如何自己写出专业的提示词：实用指南

如果你用 ChatGPT、Claude 或 Gemini 得到的结果总是很泛泛，问题往往不在模型本身，而在你给它的指令。「帮我写个广告」这样的请求会迫使模型去猜受众、语气和目标。结果语法正确，却不能直接使用。这份指南教你的，正是能改变这一结果的能力：如何自己写提示词，有意识地写，而不是靠反复试错。

你将学到：「请求」和「提示词」的区别、支撑每个好提示词的四大原则、三项进阶技巧（思维链、少样本示例、输出结构）、五个常见错误以及如何避免它们、如何测试并优化你的提示词。文末附上一份 7 天的实操计划。

这份指南面向想理解为什么提示词有效的人，而不只是照抄模板。如果你想直接复制提示词，请从提示词库或即用型 AI 提示词指南开始。但如果你想自己写提示词，并且理解自己在做什么，这份指南就是为你准备的。

什么是提示词，为什么重要？

提示词是你交给 AI 模型、让它产出回答的那段文字。但这个定义还不够。提示词与提示词之间的差别不在长度，而在于它替模型做了多少决定。

「请求」与「提示词」的区别

请求是你想快速得到某样东西、把决定权留给模型时写的东西。提示词是你知道这些决定应该由你来做、而不是模型来做时写的东西。这个区别不是学术上的。它决定了结果是需要整篇重写，还是第一次就接近终稿。当你把决定权留给模型，它会走安全路径：中性语气、中等长度、通用内容。这些选择并不错，但不是你的选择。一个好提示词会把猜测空间压到最小，让模型建立在你的决定之上，而不是它的假设之上。

一个真实例子：同一任务，两种提示词

请求： 帮我写个产品广告。

模型通常给出的结果：

「发现我们的全新产品，它将改变你的生活！高品质、价格实惠。立即下单，别错过机会！」

这段文字语法上没问题，但很泛。没人知道是什么产品、面向谁、有什么不同。如果你把它发给客户，客户会要求你重写。

提示词：

你是一名专注零售行业 Facebook 广告的文案，有 5 年经验，语气直接、不夸张。

请使用 PAS 公式为 [产品描述] 写 3 个广告版本，目标受众为 [受众：年龄、兴趣、痛点]。

每个版本包含：

第一行就能抓住注意力的开头（不使用感叹号）

受众真实存在的一个具体痛点

产品提供的清晰解决方案

一个明确的行动号召

长度：90–120 字

语气：自信，不带营销式夸张

以 3 行的 Markdown 表格输出（版本 1、2、3），每个要素一列。

模型产出的结果： 三个建立在清晰结构上的广告版本，每一个都可以直接用于 A/B 测试。差别不在模型的「聪明程度」，而在于你决定了多少。

为什么你不指定，模型就会猜

模型不会读心。你不指定角色，它选一个通用的；你不指定受众，它选一个通用的；你不指定长度，它选一个中等长度。这些选择并不错，但不是你的选择。好提示词会把猜测空间压到最小。

这个原则，正是 Promptsa 每款工具所做的事：每款工具都会询问真正影响结果的细节，并围绕这些细节构建提示词。你可以在文章提示词生成器或广告生成器中看到这个原则的实际应用。

每个好提示词的四大原则

无论哪个模型、哪类任务，每一个好提示词都依赖四大原则。缺了任何一个，结果的质量都会下降。这些原则不是抽象理论，而是模型用来理解你想要什么的框架。缺一个，缺口就会被模型的猜测填满，结果反映的是它的假设，而不是你的目标。

1. 角色：谁在说话？

指定角色会固定模型使用的语气、深度和知识范围。与其写「你是一名专家」，不如指定一个具体的专业背景。「专家」这个词不携带任何可执行信息；它只是一个形容词，而形容词不会引导模型。「你是一名食品饮料行业的内容作者，为一个面向精品咖啡爱好者的博客写作，语气温暖」就指定了：领域（食品饮料）、受众（精品咖啡爱好者）、语气（温暖）。这三个决定是你做的，模型不再需要猜。

你是一名专家。帮我写一篇关于咖啡的文章。

你是一名专注食品饮料行业的内容作者，为一个面向精品咖啡爱好者的博客写作，语气温暖而务实，有 5 年编辑咖啡馆内容的经验。

2. 上下文：为谁，为什么？

模型不知道你的受众、目标，也不知道你之前写过什么。上下文给提示词一个锚点，让它可以依托。没有上下文，模型会为「所有人」写，目标是「一般性告知」。当你指定受众和目标，一切都变了：词汇、例子、语气，甚至你选择不提什么。

帮我们写一条关于产品的 Instagram 帖子。

请为 [产品描述] 写一条 Instagram 帖子，面向 25–40 岁、关注护肤、之前试过其他产品但没效果的女性。目标：引导她们访问产品页，而不是直接购买。帖子语气：真诚、不夸张，像一位朋友在给另一位朋友建议。

3. 约束：长度、语气、格式

约束不是限制创造力，而是对输出的规格化。没有约束，模型会选择它认为合适的东西，而它未必合你的意。约束也是把模糊形容词转化为可执行指令的手段。「语气好」对模型毫无意义。「不用夸张形容词，感叹号不超过一个」就有具体含义。写约束时问自己：这个约束我能在结果里核实吗？如果答案是「不能」，那它就是模糊的，需要重写。

帮我写个产品描述。

请按以下约束写一段产品描述：
- 长度：80–100 字（不超过）
- 语气：务实，不使用夸张形容词（「最好的」「最强的」）
- 用一句话开头，描述产品所解决的问题
- 加入 3 个具体好处（不要笼统承诺）
- 以一个明确的行动号召结尾
- 感叹号不超过一个

4. 输出：你究竟想收到什么？

这个原则最容易被忽视。你想要的不是「一段文字」，而是某个具体的东西：一个表格、一个清单、JSON、Markdown、一封邮件、一条帖子。请精确指定格式。当你指定输出格式，你不仅控制了呈现，还控制了思维结构本身。被要求输出表格的模型，会在动笔前先想好列和行。这能减少猜测、提升遵循度。

给我一些内容创意。

给我 10 个博客文章选题，围绕 [主题]，用 Markdown 表格呈现，列如下：
| # | 文章标题 | 目标关键词 | 内容类型（指南/分析/清单） | 目标受众 |

进阶技巧（但很实用）

在四大原则之外，还有三项技巧，可以在特定任务中提升结果。它们并不神奇，也不是每个提示词都必须用——但当你清楚何时使用时，它们很有用。比死记更重要的是理解何时有用、何时是负担。每项技巧都有代价：更长的时间、更多的 token，有时是更不自然的结果。真正的知识，是知道何时该付这个代价。

思维链（Chain-of-Thought）：何时有用，何时有害

思维链的意思是让模型在给出最终答案之前，先展示它的推理步骤。这对需要推理的任务很有用：分析、比较、解决问题、做决定。但近期研究呈现了更复杂的图景。对于并非为推理而设计的模型，思维链可能略微提升表现，但会增加答案的方差，有时还会在本可以正确回答的问题上引入错误。对于专为推理设计的模型，思维链并不会显著提升准确率，却消耗多得多的时间和 token。换句话说：思维链并非绝对「更好」。它是一种针对特定任务的工具，到处使用只会让你付出代价却无收益。

何时有用：

• 分析和比较类任务（「比较……」「分析……」）
• 决策类任务（「哪些选项更好，为什么？」）
• 数学或逻辑类任务

何时有害：

• 短创意任务（广告、推文）——思维链可能无意义地拉长结果
• 你想要直接答案的任务（定义、翻译）
• 专为推理设计的模型（如 o1 或内部推理模型）——显式思维链可能增加成本却没有提升

请按以下标准分析这个广告版本：
1. 是否清晰指定了受众？
2. 是否触及具体的痛点？
3. 行动号召是否清楚？

在给出最终评估之前，请对每一条标准逐步说明你的分析。

少样本示例（Few-Shot）：如何挑选示例

少样本示例的意思是，在提示词里放一到两个符合期望输出格式的示例。模型会模仿这个模式，而不是自己发明。当你想用的模式不常见，或者想精准控制语气时，这特别有用。但示例的质量决定了结果的质量。一个糟糕的示例会教会模型一个糟糕的模式。核心原则：选多样（覆盖不同情况）、格式一致、贴近你的领域的示例。两到三个就够；再多只会拉长提示词、分散模型注意力。

请参照下面两个示例的风格，为新商品写一段描述：

示例 1：
「防水双肩包，20 升。极简设计，两个内侧口袋和加厚肩带。适合日常使用和短途旅行。」

示例 2：
「保温水瓶，500 毫升。保温 12 小时、保冷 24 小时。密封防漏盖，附带挂环。」

新商品：[产品描述]

输出结构（Output Schema）：JSON/Markdown 示例

与其要「一段文字」，不如要一个具体格式，可以直接拿来用。当你想把结果搬到另一个系统时，这特别有用。指定格式能减少猜测，让结果直接可用，而不用再排版。但要注意：指定格式并不意味着模型总会遵守。更小或能力较弱的模型可能在输出中途忘记约束。如果格式至关重要，请使用某些模型提供的「结构化输出」功能，或在生成后校验结果。

请以如下 JSON 格式给我结果：
{
"title": "...",
"metaDescription": "...",
"h2Sections": ["...", "..."],
"keywords": ["...", "..."]
}

写提示词的 5 个常见错误（以及如何避免）

即使理解了原则，仍有一些反复出现的错误会削弱提示词。以下是最常见的。注意，其中大多数并不是「不管用」意义上的错误；它们意味着结果达不到最优，需要额外几轮编辑。

错误 1：长提示词却没有结构

长度本身不是缺陷，但没有结构的长度会加重模型负担、削弱遵循度。当你把所有指令倒进一段话，模型很难分辨哪个最重要、哪个是约束、哪个是输出。结构（标题、列表、分隔符）不是装饰，而是告诉模型如何阅读提示词的方式。

我想让你帮我写一篇关于精品咖啡的文章，文章要好、要有条理、要有引言、要有标题、要有段落、要有结论、要适合博客、要面向咖啡爱好者、长度要合适、语气要合适……

请按以下结构写一篇关于精品咖啡的文章：
- 引言：150 字
- 3 个 H2 部分，每部分 200–250 字
- 结论：100 字
- 总长度：800–900 字
- 受众：精品咖啡爱好者，无技术背景
- 语气：温暖、务实

错误 2：以为模型知道上下文

模型不知道你的受众、产品，也不知道你之前写过什么。如果不把上下文放进去，它会自己编一个。这不是模型的错，而是它的工作方式。模型依托它已有的东西；如果什么都没有，就依托笼统的。

帮我优化这段文字。

请把下面这段文字优化成适合面向 [领域] 初学者的落地页。目标：提升免费课程的报名率。语气：鼓励性，不夸张。

文本：
[原始文本]

错误 3：不指定语气

模型的默认语气通常是正式或中性。如果你想要别的语气，请明确指定。不要以为模型会从上下文「领会」你要的是亲切语气。模型并不像人那样理解隐含意图。你没写的，就不在指令里。

帮我写一条关于我们产品的帖子。

请用 [选择：亲切 / 直接 / 幽默 / 正式] 的语气写一条关于我们产品的帖子，不带营销式夸张，就像朋友给的建议。

错误 4：在一个提示词里要太多东西

提示词里的任务越多，每个任务的遵循度就越低。模型会把注意力（比喻意义上）分摊到各个任务，可能完成一部分而牺牲另一部分。把任务分开。如果你想要文章、然后关键词、然后 meta 描述，请分阶段来。每个阶段的结果都会更好，总和也优于「一次全要」。

帮我写一篇文章，指定关键词，写一段 meta 描述，创建社交媒体帖子，再给我一些配图创意。

任务 1：写一篇关于 [主题] 的文章（800 字，H2/H3 结构）。
（完成后，我们进入任务 2。）

错误 5：不测试结果、不修改

第一次写的提示词很少是最好的。测试、留意缺什么、修改、再测试。这个循环是「好」提示词与「卓越」提示词之间的分水岭。这里的错误不在提示词本身，而在于第一次尝试后就停下来。好提示词是通过迭代构建的，而不是一次成型。

如何测试并优化你的提示词

写提示词不是一次性事件，而是一个循环：写、测、看、改、再测。这个循环才把一个中等的提示词变成卓越的提示词。很多时候，一个「能用」的提示词和一个「用得好」的提示词之间的差别，就是 2–3 轮有针对性的修改。

用两个版本做 A/B 测试

与其整段修改、指望它变好，不如每次只改一个变量，再比较结果。这样你才知道是哪个改动带来了差别，而不是靠猜。

示例：

• 版本 A：当前提示词
• 版本 B：相同提示词 + 只加「用亲切的语气」
• 比较：结果是否更接近你想要的？是，就保留这个改动。否，就换一个变量再试。

何时重写，何时换模型

并非每个弱结果都源于提示词。有时原因在模型本身。实用规则：在榨干提示词改进之前，不要换模型。大多数问题在提示词里解决，而不在模型里。如果你已经试过 3–4 次提示词改进、结果仍未改善，那也许是时候试试别的模型。但如果你还没试过系统性改进，换模型并不能解决问题。

表格：问题 → 可能原因 → 解决方案

这是一张快速参考表，每当结果不理想时都可以回来看：

从手写提示词到工具

学会自己写提示词之后，一个合乎逻辑的问题就浮现了：那为什么还要用工具？ 答案是：两者服务于不同的目的，谁也替代不了谁。工具不是技能的替代品，而是技能的加速器。技能也不是工具的替代品，而是有意识地使用工具的基础。

何时自己写提示词

• 任务非标准，需要工具无法捕捉的具体上下文
• 你想对每个字都有完全掌控
• 你在学习，因为手写是理解模型运作方式的最好途径
• 任务敏感（法律、医疗、金融内容），需要对每个细节人工审阅

何时使用现成工具

• 任务标准（SEO 文章、产品描述、广告），因为工具会自动应用四大原则
• 你想节省时间，因为工具会询问细节、构建提示词、跳过试错循环
• 你是新手，因为工具会展示一个好提示词是如何搭建的，成为你学习的参照
• 你需要校验一个已有提示词，因为提示词优化器会强化你的提示词，并指出缺什么

如何同时受益于两者

最优方式是结合：

1. 从工具开始处理标准任务（文章、广告、产品描述）——你得到一个建立在四大原则上的提示词。
2. 阅读生成的提示词——留意原则是如何被应用的、约束是如何被表述的。
3. 手动修改——加上你的具体上下文、换语气，或加上工具没有的约束。
4. 测试——比较修改前后的结果。
5. 学习——下一次，你自己就能写出提示词，工具已经教会了你那个模式。

总结：7 天掌握提示词写作的计划

知识不应用就会蒸发。这是一份实用的 7 天计划，每天一个小练习（15–30 分钟），带你从基础走向应用。不要等到成为专家才开始；从一个提示词开始，每天应用一个原则。

第 1 天：理解请求与提示词的区别

• 为你熟悉的一个任务写一个请求（一行）。
• 把同一个任务写成提示词（角色、上下文、约束、输出）。
• 比较结果。留意发生了什么变化。

第 2 天：应用角色

• 取第 1 天的提示词，加上一个精确的角色，不是「专家」，而是具体的专业背景。
• 重新测试。留意语气和深度的差别。

第 3 天：应用上下文

• 取同一个提示词，加上上下文（受众、目标、先前的问题）。
• 重新测试。留意结果如何更贴近你的受众。

第 4 天：应用约束

• 加上约束（长度、语气、格式）。
• 重新测试。留意重写的需要如何下降。

第 5 天：应用输出结构

• 让模型以具体格式输出结果（表格、JSON、清单）。
• 留意结果如何变得直接可用，而不用再排版。

第 6 天：尝试一项进阶技巧

• 在一个分析任务里试思维链。
• 在一个格式任务里试少样本。
• 比较前后结果。

第 7 天：A/B 测试

• 取一个提示词，写出两个版本（A 和 B），只有一个变量不同。
• 在同一个任务上测试两者。
• 留意是哪个变量带来了差别。

七天之后： 你已经练过四大原则、三项技巧和测试循环。这还不是完全精通，但已经是一块扎实的基础，可以在此基础上继续搭建。

结语

写提示词是一项技能，不是一个按钮。你靠应用来学会它，而不是靠背诵。四大原则（角色、上下文、约束、输出）是基础。三项技巧（思维链、少样本、输出结构）是工具。测试与修改的循环，才是把一个「提示词」变成「卓越提示词」的关键。

不要等到成为专家才开始。从一个提示词开始，应用一个原则，留意差别，然后再加上一个原则。一周之后，你会比读了十份指南却不应用走得更远。

如果你想加速学习，从提示词生成器开始——试用一个工具、读生成的提示词、留意原则是如何被应用的，然后手动修改。或者深入提示词工程指南获得更广的理解。如果你想要可以直接复制的提示词，提示词库和即用型提示词指南是不错的起点。

下一步： 打开提示词生成器，自己写出你的第一个专业提示词——或者用工具生成后再比较。你注意到的差别，就是最好的课程。

相关文章

• 即用型 AI 提示词指南
• ChatGPT vs Claude vs Gemini：提示词差异
• ChatGPT 提示词优化指南
• 最好的免费 AI 提示词生成器
• 免费 ChatGPT 提示词生成器的秘密
• AI 信息图提示词指南
• AI SEO 内容指南
• AI 产品描述指南
• 广告与营销提示词

相关工具

• 提示词生成器
• 提示词工程
• 提示词库
• 提示词优化器
• 提示词翻译器
• 文章提示词生成器
• 广告生成器
• SEO 内容生成器
• 产品描述生成器
• 报告生成器
• AI 智能体生成器
• 信息图提示词生成器