还在为提示词焦虑？其实，我们可能都想错了

什么是提示词？

如果大家经常使用一些AI工具，应该会频繁听到一个词——提示词。

那么到底什么是提示词呢？

按照我的理解，提示词就是我们让大模型完成任务时，给它下达的指令，是我们与AI沟通的桥梁，当前提示词是大模型能力不足的副产品。

提示词大致可以分为两类：

第一类是针对我们这样的普通用户，我们通常接触的是豆包、DeepSeek这种开箱即用的产品，我们可以让它写Excel的公式、解释概念等等。

对于这些简单的任务，提示词技巧其实用处不大，因为我们可以不断与它沟通，调整大模型的输出，就像平时和人沟通一样。

第二类是针对AI工程师，假如我们是DeepSeek的AI工程师，每天使用我们产品的用户至少有好几百万，我们的提示词就必须要像写程序一样严谨，提示词的好坏，直接决定了用户的体验。所以我们必须仔细研究提示词技巧，甚至是上下文工程，让AI输出稳定可靠的结果。

但我们大多都属于第一类，不需要掌握过多的提示词技巧，换句话说，我们大部分人的工作，还没有到需要研究提示词技巧的程度。

如何写好提示词？

既然我们不需要研究提示词技巧，那么是否可以不去了解如何写好提示词呢？

当然不是，这就走向了另一个极端，我认为对于简单的提示词原则，还是需要了解的，只是不用过多的钻研"奇技淫巧"，因为提示词也确实决定了AI输出结果的质量。

比如说我们开了一家手冲咖啡馆，需要让AI设计LOGO，假如我们直接对它说"帮我们设计个咖啡馆的LOGO"，它输出的结果可能完全体现不出"手冲"这样的含义。

如果我们对它说"设计一家主打手冲咖啡的精品咖啡馆LOGO，要求：体现’慢生活’核心理念，包含咖啡豆元素，配色方案：深棕+米白，禁用红色系"，它给出的结果就好了很多。

所以接下来，我想分享一些关于编写提示词的简单原则。

我们可以想象一下，如果我们要给自己的助手布置任务，一般会怎么做？

是不是通常会按照任务背景、任务目标、具体步骤、（可量化的）结果这样的结构去传达任务？让助手明白为什么要完成这个任务，如何完成，怎么才算完成。

现在，大模型就是我们的助手，我们给它布置任务时，同样需要告诉它任务背景、目标、完成步骤、输出结果。

简单来说就是把事说清楚。

这里有些小的原则可以供大家参考：

1、使用分隔符

在撰写的时候，可以使用分隔符区分不同的模型，比如双引号，markdown语法，帮助大模型识别哪些地方是背景，哪些是结果要求。

2、定义输出结构

我们让AI完成任务时，对任务结果一般都会有具体的要求，所以需要定义清楚，告诉AI什么样的结果才算是合格的。

以上周分享的建立群聊知识库文章为例，当时提到为了让知识库更好地发挥效果，我们上传的每篇群聊总结文档都需要具有统一的结构，于是我告诉AI输出模块为"热点话题"、“资源分享”、"干货问答"三个。

3、少样本提示

少样本提示，其实就是举例子，告诉AI什么样的内容才是符合要求的。比如我们告诉AI有个输出模块是干货问答，那么什么样的才算是干货，我们就需要举例子告诉它，让它知道如何"模仿"。

4、明确任务步骤

这个用业内黑话装逼来说就是思维链，其实不就是明确任务步骤嘛~

还是以上篇搭建知识库的文章为例，我们需要让AI总结群聊记录，那么就得告诉它步骤，让它知道如何总结

第一步：定义输出结构

第二步：给出每个部分的填充规则

第三步：最后按照前面两步的要求进行总结

为什么要这样去做？

其实这相当于是给予模型足够的思考时间。比如我们有个助理小王，想让小王帮忙调研房地产行业，辅助公司做出投资决策，但我们让他明天必须完成。结果显而易见，小王最终提交的行业报告质量必定很低，因此，给予足够的时间是提高任务质量的关键。

对于模型来说也是一样，我们给它指定步骤的隐含意思是告诉它：“不要急，一步一步思考，我需要高质量的交付结果”。

5、不断迭代

没有完美的提示词，只有更好的提示词。

如果把提示词当成一个产品，那么它也是需要不断迭代的，不存在完美的提示词，只有通过持续迭代才能达到更好的效果。就像我们让人类助手完成任务时一样，初次提交的结果往往需要修改。

还是以构建群聊知识库为例，第一版的提示词我只是指定了输出的模块有哪些，并没有告诉AI每个模块怎么填充，我相信它可以干好，结果输出的一塌糊涂…

于是我在第一版的基础上迭代，告诉AI每个模块应该如何填充，这才有了可用的结果。

6、克服幻觉问题

除了上面五点之外，需要认识到当前大模型依然存在局限性，它会"说胡话"。因此，我们可以要求模型在输出结果时必须基于事实依据，并引用相关信息，禁止随意编造。

以上就是对于写提示词的一些通用的原则，如果我们记不住，只需要记住一点：在让AI完成任务时，我们必须充分传达上下文信息，帮助它理解并执行任务。

总结

在提示词上，我们并不需要掌握太多技巧层面的东西，只需要把握好一些原则，而这些原则自己也能"悟出来"。

实际上，AI比我们更懂提示词技巧，我们完全可以让AI帮我们撰写提示词，然后测试迭代，与AI一起共同优化提示词，这也是我经常用的办法。

也许，某天大模型能力足够强之后，提示词也将会寿终正寝，走下历史的舞台。

题外话：如果大家真的对提示词技巧感兴趣，可以去搜索一些资料，比如CRISPE、RISE等提示词框架，其实都大同小异，它们的目的都是一样的，给出AI足够的上下文信息，更好地传达任务指令。