提示词入门 10 招：让 AI 干活立刻精准 10 倍

很多人用 AI 的方式是这样：

你：「帮我写一个产品介绍。」

AI：「好的，请问您的产品是什么呢？」

你：「就是个充电宝。」

AI：「请问目标用户、卖点、价位是？」

你（不耐烦）：「都行，你看着写吧。」

AI 写了一篇不痛不痒的、可以放到任何充电宝上的废话。

然后你得出结论：“AI 真不好用”。

这不是 AI 不好用，是你给的输入太穷了。AI 的输出是输入的函数——你怎么问，决定了它怎么答。

下面 10 招，每一条都能让你的输出质量明显跳一档。全部学会大概不超过 20 分钟。

1. 给身份

让 AI 扮演一个具体角色，输出立刻会专业起来。

❌ 「帮我看看这段代码哪里有问题。」

✅ 「你是一个 10 年经验的 Python 工程师，正在做 code review。请指出下面这段代码的问题，包括逻辑 bug、性能问题、可读性。」

为什么有用：模型在训练时见过大量”专业人士写的内容”，给它一个角色相当于让它进入对应的语言空间。

2. 给目标

告诉它”这段输出是给谁看的、用来干啥的”。

❌ 「写一段关于碳中和的介绍。」

✅ 「写一段关于碳中和的介绍。给一个完全不懂能源的高中生看，目标是让她能在 1 分钟内理解为什么这件事重要。」

同样话题，目标不一样，输出会完全不同。

3. 给材料

如果你有相关资料，直接贴过去。永远不要让 AI 凭记忆答可以查到的事。

❌ 「请告诉我我们公司去年的财报亮点。」（它怎么知道？它会编。）

✅ 「下面是我们公司去年的财报全文：[贴文档]。请提取三个最值得突出的亮点。」

这一招直接消灭 80% 的幻觉。

4. 给例子（Few-shot）

如果你想要某种特定风格，给几个例子比解释 100 遍管用。

❌ 「用比较活泼的口吻写。」

✅ 「按下面的风格写：

例 1：『早上喝了杯美式，瞬间从社畜变成正常人——咖啡因这玩意儿真是文明的发明。』 例 2：『加班到 9 点回家，发现外卖被楼下小孩偷吃了三口。我没生气，我只是默默思考起人性。』

现在按这个风格写一段关于 [话题] 的。」

这就是 LLM 圈说的 few-shot prompting——给样本比给规则有效得多。

5. 让它分步思考（CoT）

复杂问题不要让 AI 直接给答案，让它先想再答。

❌ 「这道题答案是什么？25 个苹果分给 4 个人，每人多少？多余的怎么办？」

✅ 「这道题请一步步推理：1) 先做除法；2) 算余数；3) 讨论余数怎么处理；4) 给出最终答案。」

为什么有用：让 AI 把思考过程写出来，它的”思考”质量会显著提升——这是研究证实过的现象，叫 Chain-of-Thought（CoT）。

6. 让它列大纲再写正文

写长内容（文章、报告、计划书）时，先列大纲，你审核大纲，再让它写正文。

第一步：先给我一个 5 段大纲，每段写清楚要讲什么。
（你审核大纲、调整）
第二步：基于大纲，展开成完整文章。

为什么有用：等它写完一整篇你才发现思路不对，工作量浪费了。先在便宜阶段（大纲）发现问题，再投入贵阶段（写作）。

7. 给约束

明确告诉它输出的长度、格式、语气、不要什么。

❌ 「写一段产品文案。」

✅ 「写一段产品文案。要求：

• 不超过 100 字
• 第一句必须是一个反问句
• 用”你”开头，不要用”我们”
• 不要用’颠覆”重新定义”极致’这类词
• 输出 3 个版本，风格分别为正经/俏皮/文艺」

为什么有用：给它越多约束，它越能聚焦在你想要的方向。

8. 让它问你问题

如果你自己也没想清楚要什么——让 AI 来问你。

✅ 「我想做一份关于 [某事] 的报告，但还没想清楚结构。请你扮演一个资深咨询顾问，问我 5-8 个关键问题，等我回答完你再帮我列大纲。」

这一招特别适合”我有个想法但说不清楚”的场景。AI 问的问题，往往就是你脑子里没想清楚的部分。

9. 迭代追问

不要把 AI 当成”问一次答一次”的搜索引擎，把它当成一个陪你想问题的同事。

第一次输出后，至少做这些追问：

• 「这个建议的盲点是什么？」
• 「如果我是反对者会怎么反驳？」
• 「换一个完全相反的角度再写一版」
• 「这里说的 XX，能再展开讲讲？」
• 「这个数据 / 论据，给我列出处。」

每追问一次，质量再涨一档。

10. 让它扮演审稿人

写完后，开新对话让 AI 当严厉的审稿人审你（或它）的输出。

你是一个非常严厉的资深编辑/老板/导师。下面是一份初稿。
请用挑刺的眼光指出：
1. 哪里逻辑不通？
2. 哪里证据不足？
3. 哪里语言啰嗦？
4. 哪里表达不专业？
不要说优点，只列问题。
[贴初稿]

这一招太有用了。自己写完看不出毛病的东西，AI 当”反派”审稿能挑出一堆。

一个完整的例子

把这 10 招组合起来，可以这样用：

你是一个有 8 年经验的产品经理（招 1：身份）。

我刚加入一家做儿童编程教育的创业公司，下个月要给 CEO 汇报"未来 6 个月的产品路线图"
（招 2：目标 + 场景）。

下面是相关材料（招 3：给材料）：
- 公司当前用户：10 万小学生家长 [更多数据...]
- 主要竞品：[名字] 已经有 5 倍用户量
- 我们的优势：[列举]

请先帮我做这两步（招 5+招 6：分步 + 大纲）：

第一步：列出做这种规划的关键问题清单（招 8：让它问我），我会逐一回答。
第二步：等我回答完所有问题，再给我一个 5 段大纲。

输出约束（招 7）：
- 用中文
- 不要用"赋能""闭环""抓手"这些黑话
- 列点时用具体数字

把这条 prompt 贴给 ChatGPT/Claude——你会发现你拿到的输出质量完全不一样。

一个心态调整

很多人没充分用 AI 的本质原因是：懒得打字。

真的。他们觉得”打这么多字还不如自己写”。但这是错觉——

• 写一条 200 字的 prompt：花 2 分钟
• AI 输出 2000 字的初稿：花 30 秒
• 你修改：5 分钟
• 总耗时：7-8 分钟

如果你自己从头写 2000 字：至少 30 分钟。

所以：“前期投入打 prompt 的 2 分钟” vs “省下来的 22 分钟”，性价比超高。

进阶预告

L4 路径里有专门的 Prompt Engineering 模块，会讲：

• 提示词的高级技巧（self-consistency、tree-of-thought、reflexion）
• 不同模型的提示词差异（GPT 喜欢 markdown、Claude 喜欢 XML 标签）
• 系统提示词（system prompt）的作用
• 提示词攻防（怎么避免被注入攻击）

但你先把上面这 10 招用熟——它们已经能让你的 AI 使用水平超过 80% 的人。