AI提示词工程完全指南：从新手到高手的10个核心技巧
很多人用过AI之后说"也就那样"，问题基本都出在提示词上。提示词工程（Prompt Engineering）不是什么玄学，它是一套可以学习的方法。这篇文章把我这两年积累的提示词技巧全部分享出来，每一个都有真实案例。
1. 角色设定法
这是最基础也最有效的一招。告诉AI它是谁，比单纯提要求效果好10倍。
✅ "你是一个有8年经验的SaaS产品营销专家，擅长面向技术决策者写产品文案。请帮我写一段AI编程工具的产品介绍，重点突出三大核心功能和性价比优势，语气专业但不枯燥。"
对比下来，第二个结果直接可以拿去用，第一个还要改半天。
2. 结构化输出法
如果你不给格式要求，AI回给你的内容可能是散文。指定输出格式能大幅提升信息的可读性。
技巧：明确要求用"表格"、"列表"、"Markdown格式"、"JSON格式"等。比如你要对比几个工具，直接说"用表格输出对比结果，包含功能、价格、适合人群三列"。
3. 链式提示法
一次性提太复杂的要求，AI很容易跑偏。把大任务拆成小步骤，一步步引导。
第二轮："针对每个工具，列出它的核心功能、定价方式、优缺点"
第三轮："根据上面的对比，帮写一段800字的文章开头，突出AI绘画行业的发展趋势"
每一步都聚焦一个明确的小任务，结果比一口气写完好得多。
4. 提供参考示例
Few-shot learning的概念简单说就是：给AI看几个"正确答案"的例子，它会自动理解你想要什么样的输出。
比如你想让AI写博客文章的开头，给它看你以前写的3篇文章开头，说"按照这个风格写"。有了参考，效果提升立竿见影。
5. 负面指令法
告诉AI"不要做什么"有时候比告诉它"要做什么"更有效。比如：
- "不要用过于夸张的营销语言"
- "不要使用列表格式，请用段落表达"
- "不要添加任何个人观点，只陈述事实"
- "不要在结尾说'总的来说'，直接给出结论"
6. 温度控制法
很多AI平台（包括OpenAI的API和Perplexity）都支持调节"温度"参数。温度低（0-0.3）输出更确定、更保守，适合写代码或事实性内容。温度高（0.7-1.0）输出更有创意、更多样，适合写文案或头脑风暴。
如果你通过API调用，建议根据任务类型灵活调整温度。用网页版的话，可以在提示词里加"请给出更保守/更创新的回答"来间接控制。
7. 自省提示法
让AI自己对输出质量做检查。一个非常好用的技巧：在提示词最后加上"请检查上面你的回答，是否有不准确或有遗漏的地方？如果有，请修正。"
这招特别管用。AI在第一次回答时可能因为急着输出而有遗漏，让它在"第二遍检查"时补充遗漏信息。
8. 格式控制法
对输出格式有严格要求的时候，最好一次性说清楚。比如：
产品名称：[产品名]
核心功能：[3-5个要点]
定价：[价格信息]
适合人群：[2-3类人群]
总体评分：[1-10分]
一句话推荐：[一句话总结]"
比自由格式的回答好整理十倍。
9. 利用上下文窗口
Claude和GPT-4 Turbo都支持超长上下文。你可以在对话开始时上传大量背景资料，比如项目文档、代码仓库的README、竞品分析报告，然后让AI基于这些资料回答问题。
我的习惯：在做任何需要AI深度参与的任务之前，先花5分钟"喂"它相关的上下文资料。你会发现后面的对话质量明显不一样。
10. 迭代优化法
不要指望一次提示就得到完美结果。高手的习惯是：快速出第一版 → 指出问题 → 让AI修改 → 再指出问题 → 再修改。一般2-3轮迭代后，质量就会有质的提升。
Round 2: "缩短到200字以内" → 太正式了
Round 3: "改得口语化一点，像是跟朋友推荐" → 可以了
三次对话，不到3分钟，得到一段满意的文案。
总结：提示词工程的核心思维
提示词工程不是什么深奥的技术，它的核心就一句话：你把AI当成一个能力很强但需要清晰指令的新同事。给背景、定角色、说格式、举例子、给反馈。做到了这几点，AI的输出质量不会让你失望。
最后推荐几个工具帮你管理提示词库：我常用的是notion + ChatGPT的Projects功能，把常用的高质量提示词分类存起来，用的时候直接复制粘贴。