跳到主内容
AI 基础7 分钟阅读发布于:2026-07-29更新于:2026-07-29

如何写出好的 Prompt:实用指南(2026)

学习好 Prompt 的三个关键要素,看好坏对比示例,掌握少样本和思维链等高级技巧,并使用写作、编程、分析、翻译的现成 Prompt 模板。

好 Prompt 的三要素:上下文、角色、任务

每个有效的 Prompt 都包含三个核心要素:角色、任务和上下文。掌握这三点,是从获得平庸答案到获得精准所需结果的关键。

角色告诉 AI 扮演什么身份。这设定了视角、专业水平和语气。例如,「你是一位资深 Python 开发者」和「你是一个正在学 Python 的新手」会产生非常不同的输出。角色引导模型从训练数据中提取相关模式。

任务描述你希望 AI 做什么。要具体说明输出格式、长度和范围。「写一个函数」太含糊;「写一个 Python 函数,接收整数列表并返回中位数,包含空列表的错误处理」则具体且可操作。

上下文提供 AI 所需的背景信息。包括你的受众、约束条件、之前的工作和任何参考材料。没有上下文,AI 只能猜测——而且经常猜错。你提供的上下文越多,回复就越准确有用。

好 Prompt vs 坏 Prompt:对比示例

理解 Prompt 质量最好的方式是看好坏版本并排对比。以下是三个常见场景:

text
--- BAD ---
Write about AI.

--- GOOD ---
Role: You are a technology journalist writing for a general audience.
Task: Write a 300-word article explaining how AI chatbots work, using a simple analogy.
Context: The readers have no technical background. Avoid jargon. Use a restaurant analogy to explain how language models predict the next word.

--- BAD ---
Fix my code.

--- GOOD ---
Role: You are a Python debugging expert.
Task: Find and fix the bug in this function, then explain what was wrong.
Context: This function should return the factorial of n, but it returns incorrect results for n > 5.

```python
def factorial(n):
    result = 1
    for i in range(1, n):
        result *= i
    return result
```

--- BAD ---
Translate this.

--- GOOD ---
Role: You are a professional translator specializing in tech documentation.
Task: Translate the following English text to Chinese, keeping technical terms in English where appropriate.
Context: This is for a developer-facing API documentation page. The tone should be professional and concise.

Text: "The API key must be included in the Authorization header as a Bearer token."

三组坏 vs 好 Prompt 对比,展示添加角色、任务和上下文如何改善结果

高级技巧:少样本、思维链、角色扮演

掌握了基础之后,这些高级技巧可以大幅提升复杂任务的效果。

少样本提示是指在让 AI 执行任务之前,先给它几个输入输出的示例模式。这对分类、格式化或风格匹配任务特别有效。你不是描述格式,而是直接展示。

思维链(CoT)提示要求 AI 在给出最终答案前逐步推理。这能显著提升数学、逻辑和多步推理问题的表现。仅仅加上「让我们一步一步思考」就能提高准确率,但明确要求 AI 展示推理过程效果更好。

角色扮演通过赋予 AI 一个具有特定专业能力、约束甚至对话风格的个人设定来扩展角色要素。例如,「你是一位严格的代码审查者,总是指出潜在的安全问题」比普通 Prompt 能产生更全面的审查。

text
--- FEW-SHOT EXAMPLE ---
Classify the sentiment of each review:

Review: "This product is amazing!" → Sentiment: Positive
Review: "Worst purchase ever." → Sentiment: Negative
Review: "It's okay, nothing special." → Sentiment: Neutral

Review: "Battery life is terrible but the screen is great." → Sentiment:

--- CHAIN-OF-THOUGHT EXAMPLE ---
Question: A store sells apples at $2 each. If you buy 5, you get 10% off your total. How much does buying 5 apples cost?

Let's think step by step:
1. Regular price for 5 apples: 5 × $2 = $10
2. Discount: 10% of $10 = $1
3. Final price: $10 - $1 = $9

Answer: $9

少样本提示和思维链推理的示例

常见场景的 Prompt 模板

以下是四个常见任务的即用模板。将括号中的占位符替换为你的具体内容。

  • 写作:角色(专业写手)+ 任务(为 [受众] 写 [类型])+ 上下文(语气、长度、要覆盖的要点)
  • 编程:角色([语言] 专家级开发者)+ 任务(编写/调试/重构 [功能描述])+ 上下文(现有代码、错误信息、约束条件)
  • 分析:角色(数据分析师)+ 任务(分析 [数据/文本] 并提供洞察)+ 上下文(你想发现什么、输出格式、受众)
  • 翻译:角色(专业翻译)+ 任务(将 [文本] 从 [源语言] 翻译为 [目标语言])+ 上下文(领域、语气、需保留原文的术语)

常见 Prompt 错误及如何避免

即使有了正确的框架,某些错误仍会持续产生差的结果。以下是最常见的错误:

太含糊。「写点关于 AI 的东西」没有给 AI 任何方向。务必指定格式、长度、受众和角度。含糊的 Prompt 产生含糊的答案。

Prompt 过载。把多个不相关的任务塞进一个 Prompt 会让 AI 困惑。如果你需要做多件事,拆分成单独的 Prompt,或用多步骤方式让每步基于前一步的输出。

不迭代。你的第一个 Prompt 很少能产生完美结果。把 Prompt 写作当作对话——如果输出不对,根据问题修改 Prompt 再试。最好的 Prompt 工程师会迭代 3-5 次才确定最终版本。

忽视模型差异。在 GPT-4o 上效果很好的 Prompt 可能在较小模型上表现很差。不同模型有不同优势——根据你使用的模型调整 Prompt 的复杂度。

常见问题

什么是好的 AI Prompt?

好的 Prompt 有三个要素:清晰的角色(AI 应该扮演什么身份)、具体的任务(做什么,包括格式和长度)和相关的上下文(受众、约束、背景)。越具体、提供示例,效果越好。

Prompt 应该写多长?

没有固定长度——取决于任务复杂度。简单问题可能只需一句话。复杂编程任务可能需要几段上下文。关键是包含所有必要信息,不加无关细节。先简洁开始,如果输出不符合预期再补充细节。

什么是思维链提示?

思维链(CoT)提示要求 AI 在给出最终答案前逐步推理。AI 不是直接跳到结论,而是展示推导过程。这能显著提升数学、逻辑和多步推理任务的准确率。你可以通过加「让我们一步一步思考」或明确要求 AI 展示推理来触发。

不同 AI 模型应该用同一个 Prompt 吗?

不一定。虽然核心原则(角色、任务、上下文)适用于所有模型,但不同模型对 Prompt 风格的响应不同。GPT-4o 和 Claude 等能力更强的模型可以处理复杂的多指令 Prompt。较小的模型可能需要更简单、更聚焦的 Prompt。在实际使用的模型上测试你的 Prompt,并按需调整。

我可以保存和复用 Prompt 吗?

可以,而且应该这样做。为重复任务维护一个经过测试的 Prompt 库可以节省时间并确保结果一致。很多团队会维护共享的 Prompt 库。复用时,为每个具体场景调整上下文部分,同时保持角色和任务结构不变。

相关供应商

暂未关联供应商。

参考来源