ai提示词工程:从入门到精通

入门与上手

讲清提示词工程从入门到精通的写法与迭代路径:给一套可复用的结构、调参顺序和自查清单,让同一件事的输出稳定下来。

同一个问题问十次,答案每次都不一样;照着别人的「神级提示词」抄一遍,到自己的活上就不好使。这篇不灌概念,给一条能自己走完的路:先判断你要的是格式、还是推理、还是事实边界,再按顺序改结构、补例子、调参数,最后拿一套自查清单验收。看完你能自己写出适配手头任务的提示词,而不是继续收藏别人的模板。

同一个问题问十次,答案每次都不一样;照着别人的「神级提示词」抄一遍,到自己的活上就不好使。这篇不灌概念,给一条能自己走完的路:先判断你要的是格式、还是推理、还是事实边界,再按顺序改结构、补例子、调参数,最后拿一套自查清单验收。

看完你能自己写出适配手头任务的提示词,而不是继续收藏别人的模板。中间涉及模型能力、参数范围、各家接口差异这类会变的数字,别信任何一篇写死的说法,去站内页面核对当时的实际情况。

先分清:写提示词不是写作文,是定约束

很多人一上来就琢磨语气、加一堆形容词,结果输出还是飘。真正决定稳定性的,是约束够不够硬。写之前先在心里填三个空:我要的结果长什么样、我手上有什么材料、最后要以什么形式交出来。这三项只要缺一项,模型就会自己替你补,补出来的往往不是你要的。

任务类型典型场景优先补什么
格式型字段抽取、排版、转表格先说清字段名、顺序、分隔符
推理型算数、比较、做判断先让它列依据,再给结论
知识型问事实、问资料内容先划边界:材料里没有就说不知道

还要把「指令」和「背景」分开写。指令是要求,比如做什么、不许做什么;背景是事实,比如素材内容、受众是谁、边界在哪。混在同一段里,模型容易只抓住前半句就往下跑。分开成两段甚至两个小节,执行顺序会清楚很多。

改结构比换措辞有用

新手最容易做的是反复换词:把「请」改成「务必」,把「详细」改成「尽可能详尽」,改十遍不如把段落顺序调一次。一个可复用的骨架是:角色或场景 → 任务 → 输入材料 → 输出格式 → 约束与例外。按这个顺序排,模型更容易按段执行,出错时你也知道是哪一段没说清。

  1. 先写输出格式明确几段、每段写什么、用什么符号分隔;要机器读就用固定字段名,不要用「大致分几部分」这类模糊说法。
  2. 把「不要」换成「要」与其说别写废话,不如限定每段字数上限、必须包含哪几项信息,正向约束比否定约束更好执行。
  3. 补 1 到 2 个示例比多写三句形容词有效;示例要挑你实际会遇到的最难那种输入,别只给最简单的。

不过这套骨架不是万能的。简单抽取类任务,比如从一段话里取日期、金额、人名,结构越短越稳,堆一大段角色设定和背景反而引入噪声。判断标准很简单:任务越像填空题,提示词就该越短。

推理类任务:给步骤,再调参数

需要算、要比、要做判断的活,别让它直接给结论。让它先列依据、再给结论,顺序反过来容易先下结论再补理由,而理由往往是编的。更实用的做法是要求它把关键假设单独列出来,你一眼就能看出它错在哪一步,是理解错了材料,还是算错了。

调参顺序
先改提示词结构,再考虑降低随机性让输出收敛,最后才换模型;绝大多数不稳定不是模型的问题。
多轮对比
同一提示词连跑几次再比较,只看一次结果就下结论,很容易把偶然当规律。
不适用场景
创意写作、起名、文案发散类任务,过早收敛会让输出变得很平,该放开就放开。

如果结构调整完还是不稳,再去看参数和模型本身。这属于最后一步,不是第一步。各家模型的适配方向、上下文长度、参数取值范围会变,别照抄别人的数值,到 模型资料库(/models) 按任务类型对比当时的说明。

迭代:把提示词当版本管理起来

提示词不是写完就完事,是要迭代的。迭代最怕一次性大改,改完效果好你也不知道是哪句起作用。养成一次只改一处的习惯,改完记一句:这次动了什么、输出是变好还是变差。坚持几轮,你对手头任务的「哪句话是关键」就有直觉了。

  • 准备固定测试输入:常规两条加边界两条,每次改完都跑一遍,靠这组判断是不是真的变好。
  • 边界用例优先准备:空输入、超长输入、自相矛盾的要求、包含不该出现的敏感内容,这几种最容易暴露问题。
  • 上线前收口:把最终版固化成模板,可变部分留成占位符,别每次手打。
  • 任务本身还在天天变的时候,先别急着固化模板,等需求稳定了再收。

验证不靠感觉。同一提示词跑多轮,数一下多少条达标、多少条跑偏,用合格率来判断,比「我觉得这次好多了」靠谱。几次对比下来,改动有没有价值一目了然。

排查顺序:输出不对时按这个顺序看

输出不对劲时,别急着换模型。按下面这个顺序往下排除,能省掉大量瞎试的时间。顺序很重要:越靠前的越常见,越靠后的越少是根因。

  1. 看输入材料是不是被截断了,有没有互相矛盾的两段要求,有没有把上一轮对话的残留内容带进来。
  2. 看格式是不是只说了要什么、没说怎么排,导致它自由发挥;字段名、段落数、分隔符都写死了没有。
  3. 看约束有没有明确「不知道就说不知道」;没写这句,它遇到空白基本会硬编。
  4. 看参数与模型前面都排除了再动这两个变量;到 模型资料库(/models) 按任务类型对比,别只看名气,也别一次换两个变量。
  5. 做量化验证同一提示词跑多轮统计合格率,用数字定结论,而不是凭单次印象。

顺带说一句,提示词只是整条链路的一环。如果你是通过中转站调接口,输出不稳定也可能来自路由、限流、超时这些外部因素,和提示词写得好不好没关系。怀疑到这个方向时,可以到 速度与稳定性测试(/tools/speed-test) 做一次检测,先把链路问题排除掉,再回头调提示词。

下一步想拿自己手头的任务练一遍,可以先到指南中心把这篇的方法落到具体场景,再去模型资料库按任务类型选一个顺手的方向,最后用稳定性检测确认链路没问题。

常见问题

提示词工程是不是就是背模板?

不是。模板只能解决格式类的活,换一个任务就不灵。真正要练的是三件事:把任务拆成结果、材料、形式三块;把约束写成可检查的条件;用固定测试输入验证改动是否真的有效。模板可以拿来当起点,但必须按自己的输入改。

为什么改了很多遍还是不稳定?

多数情况不是措辞问题,而是约束不够具体或输入本身有歧义。按顺序排查:输入有没有截断或互相矛盾、输出格式有没有写死、有没有要求它不确定时明说。这些都排除了再考虑降低发散程度,最后才考虑换模型。

提示词写得好,能不能就不用做检索和校验了?

不能。提示词管的是表达和约束,管不了模型没见过的事实。涉及具体数据、政策、内部文档时,仍要靠外部资料喂给它并核对来源。提示词能减少胡说,但替代不了事实来源。

本文依据各平台公开文档与官方公告整理,只做中文归纳;具体做法、参数与限制以官方文档为准。