全栈手账 订阅 RSS
← 回到列表
AI

AI 交互与 Prompt 技巧合集

系统整理与大语言模型(LLM)高效协作的提示词工程方法论,从基础原则到进阶技巧,覆盖写作、编程、分析、创意等场景。

读了 20 分钟 更新于 7 月 16 日

一、Prompt 基础认知

1. 什么是 Prompt

Prompt(提示词)是用户向 AI 模型输入的指令文本。它决定了模型生成内容的方向、风格、深度与格式。同一个模型,Prompt 不同,产出质量可能天差地别。

2. Prompt 的核心组成

一个完整的 Prompt 通常包含以下要素(不必每次全用,按需组合):

要素 说明 示例
角色(Role) 让 AI 扮演的身份 "你是一位资深产品经理"
任务(Task) 要 AI 做什么 "撰写一份用户调研报告大纲"
背景(Context) 必要的上下文信息 "目标用户是 25-35 岁一线城市白领"
约束(Constraints) 字数、格式、语气限制 "不超过 800 字,用 Markdown 表格"
示例(Examples) 期望的输入输出样本 "参考这个示例的格式..."
输出格式(Format) 期望的结构 "分三个部分:背景、发现、建议"

记忆口诀:R-T-C-C-E-F(Role / Task / Context / Constraints / Examples / Format)

3. 黄金公式

文本
好 Prompt = 清晰任务 + 充分上下文 + 明确约束 + 期望格式

二、基础原则

原则 1:具体胜于模糊

  • ❌ "写一篇文章" → AI 不知道写什么、给谁看、多长
  • ✅ "写一篇 800 字的科普文章,主题是睡眠对记忆力的影响,面向 25-35 岁上班族,语气轻松但专业,结尾给出 3 条可执行建议"

原则 2:一次只问一件事

复杂任务拆解成多轮对话,每轮聚焦一个目标。一次塞入太多要求会让 AI 顾此失彼。

原则 3:告诉 AI 要做什么,而非不要做什么

  • ❌ "不要用专业术语"
  • ✅ "用小学生能听懂的语言解释"

正向指令比负向指令更容易被准确执行。

原则 4:给 AI 一个身份

设定角色能让 AI 进入对应语境,自动调整用词与视角:

  • "你是一位有 10 年经验的心理咨询师"
  • "你是严格但耐心的 Python 导师"

原则 5:提供参考样本

如果想控制输出风格,直接给 AI 看一个你满意的样本,比描述风格更有效。

原则 6:让 AI 复述任务

在长对话或复杂任务开头,让 AI 先复述一遍它理解的需求,确认对齐后再执行。

三、常用 Prompt 框架

1. RTF 框架(入门首选)

文本
Role(角色) + Task(任务) + Format(格式)

示例:

文本
你是一位小学语文老师(Task 隐含在 Role 中)。请把下面这段话改写成 8 岁孩子能理解的语言(Task)。输出为三段式:原文、改写、解释为什么要这样改(Format)。

2. CRISPE 框架(能力与心态)

文本
Capacity & Role(能力与角色)Insight(背景洞察)Statement(任务陈述)Personality(个性/语气)Experiment(实验性输出多个版本)

示例:

文本
你是一位资深文案策划(Capacity),客户是国产新能源车品牌(Insight)。请撰写 SUV 车型上市预热海报主标题(Statement)。语气要有冲击力但不浮夸(Personality)。给出 5 个不同角度的版本供选择(Experiment)。

3. STAR 框架(叙事/复盘)

文本
Situation(情境) + Task(任务) + Action(行动) + Result(结果)

常用于写简历、做项目复盘、案例阐述。

4. CO-STAR 框架(新加坡政府推荐)

文本
Context(背景)Objective(目标)Style(风格)Tone(语气)Audience(受众)Response(响应格式)

示例:

文本
Context:我们是一家面向中小企业的 SaaS 工具公司。Objective:撰写一篇 1000 字博客,介绍团队协作工具的价值。Style:案例叙述式,有真实场景。Tone:专业但亲切。Audience:中小企业团队负责人。Response:Markdown 格式,带小标题与一张对比表格。

5. RACE 框架(简洁型)

文本
Role(角色) + Action(行动) + Context(背景) + Expectation(期望)

四、角色设定技巧

1. 越具体越好

  • ❌ "你是专家" → 太泛,无法定位领域
  • ✅ "你是有 15 年 To B 产品经验、服务过金融与教育行业的增长顾问"

2. 复合角色

让 AI 同时具备多种视角,产出更立体:

文本
你同时是:- 一位资深 UX 设计师,关注可用性- 一位数据分析师,关注转化漏斗- 一位用户,关注体验痛点请对下面这个登录流程给出改进建议。

3. 反向角色

让 AI 扮演挑剔的对手,反向打磨方案:

文本
你是一位严苛的技术评审,擅长找出方案中的漏洞、风险和不合理假设。请对我的系统设计方案进行质疑,至少提出 5 个尖锐问题。

4. 角色越界

让 AI 扮演非人类角色,激发创意:

文本
你是一只 7 岁的橘猫,性格傲娇但对主人依恋。请用第一人称描述你对"主人加班不陪我"这件事的看法。

五、上下文工程(Context Engineering)

1. 上下文是质量的放大器

模型能力再强,如果上下文缺失或混乱,输出质量必然下降。上下文工程比单条 Prompt 技巧更重要。

2. 上下文分层

按优先级从高到低组织上下文:

  1. 系统级:全局规则、角色、风格基调(放在 system 消息或对话开头)
  2. 任务级:本次具体任务与约束
  3. 参考资料:文档、代码、数据
  4. 历史对话:之前轮次的交互(注意压缩,避免上下文爆炸)

3. 上下文压缩

长对话中,主动让 AI 总结之前的内容,把几十轮对话压缩成一段摘要,再继续往下走,避免 token 浪费和"上下文遗忘"。

文本
请把以上讨论浓缩成一份 300 字的纪要,包含:- 已确定的需求- 待解决的问题- 下一步行动项之后我们基于这份纪要继续。

4. 文档投喂

让 AI 处理长文档时,先让它建立索引或摘要,而不是直接问问题:

文本
第一步:阅读这份 50 页报告,输出每章 100 字摘要。第二步:基于摘要,告诉我哪 3 章与"成本控制"最相关。第三步:针对这 3 章,提取具体数据点。

5. 单一真相源

把关键信息集中在一处(如一份"项目背景"段落),后续提问都引用它,避免信息分散导致前后矛盾。

六、思维链与推理技巧

1. Chain of Thought(CoT)

让 AI 一步步思考,而不是直接给答案。对数学、逻辑、复杂决策尤其有效。

基础版:

文本
请一步步思考后回答:...

进阶版:

文本
请按以下步骤分析:1. 列出已知条件2. 识别关键变量3. 推导每一步4. 给出结论并说明置信度

2. Self-Consistency(自我一致性)

让 AI 多次独立推理同一问题,然后对比结果取多数答案,降低随机误差:

文本
请独立推理这个问题 3 次,每次从不同角度切入,最后比较三次结论,给出最终答案。

3. Reflection(自我反思)

让 AI 检查自己的输出,发现漏洞后修正:

文本
第一轮:写出初稿第二轮:以"严格审稿人"身份,指出初稿的 3 个问题第三轮:基于审稿意见,给出修订稿

4. Tree of Thought(思维树)

对开放性问题,让 AI 探索多个分支再选最优:

文本
请列出 3 种可能的解决路径,分别评估优缺点,然后选择你认为最优的一条,详细展开。

5. ReAct(推理 + 行动)

适合需要调用工具或检索的场景:

文本
思考:我需要先查 X 的定义行动:搜索 X观察:得到定义是...思考:接下来需要...

七、Few-shot 与示例技巧

1. Zero-shot

不给示例,直接提问。适合简单任务或模型已具备的能力。

2. One-shot

给一个示例,明确格式与风格。

文本
示例:输入:今天天气真好输出:积极现在请判断:输入:又加班到半夜输出:

3. Few-shot

给 2~5 个示例,覆盖不同情况,效果通常最好。

注意:示例要覆盖边界情况,避免 AI 只学到表面模式。

4. 示例的多样性

示例之间要有差异,否则 AI 容易过拟合到某个模式:

文本
示例 1:短句,积极示例 2:长句,消极示例 3:反问句,中性示例 4:带网络用语,积极

八、写作类技巧

1. 控制语气与风格

文本
语气:温和但坚定,像一位老朋友句式:短句为主,每段不超过 3 句禁用:网络梗、感叹号、空泛口号

2. 模仿特定作者

文本
请模仿村上春树的文风:- 第一人称- 大量日常细节- 淡淡的疏离感- 偶尔出现的爵士乐与猫写一段 300 字的城市清晨描写。

3. 改写与润色

让 AI 改写时,明确改动方向而非"帮我润色":

  • "把这段话改得更简洁,去掉所有形容词"
  • "把学术腔改成口语化,适合播客朗读"
  • "把这段说明改写成 8 岁孩子能懂的语言"

4. 结构化输出

文本
请按以下结构输出:## 一句话总结## 核心观点(3 条)## 论据支撑(每条观点对应数据)## 反方观点## 我的判断

5. 多版本生成

文本
请就同一主题写 3 个版本:- 版本 A:严肃深度版,1500 字- 版本 B:轻松科普版,800 字- 版本 C:金句口号版,200 字

九、编程类技巧

1. 提供技术栈与版本

文本
技术栈:Vue 3 + TypeScript + Vite + Pinia后端:Node.js 18 + Express数据库:PostgreSQL 15请实现一个带分页的用户列表组件。

2. 明确约束

文本
- 不使用 any 类型- 不引入新依赖- 优先用 Composition API- 每个函数不超过 30 行- 关键逻辑加注释

3. 提供上下文代码

让 AI 修改现有代码时,贴出相关代码片段,并说明它在项目中的位置与职责。

4. 分步实现复杂功能

文本
第一步:先给出整体目录结构第二步:实现数据模型第三步:实现核心服务层第四步:实现控制器第五步:写测试用例每一步完成后等我确认再继续。

5. 让 AI 解释而非直接写

学习新技术时:

文本
请不要直接给我代码,而是:1. 先解释这个概念的核心思想2. 用一个最小示例演示3. 指出 3 个常见误区4. 推荐进一步学习的资源

6. 调试技巧

文本
报错信息:...相关代码:...我的预期:...已尝试的方案:...请帮我:1. 分析可能的原因(按概率排序)2. 给出验证步骤3. 提供修复方案

7. Code Review 视角

文本
请以资深工程师身份 review 这段代码,关注:- 安全漏洞- 性能瓶颈- 可读性- 边界情况- 测试覆盖输出格式:按严重程度分级(高/中/低)

十、分析类技巧

1. 多视角分析

文本
请从以下 5 个视角分析这个商业决策:- 财务视角- 用户视角- 竞品视角- 法律合规视角- 长期战略视角每个视角给出 2 条支持与 2 条反对。

2. SWOT / PEST / 五力模型

直接套用经典框架,让 AI 按框架填充:

文本
请用 SWOT 框架分析 X 公司进入 Y 市场的可行性,每个维度至少 3 条,并标注信息来源时效。

3. 假设检验

文本
针对"用户流失是因为价格过高"这个假设,请:1. 设计验证方案2. 列出需要的数据3. 给出可能的结论分支4. 指出混淆变量

4. 反事实推理

文本
如果 2020 年没有发生疫情,在线教育行业会是什么格局?请基于已有数据反向推演,标注推测与事实的边界。

5. 决策矩阵

文本
请为这 4 个方案构建决策矩阵,维度包括:成本、收益、风险、实施周期、可逆性用 1-5 分打分,并给出加权总分。

十一、创意类技巧

1. 头脑风暴

文本
请围绕"提升用户复购"头脑风暴 20 个点子,不要自我审查,越离谱越好,然后从中筛选 5 个最具可行性的并说明理由。

2. SCAMPER 法

文本
请用 SCAMPER 法对"传统笔记本"进行创新:- Substitute 替代- Combine 组合- Adapt 改造- Modify 放大/缩小- Put to other purpose 其他用途- Eliminate 删除- Reverse 反转每项给出 2 个具体方案。

3. 跨界联想

文本
把"健身房"和"游戏"两个领域结合,设计 3 个产品概念,每个概念包含:- 核心机制- 目标用户- 变现方式

4. 反向思考

文本
如何让一款 App 彻底失败?请列出 10 种方法,然后反向推导,得出 5 条产品成功的铁律。

十二、进阶技巧

1. Prompt 链(Prompt Chaining)

把一个大任务拆成多个小 Prompt 串联执行:

文本
链 1:从原始资料提取关键事实链 2:基于事实生成初稿链 3:审稿并提出修改意见链 4:基于意见润色定稿

每一步的输出作为下一步的输入,质量显著高于一次性生成。

2. 元 Prompt(Meta Prompting)

让 AI 帮你写 Prompt:

文本
我想让 AI 帮我写一份产品发布稿。请帮我设计一个高质量的 Prompt,要求覆盖角色、背景、结构、风格、字数、输出格式。

3. 让 AI 提问而非回答

文本
我要做一份用户调研。请你以调研专家的身份,先向我提 5 个问题,收集足够信息后再开始设计问卷。

4. 反向 Prompt

让 AI 生成可能出错的情况,反向加固方案:

文本
请列出这个方案最可能失败的 5 种情况,以及对应的早期预警信号与应对预案。

5. 自适应 Prompt

文本
如果你发现我提供的信息不足以完成任务,请先列出还缺哪些信息,而不是猜测后直接给出答案。

6. 角色扮演对话

模拟真实场景练习:

文本
请扮演一位严厉但有耐心的面试官,对我进行 30 分钟的产品经理行为面试,每次只问一个问题,等我回答后再追问或换题,最后给出评分与改进建议。

7. 知识蒸馏

文本
请把以下 5000 字论文蒸馏成:- 100 字电梯演讲- 300 字摘要- 3 句金句- 1 张思维导图大纲

8. Prompt 模板化

把高频任务固化为模板,带变量复用:

文本
【角色】你是一位 {{领域}} 专家【任务】{{任务描述}}【受众】{{目标读者}}【格式】{{输出结构}}【约束】{{字数/风格/禁用项}}

十三、避坑指南

陷阱 1:诱导性提问

  • ❌ "你不觉得这个方案很好吗?"
  • ✅ "请客观评价这个方案的优缺点"

避免把答案塞进问题里。

陷阱 2:假设模型知道一切

模型有知识截止时间,且可能不了解你的业务细节。涉及具体数据、最新事件、内部信息时,务必在 Prompt 中提供。

陷阱 3:盲目相信引用

AI 可能编造论文、链接、API。涉及事实性内容,要求 AI 标注信息置信度,关键数据务必人工核实。

陷阱 4:长 Prompt ≠ 好 Prompt

堆砌冗长描述反而让模型抓不住重点。保持简洁、结构化、重点突出。

陷阱 5:忽略温度参数

  • 需要确定性输出(代码、数据):调低 temperature
  • 需要创意发散(文案、故事):调高 temperature

陷阱 6:把模型当搜索引擎

模型不擅长实时信息与精确检索。需要最新数据时,优先用搜索工具或 RAG 方案。

陷阱 7:一次失败就放弃

模型输出有随机性,同一 Prompt 多次生成可能差异很大。结果不满意时,微调 Prompt 或重试,而非直接否定模型能力。

陷阱 8:过度承诺

AI 生成的代码、方案、文档未经审查直接用于生产环境,可能埋下安全与维护隐患。始终保留人工审阅环节。

十四、模型差异考量

不同模型擅长点不同,Prompt 策略需相应调整:

模型类型 特点 Prompt 倾向
GPT 系列 通用强、推理稳 直接清晰,指令式
Claude 系列 长上下文、写作细腻 可投喂长文档,适合结构化输出
Gemini 系列 多模态、超长上下文 适合图文混合任务
国产模型(通义/文心/Kimi) 中文语境好、政策合规 中文任务优先,注意合规边界
开源模型(Llama/Qwen) 可本地部署、可微调 Prompt 需更具体,容错性较低

通用经验:模型版本越新,对模糊指令的容忍度越高,但清晰的结构化 Prompt 仍是稳定输出的保障。

十五、Prompt 检查清单

发出 Prompt 前,过一遍这份清单:

  • 任务是否一句话能说清?
  • 角色是否具体到能定位领域?
  • 必要的背景信息是否齐全?
  • 字数 / 格式 / 风格约束是否明确?
  • 是否提供了示例(如果需要)?
  • 是否避免了诱导性与双重否定?
  • 复杂任务是否拆解为多步?
  • 是否需要让 AI 先复述需求?
  • 关键事实是否需要 AI 标注置信度?
  • 是否预留了迭代空间(先初稿后润色)?

十六、实战示例合集

示例 1:周报生成

文本
你是我的工作助手。请根据以下零散事项,生成一份本周工作周报:事项:1. 周一完成了登录模块重构2. 周二修复 3 个线上 bug3. 周三参加产品评审,确认下迭代需求4. 周四协助前端联调5. 周五写技术方案文档格式:## 本周完成## 进行中## 下周计划## 风险与求助风格:简洁,多用动词,避免流水账。字数:不超过 400 字。

示例 2:学习路径规划

文本
我想在 3 个月内从零学会 React,每天可投入 1.5 小时。背景:会 HTML/CSS/JS 基础,做过静态页面。请制定学习计划,要求:- 按周划分,每周一个主题- 每周列出学习目标、资源、实践项目- 第 12 周末能独立完成一个带状态管理的 Todo 应用- 资源优先中文,免费优先输出为 Markdown 表格。

示例 3:会议纪要

文本
以下是会议录音转写文本(可能有错字):{{文本}}请生成会议纪要,包含:1. 会议基本信息(时间、参会人,如文本中未提及请标注"未提及")2. 讨论议题(按出现顺序)3. 关键决议4. 待办事项(负责人 + 截止时间,如未提及请标注)5. 争议点输出为 Markdown,关键决议加粗。

示例 4:产品文案

文本
产品:面向独居年轻人的智能药盒,可定时提醒、自动分装、App 推送。请撰写:1. 一句话 Slogan(15 字内)2. 京东商品详情页主图文案(30 字内,3 个版本)3. 小红书种草笔记开头(150 字,口语化,带情绪)4. 朋友圈转发文案(50 字内,有钩子)

示例 5:技术选型对比

文本
请对比 PostgreSQL 与 MongoDB 在"电商订单系统"场景下的适用性。维度:数据一致性、Schema 灵活性、事务支持、扩展方式、运维成本、生态每个维度:1-2 句说明 + 推荐倾向最后:综合建议与适用边界不要给"两者各有优劣"式的废话结论。

十七、总结

Prompt 工程的本质是沟通工程——把模糊的想法翻译成机器可执行、人类可审阅的清晰指令。

记住三句话:

  1. 清晰 > 聪明:别炫技,把需求说清楚最重要。
  2. 迭代 > 完美:第一次不满意很正常,通过多轮对话逼近目标。
  3. 人仍然是导演:AI 是放大器,放大你的判断力,也放大你的混乱。

"未来不是 AI 取代人,而是会用 AI 的人取代不会用 AI 的人。" 而会用 AI 的第一步,就是学会和它说话。

附:推荐学习资源

前端、后端、部署、客服都是我一个人。写这里的东西都是真踩过的坑，不是抄来的教程。