大家好，我是玄姐。

提示詞工程是上下文工程中至關重要的基礎，而上下文工程已成為與大語言模型協作的核心環節。簡單說，提示詞工程就是通過合理組織指令，讓 AI 模型輸出更符合需求的結果，比如：怎么提問、指定輸出風格、提供背景信息，最終引導 AI 按你的目標做事。

模糊的指令和精心設計的提示詞，差距可能天差地別：前者可能需要反復溝通才能明確需求，后者卻能一步到位拿到想要的結果。下面就從基礎技巧到進階方法，分享一套實用指南，幫你快速提升 AI 使用效果。

一、核心基礎技巧（立刻能用，立竿見影）

1. 指令要明確直白

AI 聽不懂 “言外之意”，別指望它猜你的想法，直接說清楚需求就行，用簡單的語言把目標講透。

• 核心原則：明確告訴 AI 你想要什么，要全面的結果就直接提，要特定功能就列出來，現代 AI（比如：Claude）尤其吃 “明確指令” 這一套。
• 反面例子（模糊）：“做一個數據分析儀表盤”。
• 正面例子（明確）：“做一個數據分析儀表盤，包含盡可能多的相關功能和交互效果，別只做基礎版，要打造一個功能完備的版本”。
• 小技巧：用 “撰寫”、“分析”、“生成”、“創建” 這類直接的動詞開頭，跳過鋪墊直奔主題，明確說明輸出要包含什么，以及對質量、深度的要求。

2. 提供背景和動機

跟 AI 解釋 “為什么要這么做”，能幫它更好理解你的核心目標，輸出更貼合需求的結果，尤其是新款 AI，能根據你的潛在目的做判斷。

• 反面例子（效果差）：“絕對不要用項目符號”。
• 正面例子（效果好）：“我希望回復是自然的段落形式，而不是項目符號。因為我覺得連貫的 prose 更容易讀，也更像聊天的感覺，項目符號太正式、太像清單了，不符合我輕松學習的風格”。
• 適用場景：說明輸出的用途 / 受眾、解釋約束條件的原因、描述輸出的使用場景、講清你要解決的問題。

3. 描述要具體詳細

越具體的指令，AI 的輸出越精準。所謂 “具體”，就是給 AI 明確的規則和要求，不留下模糊空間。

• 反面例子（模糊）：“做一個地中海飲食的 meal plan”。
• 正面例子（具體）：“設計一個適合糖尿病前期人群的地中海飲食計劃，每天 1800 卡路里，重點選低升糖指數的食物。要包含早餐、午餐、晚餐和一份加餐，還要附上完整的營養成分表”。
• 具體提示詞該包含什么：明確約束（字數、格式、時間）、相關背景（受眾、目標）、輸出結構（表格 / 列表 / 段落）、特殊要求（飲食禁忌、預算限制、技術規范）。

4. 用示例輔助說明

有時候 “示范” 比 “描述” 更管用，這就是常說的 “單樣本提示” 或 “少樣本提示”，適合那些不好用文字說清的格式、語氣或潛在規則。

• 注意：新款 AI（比如：Claude 4.x）對示例細節很敏感，示例要符合你想鼓勵的行為，避免包含不想要的模式。
• 反面例子（無示例）：“總結這篇文章”。
• 正面例子（帶示例）：“我想要這樣風格的總結：文章：[AI 監管相關文章鏈接]總結：歐盟通過全面的《人工智能法案》，針對高風險系統，核心條款包括透明度要求和人工監督規定，2026 年生效。現在按同樣風格總結這篇文章：[你的新文章鏈接]”
• 適用場景：想要的格式不好描述、需要特定語氣 / 風格、任務涉及隱性規則、簡單指令沒得到一致結果。
• 小技巧：先試 1 個示例（單樣本），如果效果不好再加更多（少樣本）。

5. 允許 AI 表達不確定

明確告訴 AI “不知道就說不知道”，別瞎猜，這樣能減少 AI 胡編亂造的情況，讓結果更可信。

• 例子：“分析這份財務數據并找出趨勢，如果數據不足以得出結論，直接說明，不要猜測。”

二、進階技巧（復雜場景必備）

基礎技巧能應對大部分情況，但遇到復雜任務（比如：多步驟分析、結構化輸出），就需要更高級的方法。

1. 預填 AI 的回復

簡單說就是 “幫 AI 開頭”，引導它的輸出格式、語氣或結構，尤其適合強制要求特定格式，或想跳過多余鋪墊的場景。

• 適用場景：需要 JSON/XML 等結構化輸出、想跳過寒暄直接要內容、要保持特定語氣 / 角色、控制 AI 的回復開頭。
• 例子（強制 JSON 輸出）：不用預填時，AI 可能會說 “這是你要的 JSON：{...}”；用預填（API 使用場景）：messages=[{"role": "user", "content": "從這個產品描述中提取名稱和價格，用 JSON 格式輸出。"},{"role": "assistant", "content": "{"}]，AI 會接著左括號往下寫，只輸出有效的 JSON。
• 聊天界面替代方案：直接明確要求 “只輸出有效的 JSON，不要多余鋪墊，回復開頭就寫左括號 {”。

2. 思維鏈提示（CoT）

讓 AI 先一步步推理，再給出答案，適合復雜的分析類任務，能讓 AI 的思考過程更有條理。

• 現代替代方案：Claude 的 “擴展思考” 功能會自動做結構化推理，有這個功能就優先用；沒有的話，手動思維鏈也很有用。
• 適用場景：沒有 “擴展思考” 功能（比如：Claude 免費版）、需要可審查的推理過程、任務需要多步分析、要確保 AI 考慮特定因素。
• 三種常見用法：

1. 基礎版：在指令里加 “一步步思考”；
2. 引導版：規定推理步驟，比如：“寫郵件前先思考：1. 根據捐贈者的歷史捐贈記錄，哪種話術能打動他們？2. 關愛兒童項目的哪些方面能引起他們共鳴？3. 結合前面的分析寫個性化郵件”；
3. 結構化版：用標簽區分推理和結果，比如：“用<thinking>標簽寫下思考過程，先分析捐贈者偏好，再找項目亮點，最后用<email>標簽輸出郵件”。

3. 控制輸出格式

想讓 AI 的回復格式統一，試試這三個方法：

• 不說 “不要做什么”，說 “要做什么”：比如：不說 “不要用 markdown”，說 “回復用連貫的段落，流暢自然”；
• 提示詞格式貼合目標輸出：你想讓 AI 少用 markdown，自己的提示詞里就少用；
• 明確格式偏好：比如：“寫報告時用完整段落，段落間正常換行；markdown 只用來標代碼、代碼塊和簡單標題；除非是必須列表呈現的獨立項，否則別用有序 / 無序列表，把內容自然融入句子里”。

4. 提示詞串聯

把復雜任務拆成多個小步驟，每個步驟用單獨的提示詞，上一步的輸出作為下一步的輸入，雖然費點時間，但準確率會大幅提升。

• 例子（研究總結）：第一步提示詞：“總結這篇醫學論文，包含研究方法、研究結果和臨床意義”；第二步提示詞：“審核上面的總結，從準確性、清晰度、完整性三個方面給出評分和反饋”；第三步提示詞：“根據這個反饋優化總結：[第二步的反饋內容]”。
• 適用場景：任務復雜需要拆分、需要反復優化、多階段分析、中間需要驗證、單個提示詞結果不穩定。
• 權衡：會增加等待時間（多次調用 API），但復雜任務的準確率和可靠性會明顯提高。

三、那些你可能聽過的 “老技巧”（現在怎么用）

有些技巧在早期 AI 上很管用，但現代 AI（比如：Claude）已經不需要了，不過特定場景下仍能發揮作用：

1. XML 標簽結構化

以前用 XML 標簽幫 AI 區分內容，但現在 AI 不用標簽也能理解結構，只有三種情況可以用：處理超復雜、多類型內容的提示詞、需要明確區分內容邊界、使用老版本 AI。

• 現代替代方案：用清晰的標題、空格，或者明確的引導語（比如：“根據下面的運動員信息生成飲食計劃：...”），效果一樣還更簡單。

2. 角色提示詞

給 AI 指定 “專家身份”（比如：“你是財務顧問”），但別過度限制 ，比如：不說 “你是世界頂級專家，只說專業術語，從不犯錯”，這樣會讓 AI 變得不實用。

• 現代替代方案：直接說明想要的視角，比如：不說 “你是財務顧問，分析這個投資組合”，說 “分析這個投資組合，重點看風險承受能力和長期增長潛力”。
• 適用場景：需要統一語氣、應用需要特定人設、復雜話題需要領域視角。

四、組合技巧：怎么搭配效果最好

提示詞工程的關鍵不是 “用所有技巧”，而是 “選對適合的組合”。分享一個實用示例，看看多種技巧怎么配合：“從這份季度報告中提取關鍵財務指標，用 JSON 格式輸出。我需要用這些數據做自動化處理，所以回復必須只有有效的 JSON，不能有任何鋪墊或解釋。格式要求：{"revenue": "帶單位的數值","profit_margin": "百分比","growth_rate": "百分比"}如果報告中沒有明確說明某個指標，就填 null，不要猜測。回復開頭直接寫左括號 {”

• 用到的技巧：明確指令、提供背景、示例格式、允許表達不確定、控制輸出格式。

技巧選擇框架（快速決策）

1. 先檢查：你的需求夠明確嗎？不夠就先優化清晰度；
2. 任務簡單：只用水準技巧（明確、具體、提供背景）；
3. 需要特定格式：用示例或預填；
4. 任務復雜：拆分任務（提示詞串聯）；
5. 需要推理：用 “擴展思考”（有就用）或思維鏈。

五、常見問題排查（輸出不滿意怎么辦）

小技巧：從簡單開始，逐步優化

不用一開始就寫復雜提示詞，先試基礎版本，覺得不滿意再慢慢加技巧，每加一個就測試一次，看是否真的有改善。

六、要避免的常見錯誤

1. 過度設計：提示詞不是越長越復雜越好；
2. 忽略基礎：核心指令模糊的話，再高級的技巧也沒用；
3. 指望 AI “讀心”：不明確說明的話，AI 很可能誤解；
4. 堆砌技巧：只選能解決你具體問題的技巧；
5. 不迭代：第一次寫的提示詞很少完美，要測試修改；
6. 依賴過時技巧：現代 AI 不用 XML 標簽和復雜角色設定，先從明確指令開始。

七、特殊場景：長內容 / 復雜任務怎么處理

1. 注意 token 消耗

提示詞里的示例、詳細說明都會占用 token（相當于 AI 的 “記憶空間”），別濫用技巧，只在有必要的時候用。

2. 現代 AI 的優勢

Claude 4.x 這類新款 AI 的上下文理解能力已經提升很多，不會再出現 “中間內容記不住” 的問題。

3. 拆分任務依然有用

就算 AI 能處理長內容，拆分任務還是能提升質量，因為聚焦的任務 + 明確的邊界，能讓 AI 更專注，輸出更精準。

4. 小策略

• 長內容：把關鍵信息放在開頭或結尾；
• 復雜任務：拆成多個聚焦的子任務，每個子任務給明確要求。

八、怎么判斷提示詞好不好用

1. 輸出是否符合你的具體要求？
2. 是不是一次就拿到滿意結果，不用反復溝通？
3. 多次測試，輸出格式是否一致？
4. 有沒有避開前面說的常見錯誤？

如果想系統提升技巧，可以看看 Anthropic 的提示詞工程課程（???https://anthropic.skilljar.com/??）。

九、最后總結

提示詞工程本質上是 “溝通”，用 AI 能聽懂的語言說清你的意圖。先把基礎技巧用熟（明確、具體、給背景），形成習慣后，再根據需要加進階技巧。

最好的提示詞不是最復雜的，而是能用最少的結構，穩定達到目標的。而且提示詞工程是上下文工程的基礎，好的提示詞會和對話歷史、附件、系統指令一起，讓 AI 的輸出更優。

現在就用 Claude 試試這些技巧吧！

好了，這就是我今天想分享的內容。

本文轉載自???玄姐聊AGI??  作者：玄姐