2.2 六大核心提示技巧

掌握了 CO-STAR 框架之后,我们还需要一套具体的"招式"。本节介绍六种经过实践验证的提示技巧,它们可以单独使用,也可以组合运用。

一、角色设定法:让 AI 扮演特定专家

核心逻辑:通过为 AI 设定一个明确的身份,限制其回答的领域范围,调用该角色背后的知识体系。

角色设定越清晰,AI 的回复就越专业、越贴合需求。

对比示例:

提问方式 提示词 输出质量
无角色 "分析一下这款产品的竞争优势" 泛泛而谈的优缺点列表
有角色 "你是一位拥有 10 年经验的市场营销专家,请从品牌定位、用户画像、竞品差异化三个维度,分析这款智能手表的竞争优势" 结构清晰、视角专业的分析报告

进阶技巧:角色不仅可以是职业身份,还可以是具体的人物风格。例如:

"你是一位深谙'00 后'文化的茶饮品牌文案策划,请用轻松幽默的网络语言,为一款新上市的桂花乌龙奶茶撰写小红书推广文案。"

二、框架指令法:用结构化模板约束输出

核心逻辑:通过明确"背景 + 目标 + 要求"三个要素,帮 AI 快速搭建清晰的输出框架,防止内容偏离或空洞。

操作公式

假设你是 [角色],面向 [受众],在 [场景] 下,
请完成 [具体任务]。
要求:
1. [格式要求]
2. [内容要求]
3. [禁止事项]

实战示例:年会致辞

背景:公司今年营收增长 30%,但行业竞争加剧,团队经历了艰难的转型期。
目标:撰写一篇 5 分钟的年会致辞,突出成绩与挑战,传递正能量。
要求:
1. 避免使用"砥砺前行""不忘初心"等陈词滥调;
2. 用用户增长数据和一线员工故事替代空话;
3. 结尾加入明年全员体检福利的预告,制造惊喜感。

框架指令法的价值在于:把你脑中模糊的需求,转化为 AI 能精确执行的结构化指令。

三、思维链(CoT):让 AI "一步步想"

核心逻辑:引导大模型逐步展示思考过程,将复杂推理分解为多个步骤,从而提高回答的准确性。

思维链的原理很直观:如果不分步,模型可能直接"猜"一个答案;分步之后,它能像人类一样逐步推导,大幅减少错误。

对比示例:

问题:一个球重 500 克,盒子比球重 100 克,盒子多重?

方式 提示词 AI 回答
直接提问 "盒子多重?" 可能错答 400 克
使用 CoT "请一步一步思考,先列出已知条件,再逐步计算" ① 球 = 500 克;② 盒子 = 球 + 100 克;③ 500 + 100 = 600 克

常用触发语句

  • "请一步一步思考"(Let's think step by step)
  • "请先列出你的推理过程,再给出最终答案"
  • "请分三步完成这个任务:第一步……第二步……第三步……"

思维链特别适合数学计算、逻辑推理、多步骤任务规划等场景。

四、"被动解药"法:让 AI 先列关键问题再作答

核心逻辑:这是一个便于记忆的四步提问口诀——(背景)、(动作)、(结果)、(要求),帮助用户快速组织提示词。

步骤 含义 对应问题
背景 任务的背景是什么?
动作 需要 AI 做什么?
结果 期望达到什么效果?
要求 有哪些具体限制?

对比示例:

方式 提示词
原始提问 "教我做西红柿炒蛋"
被动解药法 "我是厨房新手(),请教我做西红柿炒蛋(),要简单易操作、适合一人份(),请说明火候控制要点,不要用专业术语()"

"被动解药"法的另一个高级用法是让 AI 反过来提问

"我想为班级策划一次春游活动,但还没想清楚细节。请你先向我提出 5 个关键问题,帮我梳理思路,然后根据我的回答生成方案。"

这种方式让 AI 变成"提问者",引导用户逐步完善需求,特别适合需求不明确的场景。

五、示例参考法:"给座城池"仿写模型

核心逻辑:当你不仅需要 AI 写内容,还需要它模仿特定的风格或逻辑时,直接投喂优秀的范文让它学习。

《AI 写作》一书将这一方法总结为"给座城池"四步法:

步骤 谐音 操作 说明
第一步 (给参考) 投喂范文 把你认为优秀的文章或文案模板发给 AI
第二步 (做拆解) 分析风格 让 AI 拆解范文的结构、语气、修辞手法
第三步 (再生成) 模仿创作 让 AI 按照拆解出的标准,写新的内容
第四步 (持续修) 迭代优化 根据效果持续调整细节

实战示例:仿写小红书爆款文案

第一步(给):请阅读以下小红书爆款文案:[粘贴范文]

第二步(座):请分析这篇文案的写作手法,包括标题结构、
             情感表达、互动方式、关键词使用等。

第三步(城):请模仿上述风格,为《结构演讲力》这本书
             撰写一篇小红书推荐文案。

第四步(池):请在文案中增加 3 个 emoji 表情,
             并将标题改为疑问句式以提高点击率。

六、迭代优化法:多轮对话逐步逼近理想结果

核心逻辑:不要期望一次提问就得到完美答案。通过多轮对话,逐步修正和完善 AI 的输出。

迭代优化有两种常用路径:

路径一:"反客为主"——让 AI 提问

"我想写一份商业计划书,但还没有清晰的思路。请你扮演一位创业导师,通过提问帮我梳理项目的核心要素。"

AI 会依次询问:"你的项目解决什么问题?""目标用户是谁?""盈利模式是什么?"……你只需逐一回答,最后让 AI 根据对话内容生成完整方案。

路径二:"思考复盘"——检查 AI 的推理过程

当 AI 的回答出现错误时,不要简单地说"你错了",而是:

  1. 查看 AI 的推理过程(如 DeepSeek 的"深度思考"功能);
  2. 定位错误环节(是理解错了意图?还是引用了错误信息?);
  3. 针对性地修正指令。

例如,如果 AI 未能正确读取你提供的链接内容,可以将链接中的文本直接复制粘贴到对话中,避免 AI 因无法访问链接而"编造"内容。


本节小结

技巧 一句话概括 最佳适用场景
角色设定法 给 AI 一个专业身份 需要专业视角的分析和写作
框架指令法 用结构化模板约束输出 复杂任务的精确控制
思维链(CoT) 让 AI 分步推理 数学计算、逻辑推理
被动解药法 背景 + 动作 + 结果 + 要求 快速组织提示词
示例参考法 投喂范文让 AI 模仿 风格化写作、文案仿写
迭代优化法 多轮对话逐步完善 需求不明确的复杂任务

这六种技巧并非互相排斥,实际使用中往往需要组合运用。例如,先用"角色设定"确定 AI 的身份,再用"框架指令"约束输出结构,最后用"迭代优化"逐步完善——这就是一个完整的提示词工作流。

实操演示:三种技巧组合完成一个完整任务

下面通过一个真实任务,演示如何将角色设定、框架指令和思维链三种技巧组合使用。

任务:为一门"AI 通识课"设计一份课程大纲。

第 1 步:角色设定 + 框架指令,构建初始提示词。

你是一位拥有 10 年高校教学经验的计算机通识课教师,
擅长将复杂技术概念转化为非专业学生能理解的内容。

请为一门面向大一新生的"人工智能通识"课程设计大纲。
要求:
1. 总课时 32 学时(16 周,每周 2 学时)
2. 包含理论讲授和上机实践两部分
3. 输出格式:表格,包含"周次、主题、教学内容、实践任务"
4. 难度从易到难,前 8 周侧重认知,后 8 周侧重应用

第 2 步:用思维链引导 AI 优化设计逻辑。

对 AI 的初始输出不满意?追加一条思维链提示:

请重新审视这份大纲,按以下步骤优化:
第一步:检查 16 周的主题是否有逻辑递进关系;
第二步:确认每周的实践任务是否与当周理论内容匹配;
第三步:标注哪些周次需要学生提前准备工具或账号;
第四步:输出优化后的完整大纲。

第 3 步:观察输出差异。

经过组合使用三种技巧,AI 的输出从"一份通用模板"变成了"一份经过逻辑校验、可直接使用的教学方案"。这就是技巧组合的威力——每种技巧解决一个维度的问题,叠加后效果远超单独使用。

results matching ""

    No results matching ""