第二章 提示词工程——与 AI 高效对话的方法论
本章摘要： 同样的 AI 工具，为什么在不同人手中效果天差地别？秘密在于提示词（Prompt）。本章将揭示与 AI 对话的底层逻辑，深入讲解 CO-STAR 核心框架，并传授六大进阶提示技巧。通过本章的学习，读者将从”随便问问”升级为能精准指挥 AI 完成复杂任务的”提示词工程师”。
知识图谱
导言：为什么要学”说话”？
是否有过这样的体验：同样使用 ChatGPT 或 DeepSeek，有人能让 AI 写出逻辑清晰、文采斐然的文章，而有人得到的却是一堆”正确的废话”？
差距不在工具，而在提问的方式。
人工智能领域有一句广为流传的话：“垃圾输入，垃圾输出”（Garbage In, Garbage Out）。大语言模型的输出质量，在很大程度上取决于输入提示词（Prompt）的质量。提示词工程（Prompt Engineering） 正是研究如何设计高质量提示词，从而引导 AI 生成理想输出的方法论。
本章将从提示词的底层逻辑讲起，介绍一套系统化的提示词框架和六种核心技巧，并通过营销场景的进阶应用和实战训练，帮助读者从”随便问问”升级为”精准驾驭”。
学习目标
完成本章学习后，读者将能够：
- 解释 “垃圾进，垃圾出”（Garbage In, Garbage Out）在 AI 交互中的含义；
- 应用 CO-STAR 框架（背景、目标、风格、语气、受众、响应）编写结构化提示词；
- 演示 六大核心技巧（角色设定、思维链、少样本提示等）在不同场景下的应用；
- 优化 劣质提示词，使其输出质量显著提升。
2.1 提示词的底层逻辑
提示词不是”咒语”，而是一种与 AI 沟通的语言。理解它的底层逻辑，就能从”碰运气”变为”有章法”。
在开始学习具体技巧之前，有一个更根本的问题值得思考：为什么有些人天生就能把需求说清楚，而有些人总是”词不达意”？ 这不仅仅是语言表达的问题，更是思维清晰度的问题。写不好提示词，往往不是因为不懂 AI，而是因为还没想清楚自己到底要什么。从这个角度看，提示词工程不仅是与 AI 对话的技巧，更是一种训练结构化思维和精准表达的方法——这种能力远比任何具体的 AI 工具都更持久、更有价值。
一、为什么同样的问题得到截然不同的答案
我们先来看一个对比实验。向 DeepSeek 提出同一个需求，但用两种不同的方式：
提问方式 A： > 帮我写一篇关于环保的文章。
提问方式 B： > 你是一位环保领域的科普作家，面向高中生读者，请用生动有趣的语言撰写一篇 800 字的文章，主题是”日常生活中的碳减排”。要求：使用 3 个具体的生活案例，语气亲切但不失专业，文末附上 3 条可操作的行动建议。
方式 A 得到的往往是一篇泛泛而谈的”正确的废话”；方式 B 则能得到一篇有针对性、有细节、可直接使用的文章。
差距的根源在于：大语言模型是基于概率生成文本的。当提示词模糊时，模型只能在一个巨大的”可能性空间”中随机选择；当提示词具体而明确时，模型的”可能性空间”被大幅缩小，输出自然更精准。
打个比方：模糊的提示词就像告诉出租车司机”去市中心”，他可能把乘客拉到任何一个地方；而精确的提示词就像说”去市中心人民路 88 号万达广场北门”，司机能准确送达。
二、提示词四要素
一个高质量的提示词，通常包含以下四个要素：
表2-1 提示词四要素说明
| 要素 | 说明 | 示例 |
|---|---|---|
| 指令 | 告诉 AI 做什么 | “撰写一篇通知” |
| 上下文 | 提供背景信息 | “学校将举办科技文化节” |
| 示例 | 给出参考范本 | “参考以下格式：……” |
| 约束 | 限定输出条件 | “不超过 500 字，使用正式语体” |
并非每次提问都需要四个要素齐全。简单任务可能只需要”指令”，复杂任务则需要四要素协同配合。关键原则是：任务越复杂，提示词越需要结构化。
三、CO-STAR 框架：结构化提示词的”万能公式”
CO-STAR 框架是新加坡 GPT-4 提示工程竞赛的冠军方案，它通过六个维度帮助用户构建高质量的结构化提示词。
表2-2 CO-STAR框架六要素解析
| 字母 | 英文 | 中文 | 作用 |
|---|---|---|---|
| C | Context | 背景 | 介绍任务的背景信息和上下文环境 |
| O | Objective | 目标 | 明确告诉 AI 希望它做什么 |
| S | Style | 风格 | 指定写作风格（学术、口语、幽默等） |
| T | Tone | 语气 | 指定回答的情感态度（严肃、亲切、激励等） |
| A | Audience | 受众 | 说明内容是写给谁看的 |
| R | Response | 格式 | 指定输出的形式（报告、表格、列表等） |
实战示例：用 CO-STAR 框架撰写校园活动通知
【C-背景】我校将于下月举办第五届科技文化节，为期三天，
包含 AI 体验、机器人展示、科技讲座等活动。
【O-目标】请撰写一份面向全校师生的活动通知。
【S-风格】正式公文风格，符合高校行政通知的写作规范。
【T-语气】庄重但不失热情，体现学校对科技创新的重视。
【A-受众】全校师生（包括教师、行政人员和在校学生）。
【R-格式】标准通知格式，包含标题、正文、活动安排表格、
联系方式，字数控制在 600 字以内。使用这个框架后，AI 的输出将从”泛泛而谈”变为”精准定制”。
一目了然：模糊提示词 vs 结构化提示词
下面用一个直观的对比，展示结构化思维如何改变提示词的质量：
┌─────────────────────────────┐ ┌─────────────────────────────────┐
│ ❌ 模糊提示词 │ │ ✅ CO-STAR 结构化提示词 │
│ │ │ │
│ "帮我写个活动通知" │ │ [背景] 学校科技文化节，为期三天 │
│ │ │ [目标] 撰写全校师生活动通知 │
│ → AI 不知道： │ │ [风格] 正式公文 │
│ · 什么活动？ │ │ [语气] 庄重但不失热情 │
│ · 写给谁？ │ │ [受众] 全校师生 │
│ · 什么风格？ │ │ [格式] 标准通知，含表格，600字内 │
│ · 多长？ │ │ │
│ │ │ → AI 精确输出定制化内容 │
└─────────────────────────────┘ └─────────────────────────────────┘左边的提示词把所有决策都丢给了 AI”猜”；右边则把需求拆解为六个明确维度，AI 的”猜测空间”被大幅压缩。结构化提示词的本质，就是把模糊的想法变成清晰的指令。
实用提示：DeepSeek 的”深度思考”与”联网搜索”
DeepSeek 对话界面的输入框附近有两个可切换的功能开关：
- 深度思考：开启后，模型会先进行一轮内部推理（类似在草稿纸上演算），再给出最终回答。适合逻辑推理、数学计算、方案对比等需要”想清楚再说”的复杂任务。开启深度思考时，提示词不需要过多的角色设定或”请一步步思考”的提示——给它思考空间，效果反而更好。
- 联网搜索：开启后，模型会先从互联网检索最新信息，再结合检索结果生成回答。适合查询实时新闻、最新政策、近期数据等训练数据中可能没有的内容。
两个功能可以同时开启。日常使用建议：写文案、做翻译等创作类任务关闭两者即可；需要推理分析时开启”深度思考”；需要最新信息时开启”联网搜索”。
再看一个例子：用 CO-STAR 框架生成学习计划
【C-背景】我是一名大二学生，计算机专业，想在暑假两个月内
入门 Python 编程，每天可投入 2 小时学习。
【O-目标】请为我制定一份为期 8 周的 Python 学习计划。
【S-风格】实用导向，每周有明确的学习主题和练习任务。
【T-语气】鼓励性的，像一位耐心的学长在指导。
【A-受众】零基础的非计算机专业学生也能看懂。
【R-格式】表格形式，包含"周次、学习主题、核心知识点、
练习任务、预计用时"五列。对比一下，如果只是问”帮我做个 Python 学习计划”，AI 大概率会给出一份泛泛的建议清单。而使用 CO-STAR 框架后，AI 能精确地量身定制一份可执行的计划。
四、Bad Prompt vs Good Prompt：实战对比
为了更直观地感受提示词质量的影响，下面用三组真实场景做对比。可以打开 DeepSeek 亲自测试。
场景一：写一封请假邮件
表2-3 请假邮件提示词质量对比
| Bad Prompt | Good Prompt | |
|---|---|---|
| 提示词 | “帮我写封请假邮件” | “我是一名大学教师，因下周三需要参加学术会议（地点：南京），需要向系主任请假一天。请撰写一封正式的请假邮件，语气礼貌专业，包含请假原因、时间、课程调整方案，200字以内” |
| 输出质量 | 模板化，缺少具体信息 | 包含完整要素，可直接发送 |
场景二：分析一组数据
表2-4 数据分析提示词质量对比
| Bad Prompt | Good Prompt | |
|---|---|---|
| 提示词 | “分析一下这些数据” | “以下是我班 40 名学生的期末成绩（满分100）：[数据]。请从以下角度分析：①计算平均分、中位数、最高分、最低分；②按分数段（90+/80-89/70-79/60-69/60以下）统计人数占比；③指出成绩分布的特点和教学改进建议” |
| 输出质量 | 笼统的描述性分析 | 结构化的数据分析报告 |
场景三：翻译一段文字
表2-5 翻译任务提示词质量对比
| Bad Prompt | Good Prompt | |
|---|---|---|
| 提示词 | “翻译成英文” | “请将以下中文摘要翻译为英文，要求：①使用学术论文的正式语体；②专业术语参照IEEE标准；③保持原文的逻辑结构；④译文控制在200词以内” |
| 输出质量 | 直译，风格不统一 | 符合学术规范的专业翻译 |
规律总结：Good Prompt 的共同特点是——具体、有约束、有上下文。给 AI 的信息越多，它的”猜测空间”就越小，输出就越精准。
翻车现场：一次提示词的”抢救”过程
看完 Bad vs Good 的对比，你可能觉得”写好提示词也不难嘛”。但实际操作中，大多数人的第一版提示词都会翻车。关键不是一次写对，而是学会诊断和修复。以下是一个真实的失败案例：
第 1 次尝试：
帮我写个社团招新文案AI 输出了一篇 800 字的”万能模板”，开头是”金秋九月，丹桂飘香”，通篇都是”提升综合素质”“丰富课余生活”之类的套话。换个社团名字照样能用——毫无辨识度。
诊断：AI 不知道是什么社团、什么风格、写给谁看、发在哪里，只能用最”安全”的套话填满篇幅。
第 2 次尝试（加上下文）：
我们是学校的辩论社，想在开学季招新，写一篇发在 QQ 群里的招新文案，200 字以内，语气要有趣，能吸引大一新生这次好多了——AI 写出了”你是不是那种和室友吵架从来没输过的人？“这样的开头，风格活泼，长度合适。但仔细看，里面提到了”每周三晚训练”——这是 AI 编的，社团根本不是周三训练。
诊断：AI 在缺少具体信息时会”脑补”细节，这就是 1.2 节讲过的”幻觉”。
第 3 次尝试（补充事实 + 加约束）：
我们是 XX 大学辩论社，每周五晚 7 点在 3 号楼 201 训练，去年拿了省赛亚军。写一篇 QQ 群招新文案，200 字以内，语气有趣但不油腻，面向大一新生。注意：不要编造任何我没提供的信息。这次输出准确、有趣、没有幻觉，可以直接使用。
教训：遇到翻车不要慌，按这个顺序排查——是不是缺了背景？是不是没给约束？是不是 AI 在瞎编？ 提示词是”写→看→改→再看”的循环，不是一锤子买卖。
本节小结
表2-6 本节核心要点总结
| 要点 | 说明 |
|---|---|
| 提示词的本质 | 缩小模型的”可能性空间”，引导输出方向 |
| 四要素 | 指令、上下文、示例、约束 |
| CO-STAR 框架 | 六维度结构化提示词设计方法 |
| 核心原则 | 任务越复杂，提示词越需要结构化 |
掌握了底层逻辑和框架之后，下一节我们将学习六种具体的提示技巧，使 AI 对话能力再上一个台阶。
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：
表2-7 角色设定法提示词效果对比
| 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？
表2-8 思维链（CoT）效果对比
| 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。
这和数学考试要求”写出解题过程”是同一个道理：老师之所以要求写步骤，不仅是为了给分，更是为了让计算过程可追踪、可纠错。如果直接写答案，错了就无从排查；写了步骤，就能精确定位是哪一步出了问题。让 AI “一步步想”，本质上就是在要求它展示推理链条，方便我们检验每一步是否合理。
四、“被动解药”法：引导式提问的快捷口诀
核心逻辑：这是一个便于记忆的四步提问口诀——被（背景）、动（动作）、解（结果）、药（要求），帮助用户快速组织提示词。其背后的通用逻辑是引导式提问（Guided Prompting）：通过逐步补充上下文信息，引导 AI 给出更精准的回答。
表2-9 “被动解药”四步提问口诀
| 步骤 | 含义 | 对应问题 |
|---|---|---|
| 被 | 背景 | 任务的背景是什么？ |
| 动 | 动作 | 需要 AI 做什么？ |
| 解 | 结果 | 期望达到什么效果？ |
| 药 | 要求 | 有哪些具体限制？ |
对比示例：
表2-10 “被动解药”法示例对比
| 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（被），请教我做西红柿炒蛋（动），要简单易操作、适合一人份（解），请说明火候控制要点，不要用专业术语（药）” |
“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：基于样本学习的仿写模型
核心逻辑：当不仅需要 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。这在技术上被称为少样本学习（Few-shot Learning）——通过提供少量示例，让模型快速掌握目标模式。
有人将这一方法总结为”给座城池”四步法 [3]：
表2-11 “给座城池”四步仿写法
| 步骤 | 谐音 | 操作 | 说明 |
|---|---|---|---|
| 第一步 | 给（给参考） | 投喂范文 | 把认为优秀的文章或文案模板发给 AI |
| 第二步 | 座（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 | 城（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 | 池（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？”……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：
- 查看 AI 的推理过程（如 DeepSeek 的”深度思考”功能）；
- 定位错误环节（是理解错了意图？还是引用了错误信息？）；
- 针对性地修正指令。
例如，如果 AI 未能正确读取所提供的链接内容，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。
批判性采纳：最后的”回车键”由人来敲
当 AI 给出多个版本的答案时，不要随意选一个就用。问问自己：选择的标准是什么？是准确性（信息是否经得起核查）、适切性（是否符合目标受众的需求）、还是审美（表达是否优雅得体）？不同场景下，判断标准不同。写学术论文时，准确性优先；写活动海报时，审美和感染力更重要。AI 负责提供选项，但筛选和决策的主体永远是人。
本节小结
表2-12 六大提示技巧速查
| 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。
2.3 营销场景的提示词进阶
本节介绍三个源自营销领域的经典沟通模型。虽然它们诞生于商业场景，但其底层逻辑——如何清晰地传递信息、如何有效地说服他人——是一种通用的沟通能力，适用于求职面试、课堂展示、活动策划等各种场景。
一、FABE 模型：把产品卖点讲清楚
FABE 是一个经典的产品卖点表达框架，特别适合用于商品描述、详情页文案和销售话术。
表2-13 FABE模型四要素解析
| 字母 | 英文 | 中文 | 说明 |
|---|---|---|---|
| F | Feature | 特征 | 产品有什么功能或属性？ |
| A | Advantage | 优势 | 这个功能比竞品好在哪里？ |
| B | Benefit | 利益 | 能给用户带来什么好处？ |
| E | Evidence | 证据 | 有什么数据或案例可以证明？ |
提示词示例：
请使用 FABE 模型，为一款降噪耳机撰写产品卖点文案：
- Feature：搭载自研 ANC 3.0 主动降噪芯片
- Advantage：降噪深度达 48dB，优于同价位竞品
- Benefit：地铁通勤时也能沉浸听音乐，不受外界干扰
- Evidence：已获 Hi-Res 金标认证，10 万用户好评
请输出 3 个版本：朋友圈版（50 字）、详情页版（200 字）、
直播话术版（口语化，100 字）。实操演示：用 FABE 模型为校园奶茶店写文案
打开 DeepSeek，输入以下提示词：
请使用 FABE 模型，为校园内一家新开的奶茶店撰写推广文案：
- Feature：使用鲜牛奶现煮，不用奶精和植脂末
- Advantage：比普通奶茶店更健康，口感更醇厚
- Benefit：课间来一杯，既解馋又不用担心添加剂
- Evidence：原料供应商为本地牧场，每日新鲜配送
请输出小红书版（100字，活泼风格）和校园海报版（50字，简洁有力）。DeepSeek 输出示例：
小红书版： 姐妹们！终于不用纠结奶茶健康不健康了！校园里这家新店用的是本地牧场鲜牛奶现煮，不加奶精不加植脂末！喝一口就知道区别——奶味超浓超醇厚！课间 10 分钟冲一杯，解馋又安心～每天鲜奶限量配送，去晚了真的会卖完！🥛
校园海报版： 鲜牛奶现煮，拒绝奶精 | 本地牧场每日直送 | 好喝不怕查配料表
可以看到，同样的产品信息，通过 FABE 框架组织后，AI 能针对不同平台生成风格迥异但卖点一致的文案。
二、AIDA 模型：抓住注意力的四步法
AIDA 是营销传播领域最经典的模型之一，描述了消费者从”看到”到”行动”的心理路径。
表2-14 AIDA模型四步路径解析
| 字母 | 英文 | 中文 | 作用 |
|---|---|---|---|
| A | Attention | 注意 | 用标题或开头抓住眼球 |
| I | Interest | 兴趣 | 用痛点或故事激发好奇 |
| D | Desire | 欲望 | 用利益承诺唤起购买冲动 |
| A | Action | 行动 | 用限时优惠等促成下单 |
提示词示例：
请使用 AIDA 模型，为一门"零基础学 Python"的在线课程
撰写一条朋友圈推广文案（150 字以内）：
- Attention：用一个反常识的数据或问题开头
- Interest：描述目标用户的真实痛点
- Desire：展示学完后能获得的具体能力
- Action：给出限时优惠信息和报名方式实操演示：用 AIDA 模型为社团招新写推广文案
打开 DeepSeek，输入以下提示词：
请使用 AIDA 模型，为大学摄影社团的秋季招新撰写一条
朋友圈推广文案（120字以内）：
- Attention：用一个引人注目的问题或数据开头
- Interest：描述加入摄影社能获得的独特体验
- Desire：展示往届社员的成长案例或作品成果
- Action：给出报名方式和截止时间DeepSeek 输出示例：
你手机相册里有多少张”差点就很好看”的照片？📸 加入光影社，资深学长手把手教你构图、调色、后期，把”差点意思”变成”朋友圈最佳”。上届社员小林的作品入选了省级摄影展，而她入社时也只会用手机自动模式。扫码填表即可报名，9月20日截止，名额仅剩30个！
观察这段输出：第一句话用问题抓住注意力（A），接着描述社团能提供的价值（I），然后用真实案例激发向往（D），最后用截止时间和名额制造紧迫感（A）。四个步骤环环相扣。
跨场景迁移：AIDA 不只是”卖东西”
AIDA 的底层逻辑是”抓住注意力 → 激发兴趣 → 唤起行动意愿 → 促成行动”，这个说服路径适用于任何需要”打动人”的场景：
求职信：用亮眼的开头抓住 HR 注意（A），展示与岗位匹配的经历（I），描述能为团队带来的价值（D），附上作品集链接促成面试邀约（A）；
幼儿园课程导入：用一个悬念故事吸引小朋友（A），用互动问题激发好奇（I），用奖励机制调动参与欲望（D），引导进入正式活动（A）。
掌握了模型背后的沟通逻辑，就能在不同专业场景中灵活运用。
三、SCQA 模型：用故事逻辑说服人
SCQA 源自麦肯锡的结构化表达方法论，特别适合用于方案汇报、提案开头和长文案的引入段。
表2-15 SCQA模型四要素解析
| 字母 | 英文 | 中文 | 说明 |
|---|---|---|---|
| S | Situation | 情境 | 描述一个大家认同的现状 |
| C | Complication | 冲突 | 指出现状中存在的问题或变化 |
| Q | Question | 问题 | 由冲突引出核心问题 |
| A | Answer | 答案 | 给出解决方案 |
提示词示例：
请使用 SCQA 模型，为学校引进 AI 教学平台撰写一份
提案的开头段落（200 字）：
- S：当前高校教学面临的普遍现状
- C：AI 技术快速发展带来的新挑战
- Q：学校如何应对这一变化
- A：引进 AI 教学平台的核心价值四、爆款文案仿写四步法
在实际营销工作中，最高效的方式往往不是从零创作，而是找到优秀范本，拆解其方法论，再用 AI 批量复制。
具体操作步骤：
- 给参考：收集 3—5 篇目标平台的爆款文案，粘贴给 AI；
- 做拆解：让 AI 分析这些文案的共性——标题结构、情绪节奏、互动话术、关键词布局；
- 再生成：基于拆解结果，让 AI 为目标产品生成同风格文案；
- 持续修：根据实际投放效果，调整提示词参数，持续迭代。
阅读材料：董宇辉文案的 AI 拆解
董宇辉的直播文案之所以”出圈”，核心手法可概括为”痛点直击 + 身份认同 + 情绪杠杆”三板斧。完整的操作步骤与拆解示例详见 3.3 节”爆款仿写实操”部分。
本节小结
表2-16 三大营销模型对比
| 模型 | 核心逻辑 | 最佳场景 |
|---|---|---|
| FABE | 特征 → 优势 → 利益 → 证据 | 产品卖点描述 |
| AIDA | 注意 → 兴趣 → 欲望 → 行动 | 广告文案、推广话术 |
| SCQA | 情境 → 冲突 → 问题 → 答案 | 方案提案、长文案引入 |
| 仿写四步法 | 给参考 → 做拆解 → 再生成 → 持续修 | 批量内容生产 |
这些模型不仅适用于商业营销，也可以迁移到校园场景：招生宣传、社团推广、活动策划等，都能从中受益。
2.4 提示词实战训练
学了方法论，最终要落到实操上。本节通过两个完整的实战任务，帮助读者将前三节学到的技巧融会贯通。
主线任务：用 CO-STAR 框架为校园活动撰写完整策划提示词
任务背景
学校团委计划举办一场”AI 创意挑战赛”，面向全校学生，为期一天。需要使用 AI 工具生成一份完整的活动策划方案。
任务要求
请按照 CO-STAR 框架，设计一条结构化提示词，然后将其输入 DeepSeek 或 ChatGPT，生成活动策划方案。下面是详细的操作步骤。
第 1 步：打开 DeepSeek，将以下提示词完整复制粘贴到对话框中。
参考模板
【C-背景】
我校是一所师范类高等专科学校，在校学生约 8000 人，
涵盖学前教育、计算机、管理等专业。学校团委计划举办
首届"AI 创意挑战赛"，目的是提升学生的 AI 应用素养。
【O-目标】
请生成一份完整的活动策划方案。
【S-风格】
正式的活动策划书风格，逻辑清晰，条目分明。
【T-语气】
专业严谨，同时体现创新活力。
【A-受众】
方案的审批对象是学校团委和教务处领导。
【R-格式】
包含以下部分：
1. 活动名称与主题
2. 活动目的与意义（200 字）
3. 活动时间与地点
4. 参赛对象与分组方式
5. 比赛环节设计（至少 3 个环节，每个环节说明规则）
6. 评分标准（表格形式）
7. 所需资源与预算估算（表格形式）
8. 宣传推广计划
9. 风险预案
总字数控制在 2000 字以内。第 2 步：阅读 AI 的输出，检查是否覆盖了所有要求的部分。
AI 应该会生成一份包含活动名称、目的、时间、环节设计、评分标准等完整要素的策划方案。重点检查以下几点： 比赛环节是否有 3 个以上，且规则描述清晰？
评分标准和预算是否使用了表格形式？
整体字数是否控制在 2000 字以内？
关于举办首届”AI创意挑战赛”的活动策划方案
一、活动名称与主题
- 活动名称： 某师范高等专科学校首届”AI创意挑战赛”
- 活动主题： 智汇青春，创想未来 —— 当AI遇见师范
二、活动目的与意义
在人工智能技术深刻重塑各行业发展的时代背景下，提升师范类学生的AI应用素养与创新实践能力，已成为高素质应用型人才培养的重要一环。本次大赛旨在搭建一个跨学科、趣味性与挑战性并重的实践平台，鼓励我校学生主动拥抱技术变革，将人工智能与所学专业深度融合，探索”AI+教育”、“AI+管理服务”的创新应用场景。
三、活动时间与地点
- 报名时间： 2026年3月10日 - 3月20日
- 初赛（方案评审）： 2026年3月25日 - 3月27日
- 决赛（现场展示）： 2026年4月10日（周五）14:00 - 17:00
- 地点： 初赛评审：校团委会议室；决赛路演：图书馆报告厅
四、参赛对象与分组方式
- 参赛对象： 全体在校学生，以团队形式报名，鼓励跨专业组队，每队3-5人。
- 分组方式： 不设严格专业赛道，评审重点关注”AI应用深度”与”场景结合度”。
五、比赛环节设计
比赛分为初赛和决赛两个阶段。
（一）初赛：创意方案评审
提交《AI创意应用方案》（800-1500字），评委盲审打分，选拔前10支队伍进入决赛。
（二）决赛：现场展示与答辩（总分100分）
- 项目路演（5分钟） —— PPT阐述项目背景、核心创意、技术路径及应用价值。
- AI工具实战（3分钟） —— 评委现场公布模拟任务，团队调用AI工具完成。
- 评委提问与答辩（4分钟） —— 针对路演和实战表现提问。
六、评分标准
表2-17 活动策划赛事评分标准
| 评分维度 | 分值 | 评分要点 |
|---|---|---|
| 项目路演 | 50分 | 创意性（25）、应用价值（15）、表达呈现（10） |
| AI工具实战 | 20分 | 操作熟练度（10）、成果质量（10） |
| 现场答辩 | 30分 | 团队协作（15）、综合素养（15） |
七、所需资源与预算估算
表2-18 活动所需资源与预算估算
| 类别 | 项目名称 | 预算金额（元） |
|---|---|---|
| 宣传费用 | 海报、横幅、展架、线上推文 | 1,000 |
| 评审与奖品 | 一等奖1队、二等奖2队、三等奖3队、优秀奖4队、评委劳务费 | 5,200 |
| 现场物料 | 参赛证、水牌、证书、互动小奖品 | 500 |
| 其他 | 备用金 | 300 |
| 合计 | 7,000 |
八、宣传推广计划
线上线下相结合：学校官网及团委公众号发布推文；食堂、教学楼张贴海报；学生会进班宣讲；计算机专业老师课堂动员。
九、风险预案
- 参赛队伍不足：延长报名、降低初赛门槛。
- 现场设备故障：提前测试、准备备用设备和网络热点。
- 网络中断：准备离线备选方案或调整为口头阐述。
第 3 步：用迭代优化法进行第二轮修改。
如果对初始输出不满意，可以追加指令进行优化。例如：
请对上述方案做以下调整：
1. 比赛环节增加一个"AI 辩论赛"环节，正反方围绕
"AI 是否会取代教师"展开辩论；
2. 预算表格增加"赞助来源"一列；
3. 宣传计划中增加短视频宣传方案。经过两轮迭代后，方案的完整度和针对性会显著提升。
评价标准
完成任务后，请对照以下标准自评：
表2-19 提示词实战任务自评标准
| 评价维度 | 优秀 | 合格 | 需改进 |
|---|---|---|---|
| CO-STAR 完整性 | 六要素齐全且具体 | 包含 4 个以上要素 | 缺少 3 个以上要素 |
| 输出质量 | 可直接提交使用 | 需少量修改 | 需大幅重写 |
| 迭代优化 | 经过 2 轮以上优化 | 经过 1 轮优化 | 未做优化 |
拓展任务：为幼儿园教学设计一套”故事生成”提示词模板
任务背景
假设一名学前教育专业的实习生，带班老师希望其利用 AI 工具，为大班幼儿设计一套可复用的故事生成提示词模板，用于每周的”故事时间”环节。
任务要求
- 设计一个通用的故事生成提示词模板，包含可替换的变量（如主题、角色、教育目标等）；
- 用该模板生成 2 个不同主题的故事（如”分享”和”勇敢”）；
- 每个故事控制在 300—500 字，语言适合 5—6 岁幼儿。
提示：综合运用”角色设定法”和”框架指令法”，先让 AI 扮演幼儿教育专家，再用结构化模板约束故事的长度、难度和教育目标。
思辨时刻
提示词工程是”技术”还是”素养”？它会随 AI 进化而消亡吗？
随着 AI 模型越来越”聪明”，有人认为提示词工程终将变得不再重要——未来的 AI 能自动理解用户意图，不需要精心设计的提示词。
也有人认为，提示词工程的本质是结构化思维和精准表达能力，这种能力不会因为工具的进化而过时，反而会成为 AI 时代的核心素养。
请思考： 1. 更倾向于哪种观点？为什么？ 2. 即使 AI 能完美理解模糊指令，“学会精准表达需求”这项能力本身是否仍有价值？
本章回顾
第二章知识图谱
提示词工程
├── 底层逻辑：缩小模型的"可能性空间"
├── CO-STAR 框架：背景/目标/风格/语气/受众/格式
├── 六大技巧
│ ├── 角色设定法 ← 给 AI 一个身份
│ ├── 框架指令法 ← 用结构约束输出
│ ├── 思维链 CoT ← 让 AI 分步推理
│ ├── 被动解药法 ← 背景+动作+结果+要求
│ ├── 示例参考法 ← 投喂范文让 AI 模仿
│ └── 迭代优化法 ← 多轮对话逐步完善
├── 营销模型：FABE / AIDA / SCQA
└── 核心理念：提示词质量决定输出质量生活微任务：用提示词规划一次周末出行
任务背景
周末想和朋友去一趟博物馆，但不知道怎么安排路线和时间。试试用结构化提示词让 AI 帮忙规划。
参考提示词
【C-背景】我和两位朋友周六想去省博物馆参观，我们住在大学城，
公共交通出行，预算每人 100 元以内（含午餐）。
【O-目标】请规划一份从出发到返回的完整行程。
【S-风格】实用导向，时间节点清晰。
【T-语气】轻松友好，像朋友之间的建议。
【A-受众】大学生，第一次去该博物馆。
【R-格式】时间轴形式，标注交通方式、预计花费和必看展厅推荐。这个任务不涉及任何专业知识，但它完整运用了 CO-STAR 框架。无论是规划旅行、准备面试还是组织聚会，结构化表达都能让 AI 给出更实用的建议。
从下一章开始，我们将进入具体的应用场景——首先是与每个人日常工作最密切相关的文字处理领域。
本章小结
本章系统讲解了提示词工程的底层逻辑、核心框架与实战技巧，旨在帮助读者从”随便问问”升级为能够精准驾驭 AI 的结构化表达者。提示词质量直接决定 AI 输出质量，而结构化思维与精准表达能力的价值远超任何具体工具。
| 小节 | 核心内容 | 关键概念 |
|---|---|---|
| 2.1 提示词的底层逻辑 | 揭示提示词影响输出的原理，介绍四要素与 CO-STAR 结构化框架 | 提示词四要素、CO-STAR 框架 |
| 2.2 六大核心提示技巧 | 传授角色设定、框架指令、思维链、被动解药、示例参考、迭代优化六种实用技巧 | 思维链（CoT）、少样本学习、迭代优化 |
| 2.3 营销场景的提示词进阶 | 介绍 FABE、AIDA、SCQA 三大营销沟通模型及爆款文案仿写方法 | FABE、AIDA、SCQA |
| 2.4 提示词实战训练 | 通过校园活动策划等完整案例，将框架与技巧融会贯通 | CO-STAR 实战、迭代优化 |
掌握提示词工程的核心方法论，便拥有了与 AI 高效协作的通用能力。从下一章开始，将进入具体的应用场景，首先是与日常工作最密切相关的文字处理领域。
第二章 实践与练习
纸上得来终觉浅，提示词要练才行。本章作业就是帮你把 CO-STAR 等理论转化为肌肉记忆。
一、选择题
- 提示词工程的核心作用是：
- A. 让 AI 运行速度更快
- B. 缩小模型的”可能性空间”，引导输出方向
- C. 替代 AI 模型的训练过程
- D. 让 AI 具备情感理解能力
- CO-STAR 框架中的”S”代表：
- A. Situation（情境）
- B. Style（风格）
- C. Summary（摘要）
- D. Source（来源）
- 以下哪种场景最适合使用思维链（CoT）技巧？
- A. 写一首诗
- B. 翻译一段英文
- C. 计算一道多步骤数学题
- D. 生成一张图片
- “被动解药”法的四个步骤依次是：
- A. 背景、动作、结果、要求
- B. 问题、分析、解决、验证
- C. 输入、处理、输出、反馈
- D. 角色、场景、任务、格式
- AIDA 模型中”D”代表的是：
- A. Design（设计）
- B. Desire（欲望）
- C. Data（数据）
- D. Decision（决策）
二、简答题
请用自己的话解释：为什么同样的问题，不同的提示词会得到截然不同的 AI 输出？
角色设定法和框架指令法有什么区别？各自适合什么场景？
在什么情况下会选择使用迭代优化法而不是一次性提问？请举例说明。
三、实操题
CO-STAR 框架练习：使用 CO-STAR 框架，为所在专业设计一条提示词，让 AI 生成一份”专业学习路线图”。要求六要素齐全，并将 AI 的输出截图保存。
Bad vs Good 对比：选择一个日常学习中的真实需求（如写读书笔记、整理复习资料、翻译文献等），分别用”随意提问”和”结构化提示词”两种方式向 AI 提问，对比输出质量并写出 100 字的分析。
营销模型应用：选择 FABE 或 AIDA 模型中的一个，为所在学校的某个社团或活动撰写一条推广文案。要求：先写出提示词，再展示 AI 的输出，最后说明如何优化。
参考答案（选择题）：1-B 2-B 3-C 4-A 5-B
四、进阶挑战：构建你的”专家顾问团”
背景：你正在做一个大学生创业项目（比如：校园外卖跑腿、二手书交易平台、宿舍零食盒子）。你需要组建一个 AI 顾问团来帮你出谋划策。
任务：请编写 3 个不同的 Prompt，分别激活 AI 的三个不同人格，针对你的项目提出建议。
- 角色 A：挑剔的投资人 — Prompt 重点：语气犀利、关注盈利模式、质疑市场空间。目的：帮你做压力测试，找出项目漏洞。
- 角色 B：资深产品经理 — Prompt 重点：关注用户体验、痛点分析、功能设计。目的：帮你优化产品功能。
- 角色 C：乐观的营销大师 — Prompt 重点：关注品牌传播、病毒式营销、创意点子。目的：帮你构思推广方案。
提交成果：你编写的 3 个 Prompt，以及 AI 在三个角色下给出的不同建议摘要。
五、延伸阅读
- 文档：Prompt Engineering Guide (DAIR.AI) —— 全球最全的提示词工程指南（有中文版）
- 论文：Chain-of-Thought Prompting Elicits Reasoning in Large Language Models —— 谷歌关于思维链的开山之作（适合进阶阅读）