChatGPT, Gemini, Claude, Llama, 文心一言, 通义千问等）。
• 生成式AI图像工具（如 Midjourney, DALL-E 3, Stable Diffusion, 文心一格等）中描述你想生成的图像的文字指令。
• 文本转语音、音乐生成、代码生成助手等等其他AIGC（人工智能生成内容）工具。

如何使用Prompt？

常用 Prompt 模板汇总表

三段式提示词框架

三段式提示词模板：我是谁 + 我要干什么 + 我有什么要求

第一段：我是谁（角色锚定）

作用：激活AI的专业能力库，切换知识领域

强化技巧：

• 必加场景定语：资深10年经验的UI设计师（比「设计师」更精准）
• 绑定领域专长：熟悉医疗SaaS系统的数据架构师
• 回避模糊称谓：避免「专家」「高手」等不可量化表述

正确范例：「我是某国际快消品牌的数字营销总监（角色），负责亚洲区社交媒体推广」

第二段：我要干什么（任务原子化）

作用：用动词切割复杂动作为AI可执行单元

动词表参考：

关键细节：

• 绑定交付物：生成一份…报告/设计一个…界面/输出一段…代码
• 明确作用对象：分析用户投诉数据（比「分析数据」明确10倍）

正确范例：「需要创建一份小红书爆款笔记文案（任务），用于推广新上市的玻尿酸饮品」

第三段：我有什么要求（约束工程）

三维度刚性约束：

高阶技巧：

• 数字量化：广告语需≤15字，包含3个高频搜索词
• 参照系锚定：风格类似Apple官网产品描述页

正确范例：「要求：文案需带「熬夜救星」核心关键词；符合Z世代网络用语习惯；严格回避「第一」「最」等绝对化表述；文末添加3个互动提问」

全场景模板强化版（含容错机制）

**「我是谁」**  
[带资历标签的角色] + [业务管辖范围] + [当前场景痛点]  
> *例：我是拥有6年跨境电商运营经验的品牌经理（角色），负责美国站3C类目（业务），新品推广周期仅剩2周（痛点）*

**「我要干什么」**  
[原子化动词] + [具体交付物] + [核心价值目标]  
> *例：生成15条TikTok短视频创意脚本（交付物），用于快速提升新耳机产品在18-25岁用户群的曝光率（目标）*

**「我有什么要求」**  
**刚性约束**：  
- 形式规范：`[格式]·[长度]·[语言]`（例：脚本含分镜描述+字幕文案，英语口语化）  
- 质量红线：`[数据源]·[误差范围]·[合规条款]`（例：引用2024年TikTok官方趋势报告）  
- 风格指令：`[语气]·[视觉参照]·[文化适配]`（例：节奏对标Red Bull极限运动短视频）  
**柔性优化**：  
→ 附加选项：`提供3个备选标题方案，标记S级/A级优先级`
→ 容错机制：`如遇数据缺失，自动替换为相似品类案例`

避开三大致命陷阱

• 角色悬浮「营销专家」→「服务过3个美妆IPO项目的全域运营总监」
• 任务混沌「做个推广方案」→ 「产出针对一二线城市高端商超的试吃活动SOP」
• 要求失焦「文案好看点」→ 「文案阅读流畅性≥Flesch指数70，首段埋入2个行业痛点关键词」

终极心法：用写产品需求文档（PRD）的思维设计Prompt —— 角色是PM，任务是User Story，要求是Acceptance Criteria（验收标准）。

APE 提示词框架

APE 是一种结构化提示词设计方法，通过拆解任务需求为三个维度（Action 行动、Purpose 目的、Expectation 期望），显著提升 AI 理解的精准度与输出质量。

Action（行动）

作用：定义 AI 需执行的具体任务动作，避免模糊指令导致偏离预期。

设计技巧：

• 使用强动词开头：如“生成”“分析”“翻译”“优化”等，直接锁定任务类型。
• 绑定操作对象：明确行动的作用主体（如“分析用户投诉数据”而非“分析数据”）
• 原子化拆分：复杂任务分解为步骤链（例：第一步：总结报告 → 第二步：提取核心问题 → 第三步：生成解决方案）。

案例对比：模糊指令：“帮我处理这个数据”，APE 行动指令：“分析过去三个月的用户购买行为数据，识别消费频次与客单价的相关性”

Purpose（目的）

作用：解释行动背后的意图与价值，引导 AI 理解任务本质，输出更具策略性的结果。

设计技巧：

• 关联业务目标：说明行动如何支持更高层目标（如“提高用户留存率”“降低运营成本”）。
• 避免空洞描述：用具体场景替代泛化表述（例：将“提升用户体验”改为“减少APP下单流程的步骤数”）
• 补充决策依据：说明目的可帮助 AI 自主优化路径（如“因预算有限，需优先考虑低成本方案”）。

案例对比：缺失目的：“写一篇关于新能源车的文章”，APE 目的指令：“撰写面向投资者的新能源车行业分析报告，重点说明政策补贴退坡后企业的盈利模式创新，以辅助投资决策”

Expectation（期望）

作用：定义输出结果的质量、形式与边界，控制 AI 输出符合可用性标准。

三维度刚性约束：

案例进阶：期望指令：“生成 5 条广告语，每条 ≤15 字，突出‘零糖’卖点；风格参照元气森林近期 campaign；禁用‘第一’‘最’等绝对化表述”

BROKE 提示词框架

BROKE 提示词框架是一种结构化的 AI 交互方法论，由 Background（背景）、Role（角色）、Objectives（目标）、Key Result（关键结果）、Evolve（改进） 五个核心要素构成，旨在通过精准的指令设计提升 AI 输出的质量和效率。

Background（背景）

作用：为 AI 提供任务上下文，解决信息不对称问题。

设计技巧：

• 包含 场景、用户痛点、历史数据（如：“某科技公司研发团队近半年满意度下降15%，离职率达行业8倍”）。
• 避免泛化描述，需具体到行业、人群、时间维度

案例：普通指令：“优化网站”，BROKE 优化：“我们是一家 SaaS 企业，目标用户为中小电商运营者，需优化官网注册流程，当前转化率仅 2.1%”

Role（角色）

作用：赋予 AI 专业身份，约束输出视角和语言风格。

设计技巧：

• 绑定资历与领域（如：“扮演拥有 15 年经验的 HR 顾问，专攻科技企业人才保留策略”）。
• 明确角色职责边界（如：“仅提供法律建议，不替代专业律师”）

案例：模糊角色：“帮我写广告文案”，BROKE 优化：“作为国际 4A 广告公司创意总监，擅长 Z 世代健康食品传播”

Objectives（目标）

作用：定义任务方向，需符合 SMART 原则（具体、可衡量、可实现）。

设计技巧：

• 使用 强动作动词（生成/分析/设计）+ 交付物（报告/方案/代码）。
• 关联业务价值（如：“3 个月内将研发团队满意度提升 20%”）

案例：无效目标：“提高沟通效率”，BROKE 优化：“制定团队沟通优化方案，3 个月内内部满意度达 90%”

Key Result（关键结果）

作用：量化输出标准，作为质量验收依据。

设计技巧：三维度刚性约束：

• 内容（如：“含 3 个竞品分析案例”）
• 形式（如：“Markdown 表格呈现，字数 ≤ 1500”）
• 禁忌（如：“禁用绝对化词汇”）

案例：医疗诊断任务要求：“列出 3 种诊断可能性，附《哈里森内科学》证据支撑，置信度量化，输出为表格”

Evolve（改进）

作用：建立迭代机制，解决 AI 输出偏差。

三类优化路径：

• 改进输入：补充背景或调整关键结果（如：“增加远程员工需求分析”）
• 修正答案：指出错误并重定向（如：“第三点数据与 2024 年 CDC 报告矛盾，请修正”）
• 重新生成：相同提示多次生成后择优

CRISPE 提示词框架

CRISPE 是一种结构化提示词设计方法论，旨在通过明确的任务拆解降低 AI 理解的模糊性。经典六要素版（主流）：能力（Capacity）、角色（Role）、见解（Insight）、声明（Statement）、个性（Personality）、实验（Experiment）

能力（Capacity）

作用：明确 AI 的能力边界，避免超范围请求。

设计技巧：

• 绑定知识截止时间（如：“基于 2024 年前公开数据”）。
• 规避预测类任务（如：避免“预测明年房价”）。

案例：错误：“生成 2026 年科技趋势报告”；修正：“总结 2020-2024 年人工智能领域的五大技术突破”

角色（Role）

作用：赋予 AI 专业身份，约束输出视角。

设计技巧：

• 量化资历（如：“15 年资历的金融顾问，服务过 3 家 IPO 企业”）。
• 绑定领域（如：“专攻跨境电商增长策略”）。

案例：模糊：“帮我写广告文案”；优化：“作为国际 4A 广告公司创意总监，为 Z 世代健康食品设计传播方案”

见解（Insight）

• 作用：提供任务背景，减少信息差。
• 关键信息：
• 用户画像（如：“目标用户：25-35 岁宝妈，偏好性价比”）。
• 痛点/现状（如：“当前次月留存率仅 30%”）。
• 案例：缺失：“优化用户留存”；完整：“工具类 APP 月活 50 万，次月留存率 30%，新手引导流程超 5 步”

声明（Statement）

作用：用强动词定义原子化任务。

动词表参考：

案例：模糊：“处理这份数据”，明确：“分析用户购买行为数据，识别消费频次与客单价相关性”

个性（Personality）

作用：控制输出风格与语气。

三维度设计：

• 语气（正式/幽默/鼓励）。
• 格式（Markdown 表格/代码块/PPT 大纲）。
• 禁忌（禁用绝对化词汇/避免专业术语）。

案例：缺失：“写一篇时间管理文章”；完整：“用幽默风格写 500 字短文，适配社交媒体传播，禁用‘最’‘第一’等词汇”

实验（Experiment）

作用：生成多方案供比较选择。

适用场景：

• 创意发散（如：“提供 3 种广告口号方案”）。
• 策略验证（如：“输出两版 A/B 测试方案”）。

案例：单一：“设计一个登录界面”，多元：“提供三种风格登录页：极简风、赛博朋克风、拟物化风”

ICIO 提示词框架

ICIO 提示词框架是由 Elavis Saravia 提出的一种结构化提示设计方法，旨在通过明确任务要素提升大语言模型（LLM）的输出质量与可控性。其核心包含四个模块，每个模块的作用与设计技巧如下：

Instruction（指令）

作用：明确要求 AI 执行的具体任务动作。

设计技巧：

• 强动词开头（如“生成”“分析”“翻译”）；
• 绑定交付物（例：生成一份投资人计划书）；
• 量化标准（例：字数≤300字）

应用示例：模糊指令：“优化网站”，优化指令：“优化电商产品详情页的加载速度，目标是将移动端首屏加载时间从3秒降至1.5秒内”

Context（背景）

作用：提供任务背景信息，约束输出范围。

设计技巧：

• 说明目标用户（如“Z世代消费者”）；
• 描述使用场景（如“用于高管会议报告”）；
• 标注关键约束（如“避免专业术语”）

应用示例：缺失背景：“写减肥计划”，完整背景：“用户为28岁久坐女性，基础代谢1300kcal，需兼顾饮食偏好（讨厌苦味）和心理焦虑”

Input Data（输入数据）

作用：定义需处理的数据或信息源。

设计技巧：

• 结构化数据（表格/列表更佳）；
• 标注数据属性（如“CSV文件含销售额、利润率字段”）；
• 区分核心与辅助数据

应用示例：模糊输入：“分析销售数据”；明确输入：“分析附件2024Q1销售数据.csv，聚焦‘产品类别’和‘地区’列，识别Top3销售额地区”

Output Indicator（输出指示器）

作用：指定输出的格式、类型及质量标准。

设计技巧：

• 格式规范（如“Markdown表格”）；
• 质量红线（如“引用2024年后权威数据”）；
• 负面清单（如“禁用绝对化词汇”）

应用示例：笼统要求：“输出好看点”；具体指示：“生成3条广告语，每条≤15字，含‘零糖’关键词；风格参照元气森林近期campaign；以JSON格式输出”

其他提示词框架

任务导向型框架

TAG框架

核心结构：Task（任务） + Action（行动） + Goal（目标）

特点：简洁高效，适合日常快速任务

示例：

• Task：撰写一篇关于人工智能的博客
• Action：采用风趣幽默且引人入胜的风格
• Goal：吸引对AI感兴趣的初学者

SPAR框架

核心结构：Scenario（场景） + Problem（问题） + Action（行动） + Result（结果）

特点：逻辑闭环性强，适合问题诊断与故障排除

示例：

• Scenario：电商平台支付失败率上升20%
• Problem：用户流失风险增加
• Action：分析支付流程瓶颈
• Result：输出3项优化方案

SCOPE框架

核心结构：Scenario（场景） + Complications（复杂因素） + Objective（目标） + Plan（计划） + Evaluation（评估）

特点：强调整体规划与风险预判，适合项目管理

示例：

• Scenario：新产品上市
• Complications：竞品同期发布类似产品
• Objective：首月占据15%市场份额
• Plan：分阶段推广策略
• Evaluation：周度销量追踪

创意与沟通型框架

CO-STAR框架

核心结构：Context（背景） + Objective（目标） + Style（风格） + Audience（受众） + Response（响应）

特点：专注品牌一致性控制，适合营销文案

示例：

• Context：新茶饮品牌推广
• Objective：提升Z世代认知度
• Style：年轻化网络用语
• Audience：18-25岁学生群体
• Response：生成5条小红书文案

FABLES框架

• 核心结构：Frame（框架） + Analogies（类比） + Boundaries（边界） + Logic（逻辑） + Examples（示例） + Storytelling（故事）
• 特点：通过故事化类比提升知识传递效率，适合教育培训
• 示例：
• 解释区块链技术：
• Analogies：”类似多人共同记账的数字化账本”
• Boundaries：不涉及加密货币投机
• Storytelling：用供应链溯源案例说明

CARE框架

核心结构：Context（背景） + Action（行动） + Result（结果） + Empathy（共情）

特点：强化情感共鸣，适合心理咨询/客户服务

示例：

• Context：用户投诉物流延迟
• Action：道歉并补偿方案
• Result：满意度挽回
• Empathy：”理解您焦急等待的心情”

技术与流程型框架

TRACE框架

核心结构：Task（任务） + Request（要求） + Action（操作） + Check（校验） + Example（示例）

特点：内置防错机制，适合技术文档与操作指南

示例：

• Task：编写API接口文档
• Request：符合OpenAPI 3.0规范
• Check：自动验证参数类型
• Example：提供用户登录接口样例

ROSES框架

核心结构：Role（角色） + Objective（目标） + Scenario（场景） + Expected Solution（预期方案） + Steps（步骤）

特点：分阶段任务拆解，适合复杂问题解决

示例：

• Role：数据分析师
• Objective：降低用户流失率
• Scenario：Q3留存率下降18%
• Steps：数据清洗→归因分析→策略提案

动态交互型框架

DynaPrompt框架

核心结构：Dynamic Context（动态上下文） + Adaptive Role（自适应角色） + Multi-Phase（多阶段校验）

特点：实时感知对话状态，适合AI客服/游戏NPC

示例：

• 用户连续追问时：
• Adaptive Role：从”客服”切换至”技术专家”
• Multi-Phase：每3轮对话校验理解准确性

LangGPT框架

核心结构：Role（角色） + Profile（背景） + Rules（规则） + Workflow（工作流）

特点：构建可复用的AI智能体，适合虚拟助手开发

示例：

• Role：唐代诗人
• Rules：必须遵守七言律诗平仄规则
• Workflow：先索取用户主题→生成诗句→解释典故

提示词框架的本质

根本目标：解决两大核心矛盾

• 人类意图的模糊性 vs AI执行的确定性，框架通过结构化切割（如 CRISPE 分拆 6 要素）将“感觉”转化为“可量化指令”。
• AI 能力的通用性 vs 任务场景的专一性，框架通过角色绑定（如 BROKE 的 Role）激活特定领域知识库。

底层共性设计逻辑