驱动ai:提示词指令入门与场景应用

入门与上手

给提示词新手讲清指令怎么写、常见场景怎么套,附一份可照着改的写法和自检清单。

你大概遇到过这种情况:同样一句话,别人问出来条理清楚,你问出来答非所问,改了三遍还是跑偏。问题多半不在模型,而在指令本身没交代清楚。这篇不聊原理,只讲怎么把一句模糊的「帮我写」改成能直接落地执行的指令,再按常见场景给几个能照着改的范例和排查顺序。

你大概遇到过这种情况:同样一句话,别人问出来条理清楚,你问出来答非所问,改了三遍还是跑偏。问题多半不在模型,而在指令本身没交代清楚。这篇不聊原理,只讲怎么把一句模糊的「帮我写」改成能直接落地执行的指令,再按常见场景给几个能照着改的范例和排查顺序。

下面的写法和清单都是可操作的,不依赖你用的是哪家模型。但有一点先说明:模型本身的差异会影响最终效果,如果你换了模型发现同一个指令表现不同,先去 模型资料库(/models) 看这个模型擅长什么、上下文多长,再决定要不要调整指令的详略。

先把「指令」和「提示词」分清

提示词是你敲进对话框里的整段内容,指令是其中告诉模型「做什么、按什么标准做」的那部分。很多人把两者混着说,结果复盘的时候找不到问题出在哪。分开看,你就能定位到是任务没写明白,还是材料没喂够,还是格式没约束。

提示词
整段输入的总称,包含背景、材料、任务、约束、格式要求。
指令
其中明确告诉模型要做什么、做到什么程度、按什么样式交付的那几句。
任务
动词开头的一句话,比如「整理」「改写」「对比」「列出」。
约束
不能做什么、必须包含什么、字数范围、口吻限制。
  • 把指令单独拎出来读一遍,如果换个陌生人看也能照做,说明写清楚了。
  • 读的时候问自己三个问题:做什么、给谁、做成什么样。有一个答不上就是缺信息。
  • 如果指令里出现「好看一点」「专业一些」这类词,换成可验证的标准,比如「每段不超过三行」「给出两个备选标题」。
  • 纯闲聊、纯发散找灵感时不必套这套结构,写太死反而限制发挥。

一条能用的指令,至少填满四个槽

下面四个槽是从大量翻车案例里倒推出来的。你不用每次都写全,但缺哪个槽,出问题时先往那个方向查。新手最常缺的是「输入与边界」和「验收标准」这两个,因为写起来费脑子,但恰恰是它们决定结果稳不稳。

槽位写什么常见漏写导致的后果
角色与目标站在谁的角度、交付什么东西输出泛泛而谈,没有重点
输入与边界贴材料,说明只能依据这些、不知道就说不知道模型自行补全,编出不存在的信息
输出格式段落/表格/清单、字数范围、要不要标题结构混乱,需要反复返工调整
验收标准什么样算合格,比如不许出现某个词看起来还行,但没法直接用
  1. 先写角色与目标用一句话说明:站在谁的角度,交付什么。例如「站在客服主管的角度,写一份新员工常见问题解答」。写完检查是否回答了「给谁用」。
  2. 再贴输入与边界把相关材料直接贴进去,并加一句「只能依据以上材料回答,材料里没提到的写未提及」。材料长就先分段,不要一次性全塞。
  3. 然后定输出格式明确分几块、每块多长、要不要编号。比如「分成三小节,每节不超过五句话,用序号列出」。格式越具体,后期排版越省事。
  4. 最后写验收标准列出你拿到结果后会怎么检查。比如「每个建议都要有具体动作,不能只有形容词」。这一步是很多人省略的,但它能显著减少来回改的次数。

四个槽写完之后,自己先按指令做一遍。如果自己做起来都卡壳,说明指令还有歧义。这个自检法比任何模板都好用,因为它模拟了模型读指令时可能遇到的困惑。

把一句「帮我写」改成可执行指令:逐句对照

拿「帮我写个周报」举例。这句话只有任务,没有对象、没有材料、没有格式、没有验收标准。下面按顺序补,每一步都说明为什么这么补,而不是直接甩一个最终版给你。

步骤改前改后
补对象与篇幅帮我写个周报帮我写一份给直属主管看的周报,三小节,总长不超过一页
补材料(无)本周事项:完成了 A 模块联调、整理了 B 文档、处理了 C 反馈;只依据这些内容写,不要编
补格式(无)分成「本周完成」「遇到的问题」「下周计划」,每节用序号列出
补验收(无)每条都要有具体产出,不要出现「积极推进」这类空话

改完的版本比原始版长了不少,但换来的是第一遍就能用的概率大幅提升。你可以把这种改法固化成习惯:每次写指令前先过一遍这四个步骤,熟练之后十秒钟就能补完。

  • 补材料时尽量用你自己的原话,不要先让模型帮你总结再喂回去,容易丢细节。
  • 格式要求用「分几块、每块几句、要不要编号」这种可量化的说法。
  • 验收标准可以写成两三条否定句,比如「不要形容词堆砌」「不要给没有依据的结论」。
  • 改完之后把指令存下来,下次同类任务直接改几个词就能复用。

场景一:写作与改写类指令

写作和改写是新手用得最多的场景,也是最容易写出「看起来不错但没法用」结果的地方。区分点在于:写新内容时你是提供结构的人,改稿时你是提供边界的人。两种情况下指令的写法完全不同。

  1. 写新内容:先定结构告诉模型分几段、每段大致讲什么,再给素材,最后才说口吻。顺序反了会让模型先入为主,后面再改结构很费劲。
  2. 改稿:给保留项和删除项明确「保留原文的观点和例子,只调整句子顺序」或「删掉所有举例,只留结论」。只说「润色一下」大概率会被大改。
  3. 验证:拿原稿对比把改前改后放一起看,重点检查有没有被替换掉的关键词、有没有被添油加醋的事实。

写新内容时还有一个常见误区:把口吻要求写在最后。比如「要口语化」放在末尾,模型可能前面已经写得很正式。口吻和结构一样,属于全局约束,应该放在靠前的位置。

场景二:总结、提取与整理类指令

总结和提取看起来简单,其实对指令的精确度要求更高,因为输出的正确性直接取决于你有没有说清「给谁看」和「缺信息怎么办」。这两点没说,结果就是一段读起来通顺但没法用的文字。

  • 总结类指令必须写清受众和用途。同一份材料给老板看要突出结论和风险,给同事看要突出步骤和依赖。
  • 提取类指令要给出字段名,并说明缺失时的处理方式,比如「没提到就写未提及」,否则模型会顺着上下文编。
  • 长材料建议分段投喂,每段单独要结果,最后再合并。一次塞完容易丢细节。
  • 整理类指令要给分类规则,不要只说「整理一下」,否则模型会按自己的逻辑分。

长材料具体能塞多长,取决于你用的模型。同一个指令换到小窗口模型上,表现会差很多。不确定的话去 模型资料库(/models) 查一下上下文长度,再决定是一次性投喂还是分段处理。分段虽然多几轮,但结果更稳,尤其涉及数字和专有名词的时候。

场景三:代码与表格处理类指令

代码和表格类任务的特点是可验证——跑一下、看一眼就知道对不对。所以指令的重点不是让模型「写得漂亮」,而是让它把输入输出约定清楚,减少来回猜的轮次。

  1. 先说明运行环境写清语言版本、依赖库、是命令行还是脚本。不说的话模型可能用你环境里没有的东西。
  2. 再给输入输出样例用两三行示例说明「输入长这样,输出要长那样」。样例比描述更不容易产生歧义。
  3. 让模型先复述需求加一句「先别写代码,用三句话复述你理解的需求」。复述对了再让它动手,能挡掉不少理解偏差。
  4. 不满意就指具体行不要只说「不对」,指出哪一行、哪个变量、期望是什么。模糊反馈会让模型在错误方向上越改越远。

表格类任务和代码类似。给列名、给示例行、说明空值和单位怎么处理。日期格式尤其要说,否则同一个表格里可能混着几种写法,后期清洗很麻烦。如果你拿不准某个处理方式对不对,可以把两种方案都让模型列出来,自己选一个。

拿不到想要的结果,按这个顺序排查

结果不对时,多数人第一反应是换模型或者重写整段提示词。其实按固定顺序排查更省时间,而且能积累经验。下面的顺序从最常见的原因排到最不常见的,逐条过一遍,基本能定位到问题。

  • 先看指令里有没有自相矛盾的要求,比如既要「详细」又要「一句话说完」。
  • 再看是不是材料不够,模型在缺信息时倾向于自己补,这类补全最容易出错。
  • 然后看格式约束是不是太空,把「排版好看」换成具体规则,比如「每段不超过三行」。
  • 最后才考虑换模型或调参数。同一问题多问几次结果不一样属于正常现象,别当成故障。

如果排查完还是不稳定,可以去 速度与稳定性测试(/tools/speed-test) 看看当前用的服务是不是本身波动较大。指令写得再好,底层服务不稳定一样拿不到稳定结果。这个顺序能帮你把「指令问题」和「服务问题」分开。

新手常踩的几个坑

下面几个坑几乎每个新手都会踩一遍,提前知道能少走弯路。它们和前面的排查顺序是互补的:排查是出问题后怎么找原因,这里是写的时候怎么避开。

坑表现改法
任务堆太多结果顾此失彼,每项都做一点拆成几轮,一轮只做一件事
负面表述下命令「不要写得像 AI」这类要求难执行直接给一段你满意的样例
关键约束放最后重要条件被忽略把硬性要求提到指令开头
拿一次结果当结论偶尔好用就以为稳定换种问法再验证一遍

上面这些坑里,「拿一次结果当结论」最隐蔽。模型输出本身有随机性,同一条指令两次结果不同是正常的。要判断一个指令写得好不好,至少跑三次,看核心信息是否稳定,再决定要不要固化下来。

指令写得好不好,不看它多长,看一个陌生人照着做能不能得到你要的东西。
下一步把你现在用的模型和它的上下文长度、擅长方向对一遍,再回头调指令的详略,会比盲目加约束有效得多。

常见问题

写的指令越长越好吗?

不是。长指令的价值在于把材料、约束和格式说清楚,而不是堆形容词。判断标准很简单:删掉这一句,输出会不会变差?不会就删。新手更稳的做法是先写短指令跑一轮,看哪里偏了再补一句,比一次性写一大段更容易定位问题。

为什么同一个指令,问两次结果差很多?

生成过程本身带有随机性,属于正常现象,不代表你写错了。想让它稳定一些,可以把指令写得更具体、给出样例、要求按固定格式输出。如果只是个别措辞变化,不必纠结;如果结论都不一样,说明指令里的关键条件还不够明确。

中文指令和英文指令有区别吗?

对多数模型来说差异不大,但涉及专业术语、代码标识符、报错信息时,保留原文更准确,别硬翻。给中文团队用的产出就用中文下指令,省去来回翻译;要模型引用英文文档里的原句,则直接在指令里说明保留英文。

提示词模板可以直接抄吗?

可以当起点,但别原样用。别人的模板里藏着他们的场景假设,换成你的任务往往对不上。建议抄结构、不抄内容:把角色、材料、格式、验收四个槽保留,里面的具体描述换成你自己的情况,再跑一轮看看差在哪。

什么时候该放弃调提示词?

如果同一件事你改了多轮、把材料也补全了,输出还是差得离谱,那多半不是措辞问题。可能任务本身超出了该模型的强项,或者需要联网、需要查你自己的资料库。这时候换工具或换思路,比继续抠字眼划算。

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。