提示词这件事有一个很割裂的现象：网上讲提示词的教程多到看不完，各种公式、框架、技巧铺天盖地，但大部分人看完之后还是写不好。不是这些教程没用，而是它们跳过了最关键的一步——让你看到"一个烂prompt是怎么一步一步变好的"。
你看完"角色+任务+约束+格式"这个公式，回到自己的场景还是不知道从哪下手。因为公式告诉你"应该有什么"，但没告诉你"你现在缺什么、怎么补"。换个写法：拿三个真实场景的烂prompt，从第一版开始，每一步改了哪里、为什么改、改完效果差在哪，全部标出来。跟着走一遍，比你读十篇公式总结管用。
三个案例分别对应三个最常见的使用场景：写一篇文章（内容创作）、分析一批数据（数据处理）、翻译一段专业文档（专业任务）。每个案例都从新手最常写的"一句话prompt"出发，逐轮迭代优化，直到输出可用。
一、先搞清楚：AI到底是怎么"读"你的提示词的
很多人写不好提示词，不是脑子不清楚，是对AI的工作方式有误解。三个最常见的误解：
误解一：以为AI能"理解"模糊指令。你说"帮我写个方案"，AI不会反问"什么方案？给谁看？多长？什么风格？"——它会猜。猜对了你就觉得AI厉害，猜错了你就觉得AI智障。实际上是你把决策权交给了AI，而AI的默认决策往往不是你想要的。
误解二：以为写得越长越好。把一堆背景信息、参考资料、各种要求全塞进一个prompt，以为信息越多AI理解越准。实际效果相反——prompt超过一定长度后，AI会抓不住重点，反而忽略了你最关键的约束。提示词的质量不取决于字数，取决于信息的结构化程度。
误解三：以为AI会"记仇"或"学习"。每次对话是独立的，AI不会因为你上次纠正了它，这次就自动改正。你上次说"不要用emoji"，它这次照样会用，除非你这次也说了。提示词的约束只在当前对话有效，不跨会话继承。
这三个误解澄清之后，才能理解下面要讲的核心原则：写提示词不是在跟AI聊天，而是在给AI写一份"任务说明书"。说明书的特点是：明确、无歧义、可验证。你说"写得好一点"，这不是说明书语言，这是口头禅。你说"每段不超过150字，至少包含一个具体数据"，这才是说明书语言。
二、案例一：写一篇行业分析文章（从20分改到85分）
这是最典型的新手prompt——"帮我写一篇XX文章"。看着简单，问题最多。
❌ 第一版（新手常见写法）
问题诊断：AI需要猜五个变量——文章类型（科普/评测/趋势分析/政策解读？）、篇幅（500字还是5000字？）、受众（业内人士还是小白？）、风格（严肃还是轻松？）、角度（正面还是批判？）。五重不确定性叠加，输出几乎一定是"泛泛而谈的正确废话"。
🟡 第二版（加了角色和任务）
改了什么：加了角色（行业分析师→输出有了专业感）和具体任务（竞争格局分析→不再泛泛而谈）。效果：AI输出确实像"分析师写的"了，有行业术语、有格局框架。但新问题来了——写了3000字，全是宏观论述，没有一个具体品牌、一个具体数字、一个具体时间节点。读起来像行业白皮书，不像公众号文章。
🔵 第三版（补齐受众和约束）
任务：写一篇关于2026年新能源汽车行业竞争格局的分析文章。
目标读者：准备买新能源车的普通消费者，不是行业人士。
篇幅：2000字左右。
风格：公众号推文风格，口语化，多用比喻解释专业概念。
核心要求：
1. 必须提到至少3个具体品牌（比亚迪、特斯拉、蔚来等）的竞争动作
2. 必须引用至少2个具体数据（销量、市占率、价格等）
3. 每段不超过4行，适合手机阅读
4. 禁止使用'业内人士认为''有数据显示'等模糊引用，所有数据需标注来源类型"
改了什么：加了目标读者（普通消费者→AI会降低专业术语密度）、篇幅约束（2000字→AI知道不能水字数）、具体可验证的要求（3个品牌+2个数据→AI有明确完成标准）。效果：输出质量从60分跳到80分。但还有一个问题——结构有点散，AI把品牌分析、技术对比、购买建议全混在一起了。
✅ 第四版（定死结构，最终可用）
任务：写一篇关于2026年新能源汽车行业竞争格局的分析文章。
目标读者：准备买新能源车的普通消费者。
篇幅：2000字左右，公众号推文风格。
【按以下结构输出，每个部分标注小标题】
一、2026年市场格局速览（300字）：用2个核心数据描述当前格局，谁在涨谁在跌
二、三个品牌的竞争策略拆解（800字）：比亚迪/特斯拉/蔚来各写一段，每段含一个具体动作+消费者影响
三、技术路线之争对消费者的影响（500字）：纯电vs增程vs插混，用买车决策的角度讲
四、现在买还是再等等（300字）：给出基于格局变化的购买建议
核心要求：
- 每个部分必须包含至少1个2025-2026年的具体数据
- 禁止使用'业内人士认为''有数据显示'等模糊引用
- 每段不超过4行，适合手机阅读"
改了什么：把"写一篇文章"拆成了四个有明确标题和字数的子任务。AI不再需要自己决定结构，直接按框架填内容。效果：输出结构清晰、信息密度高、每段都有具体内容。从第一版的20分到第四版的85分，核心改动不是"写得更好"，而是"把模糊指令变成可执行的任务清单"。
从这个案例总结出写提示词的第一条核心心法：不要描述"你想要的"，要定义"AI应该产出的"。"一篇好文章"是描述，"四个部分各300-800字、每部分含1个数据"是定义。定义能被AI理解和执行，描述只能被AI猜测。
三、案例二：分析一批数据（从一句话到自动化分析报告）
数据处理是很多人用AI的盲区——不知道AI能做什么、不知道该让它怎么做。
❌ 第一版
问题诊断：截图里AI能看到数据，但它不知道你关心什么——是看趋势？是找出异常？是对比产品线？是分析季节性？没有分析方向，AI只会给你一堆"总销量XX、最高XX、最低XX"的统计描述，毫无分析价值。
✅ 改一版直接可用
1. 数据概览：时间范围、总销售额、总订单数、平均客单价（1句话概括）
2. 月度趋势：按月汇总销售额，指出增长最快的月份和下跌最多的月份，分析可能原因
3. 产品线对比：按产品线分组，计算各产品线的销售额占比和环比增长率，标注表现最好和最差的产品线
4. 异常检测：找出销售额或订单数明显偏离均值的数据点，标注具体日期和可能原因
5. 行动建议：基于以上分析，给出3条具体的运营建议
输出格式：Markdown，每个部分配一个表格展示关键数据。"
核心改动：把"分析"这个模糊动词拆成了5个具体的分析动作——概览、趋势、对比、异常、建议。每个动作都有明确的输出要求。效果：从"一堆统计数字"变成"一份可用的分析报告"。改的不是AI的能力，是任务定义的精度。
数据类任务的提示词心法：AI不会替你思考"应该分析什么"，你需要在prompt里把分析框架给出来。如果你自己都不知道想从数据里看出什么，AI更不可能知道。先想清楚你的分析问题是什么，再把每个问题写成prompt里的一个子任务。
四、案例三：翻译专业文档（通用翻译prompt和专业翻译的差距）
翻译看起来最简单——"把这段中文翻译成英文"——但专业文档的翻译远不是字对字转换。
❌ 第一版
AI输出："Company XX and Company YY have reached a strategic cooperation agreement. Both parties will carry out in-depth cooperation in the field of intelligent manufacturing and jointly promote the research and implementation of Industry 4.0 solutions."——语法全对，但像机翻。"战略合作""深度合作""研发与落地"这些中文惯用表达被直译了，英文读起来很别扭。
✅ 加了场景和术语表
翻译原则：
1. 中文的'战略合作'应译为'strategic partnership'而非'strategic cooperation'（后者是中式英语）
2. '深度合作'译为'deepen collaboration'，避免直译'depth cooperation'
3. '研发与落地'译为'R&D and deployment'，'落地'在商业语境下不应译为'landing'
4. 保持正式商业新闻的语气，不使用口语化表达
5. 公司名保持原样，不做翻译
原文：XX公司与YY公司达成战略合作协议，双方将在智能制造领域开展深度合作，共同推进工业4.0解决方案的研发与落地。"
核心改动：加了三个东西——使用场景（英文官网→决定了正式程度）、术语表（中式英语→地道表达对应表）、风格约束（正式商业新闻语气）。效果：从"能看懂但别扭"变成"可以直接发布"。
翻译类任务的提示词心法：告诉AI"怎么译"比告诉它"译什么"更重要。专业翻译的质量差异不来自词汇量，来自对行业术语习惯、目标读者预期、文体风格的把握。把这些约束写进prompt，比给一个术语表更有用。
五、从三个案例里抽象出来的提示词编写四步法
三个案例看下来，你会发现在修改过程中有一个固定的规律。每次优化都在做同一类事情，只是案例不同。把这个规律抽象出来，就是你以后写任何prompt都能用的四步法：
定角色：告诉AI"你是谁"
不要只说"你是一个专家"，要具体到领域+年限+场景。"你是一个有10年经验的新能源汽车行业分析师"比"你是一个专家"效果好3倍。因为越具体的角色，AI激活的专业知识越精准。
自检问题：这个角色设定能让AI自动调用正确的知识库和语言风格吗？
拆任务：把"做一件事"拆成"做N步"
永远不要写"帮我分析""帮我写一篇""帮我总结"这种笼统任务。把它拆成子步骤。案例一里"写一篇文章"拆成了四个有明确标题和字数的部分，案例二里"分析数据"拆成了概览→趋势→对比→异常→建议五个步骤。
自检问题：如果让另一个人按我的prompt操作，他能不能不出错地完成？
加约束：每条约束必须"可验证"
"写得详细一点"不可验证，AI不知道多详细算详细。"每个论点附一个具体数据"可验证，AI自己就能检查。把所有"感觉型"约束改为"检查型"约束——写完prompt之后，想象你是AI，你能判断自己是否满足每一条要求吗？
自检问题：每条约束后面，AI能不能自己判断"做到了"还是"没做到"？
定格式：说清楚输出长什么样
Markdown还是纯文本？要不要表格？要不要小标题？要不要分段？这些不是审美问题，是实用问题——你拿到AI输出之后是要直接复制到公众号编辑器，还是导入Excel，还是粘贴到PPT？不同用途需要不同的格式。
自检问题：AI输出之后，我需要做多少格式调整才能用？
四步法走下来，你的prompt从"一句话"变成了"一份任务说明书"。不需要背公式、不需要记模板，每次写prompt按这四步走一遍，输出的质量就会有质的提升。
六、写提示词最容易踩的五个坑，每个坑都配一个修正方案
上面的四步法是"正向教你该做什么"，下面这五个坑是"反向告诉你不该做什么"。两套配合使用，基本覆盖了80%的提示词问题。
| 常见错误 | 为什么是坑 | 修正前 | 修正后 |
|---|---|---|---|
| 坑1：用否定句代替正面指令 | AI对"不要做什么"的理解远弱于"要做什么"。说"不要太学术"，AI不知道什么叫"太学术"。 | "不要写得太学术" | "用生活化的语言，类比日常事物来解释专业概念" |
| 坑2：约束互相矛盾 | "详细分析（100字以内）"——AI只能二选一，要么详细但超字数，要么控制字数但不够详细。 | "详细分析每个品牌的竞争策略（100字以内）" | "用100字概括每个品牌最核心的一个竞争策略" |
| 坑3：关键约束藏在段落中间 | AI对长prompt中间位置的注意力权重较低。字数限制、格式要求放在中间容易被忽略。 | 把"2000字左右"放在一大段描述的中间 | 关键约束单独成行，放在prompt末尾，用"【】"或"注意："标记 |
| 坑4：过度依赖角色设定 | 以为设了"你是一个专家"就万事大吉。角色只影响语言风格和知识范围，不影响任务执行精度。 | 设了角色后不写具体任务要求，期望角色自带精度 | 角色设定+任务拆分+可验证约束，三件套缺一不可 |
| 坑5：不给示例 | AI对文字描述的精度理解有限。一个示例比一百字的描述更直观。尤其是格式复杂或风格特殊的任务。 | "用表格输出分析结果" | "用表格输出，格式参照：[粘贴一个表格示例]" |
七、不同场景的提示词差异对照
同一个四步法，用在不同的场景里，侧重点完全不同。下面一张表说清楚写作、数据分析、翻译、编程四个场景的prompt要点差异：
| 场景 | 角色重要性 | 任务拆分 | 约束重点 | 格式要求 |
|---|---|---|---|---|
| 内容写作 | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐ | 受众、语气、篇幅 | Markdown/纯文本 |
| 数据分析 | ⭐⭐ | ⭐⭐⭐⭐⭐ | 分析维度、计算方法 | 表格/图表描述 |
| 翻译 | ⭐⭐⭐ | ⭐ | 术语表、语气、受众 | 保持原文格式 |
| 编程 | ⭐⭐⭐ | ⭐⭐⭐⭐⭐ | 技术栈、代码规范、边界条件 | 代码块+注释 |
一句话记住这个表：写作重角色、分析重步骤、翻译重术语、编程重边界。每次写prompt之前，先判断你属于哪一列，然后把精力集中在星最多的那个要素上。
八、写完之后怎么判断这个prompt好不好
不用任何工具，三个检查就够了：
替换检查：把任务主体换掉，prompt还能用吗？
把"分析新能源汽车行业"换成"分析智能家居行业"，prompt主体结构不需要大改，只替换行业名称和案例就能用——说明你的prompt结构是好的。如果换个行业就要重写，说明你把太多具体内容硬编码进了prompt结构里。
新人检查：把prompt给一个完全不了解这个任务的人看，他能不能理解你要AI做什么？
如果连人都看不懂，AI大概率也看不懂。好的prompt应该清晰到让一个外行读完就知道"哦，你想让AI产出这个东西"。
三明治检查：跑一遍，只改prompt不手动编辑输出，你能直接使用AI的结果吗？
拿到AI输出后，不要手动修改，直接判断"能用"还是"不能用"。如果需要手动改格式、补信息、调语气——说明这些要求没有写进prompt里。把需要手动改的地方记录下来，下次写到prompt里。
九、不同模型，同一套prompt写法通用吗
四步法本身是通用的——定角色、拆任务、加约束、定格式，这套逻辑在所有主流AI模型上都适用。但不同模型对prompt的敏感度不同，需要注意两个差异：
| 模型 | 特点 | 提示词建议 |
|---|---|---|
| Claude | 对长prompt友好，能处理复杂约束，写作质量高 | 可以写得详细一些，给示例效果特别好。适合复杂任务。 |
| ChatGPT | 对结构化指令响应好，执行精度高 | 用分隔符（###、---）把不同部分隔开，约束放在prompt末尾效果更好。 |
| DeepSeek | 推理能力强，但格式遵从度偶尔不稳定 | 格式要求要写两遍（开头提一次+结尾强调一次），提高遵从率。 |
| 文心一言 / 通义千问 | 中文理解好，但对英文术语混合的prompt容易混乱 | 尽量全中文写prompt，避免中英文混杂。如果有英文术语，给出中文解释。 |
如果你不确定用什么模型，先用Claude或ChatGPT跑第一版prompt，效果满意之后再拿到其他模型上测试。不同模型之间迁移prompt，通常只需要微调格式和约束位置，不需要重写。
最后讲一句
写提示词这件事，说到底就一句话：把"我想要什么"翻译成"AI需要知道什么才能准确执行"。大部分人卡在中间这一步——脑子里知道自己想要什么，但不知道怎么转化成AI能理解的指令。
四步法（定角色→拆任务→加约束→定格式）就是这座桥梁。下次写prompt的时候，打开一个空白文档，按这四步走一遍，不要跳步骤。走完你会发现，你写出来的prompt长度是之前的3-5倍，但输出的质量提升远不止3-5倍。
最后记住：好prompt是改出来的，不是一次写对的。写完→跑一遍→看输出→找出哪里不满意→回到四步法找到对应步骤修改→再跑一遍。这个循环重复3-5轮，你的prompt就能从"能用"进化到"好用"。
