01

先想清楚需要什么

在写提示词之前，首先是要想清楚需要AI帮助产出什么内容。

需要解决什么问题？期待AI的输出是什么样子的？以及这个产出是给谁看的？

比如：“帮我写一篇文章”，远不如“帮我写一篇面向初创公司创始人的1500字文章，主题是如何用AI降低客服成本，语气专业但不枯燥”。

02

给AI一个身份和场景

AI本身是没有立场和身份的，虽然有海量的信息和技能，但是它不能精准识别你给出的问题，需要它站在什么视角上分析。

人在不同角色下表现不同，AI也一样。

给它一个明确的角色定位，能显著提升输出的专业度和针对性。

比如"你是一位有10年经验的用户增长专家"或"你是一位面向小学生讲解数学的老师"。给AI圈定角色，它会锚定AI的知识调用范围、语言风格和思考角度。

03

拆解复杂问题

这个时候，需要我们化身成为「产品经理」，把我们的需求拆解成小的模版，变成一个一个的小问题。

一个好的提示词通常包含几个要素：

背景：为什么要做这件事，有什么前置信息任务：具体要做什么约束：格式、字数、风格、禁忌项示例：给一两个你满意的输出样本

其中「示例」是很容易被忽视的。

与其花200字描述你想要的风格，不如直接贴一段范文，AI的模仿能力还是非常强的。

04

引导AI推理

遇到需要分析、判断、决策的任务，可以要求AI展示出推理过程。

比如：加上「请先分析各方案的优劣，再给出你的建议」或「请一步一步思考」。

这样我们可以清晰的看到AI思考和推理的逻辑，除了限制AI，让输出更可可靠之外，还可以检查AI的逻辑是否合理。

05

迭代的力量

没有人一开始就写出完美的提示词。

好的工作流是：

先写一个初版 → 看输出哪里不满意 → 针对性修改提示词 → 再试。

常见的迭代方向包括：输出太泛就添加「加约束」，输出的内容产生偏离就「加反例」（"不要写成XX样子"），输出质量不够就「加示例」，慢慢会调教的越来越好。

06

几个特别有效的技巧

正反例结合：告诉AI「要什么」的同时，也告诉它「不要什么」，输出效果最好。

指定输出格式：需要结构化结果时，明确说「用表格/分点输出」，也直接给模板。

分步执行：复杂任务拆成多轮对话，每一步确认后再进行下一步。

设置质量标准：比如「请像McKinsey的咨询报告那样」或「请达到可以直接发给客户的水平」，通过提示词拉高输出质量。