Skip to content

提示词基本功:普通人也能稳定复现 ​

本篇要点:同一个任务,你写的指令能让别人照抄之后拿到同样的结果,而不是"我这边效果挺好"。 前置文章:《AI 工具全景:按任务选工具》把工具按任务分了六类,这一章处理所有类别共用的一层——怎么把要求说清楚。

一、为什么需要它 ​

一位做客服的读者给我看她的对话记录。她让 AI 把工单摘要成"一句话",同一批工单跑了两遍。

第一遍出来 30 字左右,很干净。第二遍有几条变成 90 字,还多了一句"客户疑似对价格不满,建议降价"。原文里根本没有这句话,是模型自己补的。

她以为模型不稳定。我看了她的指令,一共八个字:"帮我总结一下工单"。

这句话里没有任务边界、没有输入范围、没有长度上限、没有输出格式。模型每次都在替她做决定:总结成一句还是一段?要不要加建议?要不要推断情绪?它猜对了是运气,猜错了是必然。

提示词(prompt)这个词被说得太玄。它其实就是一份写给一个能力很强、但完全不了解你业务的同事的任务说明。你会怎么跟新同事交代?说清要什么、给够材料、定好交付格式、留一个返工的入口。写作这件事,四件事而已。

二、核心概念 ​

2.1 指令四要素 ​

一条能复现的指令,四个部分缺一不可。

要素回答的问题写错的典型症状
任务做什么动作,动词要具体"处理一下"——处理是改写、翻译还是分类?
输入依据哪段材料,边界在哪材料混在指令里,模型分不清哪句是要求哪句是素材
约束不许做什么,长度、口吻、术语不写约束,模型会自由发挥,还会补事实
输出格式交付形态,字段、层级、字数要表格给了段落,要 JSON 带了寒暄语

表 2-1 指令四要素与常见写错的样子

四个要素里,新手最常漏的是约束,其次才是格式。约束的作用是否定式地圈地:不许推断客户情绪、不许出现原文没有的数字、不许用"建议"这个词。一句"不许"抵得上三句"要"。

类比点单。"来一份面"和"一份牛肉面,不要香菜,微辣,打包"是两回事。后者的每一个附加条件都在减少后厨的自由度,而自由度正是偏差的来源。

2.2 给例子比讲道理有效 ​

少样本示例(few-shot)指的是在指令里放几个"输入→期望输出"的样例,让模型照着模式做。

它的效力常被低估。同样是让模型把工单缩到 30 字,写五条"要求简洁、保留关键信息、不要推断",不如给两个真实例子。

但例子有个陷阱:例子必须覆盖边界情况。如果你的两个例子都是简单工单,模型遇到一条"客户同时投诉物流和退款"的复合工单,就会自己决定砍掉一半。

一条经验:给 2–3 个例子,其中至少一个是难例。

2.3 上下文投喂的三种方式 ​

投喂(context feeding)指把模型不知道的材料放进对话。

三种方式,成本与可靠性各不相同:

  • 直接粘:适合 2000 字以内的材料,最快,但改一次就要重粘一次。
  • 传文件:适合长文档,模型自己切片检索。风险是它可能只读到一部分,答完不告诉你没读到哪。
  • 给检索片段:你自己先搜出相关段落,只投喂这几段。最可靠,也最费事。

顺序也会影响结果。把材料放在指令之前、问题放在最后,模型的注意力更容易落在问题上。反过来,先问后给材料,它常常在没看到材料时就先答了一版。

反例:有人把公司制度 PDF 传进去问"年假怎么算",模型答得头头是道,其实那份 PDF 有 80 页,它只读了前 20 页。长文档一定要问一句"你依据的是哪一页"。

2.4 格式约束要落到字段 ​

"用表格输出"太松。要写成三列,每列都带类型和边界:

  • 第一列 工单号:原样照抄,不改大小写;
  • 第二列 摘要:不超过 30 个汉字,不许出现分句;
  • 第三列 需人工跟进:只能填"是"或"否",不许写"可能"。

然后补一句"不要表头以外的任何文字"。这句话在批量场景里能省掉后面所有的清洗工作。

字段化的好处是能被程序接住。你要做批量处理,就必须让输出可解析,见 3.2 节的脚本。反过来,如果你只是自己看,格式可以松一点,但要接受读起来慢的代价。

2.5 迭代与纠错:指出证据,不要说"再改改" ​

回改(iterate)是提示词工作的主体,一次就对的概率不高。

有效的回改带三样东西:哪一条错了、错在哪、正确的依据是什么。

"第 3 条摘要里出现了'降价',原文没有这个词,删掉,摘要只保留客户说过的诉求。"这句话模型能执行。

"再改改,不太对。"这句话模型只能重掷一次骰子。

2.6 四种失败模式与对应改法 ​

跑多了之后会发现,失败长得就那么几种。认得出是哪一种,改法就唯一了。

失败表现真正的原因该改哪里
内容编造,出现原文没有的数字或建议约束没写否定项补"不出现原文没有的……"
输出忽长忽短,格式每次不同格式没落到字段把列名、字数、允许值写死
该简单的答得很长,还带寒暄没限定输出,模型按默认礼貌作答加"只输出……不要解释"
复杂任务只做了一半任务没拆,一个指令塞了三个动作拆成多轮,一轮一个动作

表 2-2 四种失败模式与唯一的改法

最后一行最容易被误判成"模型能力不够"。实际是任务粒度问题:让一条指令同时做"分类、摘要、判定优先级",它大概率会把最难的那步糊过去。拆成三轮反而更快。

图 2-1 三轮定稿法:整体跑偏回改四要素,单条不过只重写单条

如图 2-1 所示,唯一该重写整条指令的情况是"整体跑偏"。单条错误只重写单条,否则你会把已经对的部分也改坏。

三、动手实践 ​

任务来自那位客服读者:把一天 40 条工单缩成一句话摘要,供主管晨会扫读。

3.1 先写一版能跑的指令 ​

markdown
# 角色
你是客服工单摘要助手。

# 任务
把下面这段工单记录缩成一句中文摘要。

# 约束
- 只写客户说过的诉求,不推断情绪、不写建议、不加评价
- 不出现原文没有的数字、金额、时间
- 摘要 30 字以内,不含标点以外的符号
- 若工单涉及两件以上诉求,只写最主要的,末尾加「等」

# 输出格式
工单号 | 摘要 | 需人工跟进(是/否)
只输出一行,不要表头、不要解释。

# 输入
工单号:T-88213
{{工单原文}}

运行结果(拿一条真实工单跑,含两件诉求):

text
T-88213 | 要求退运费并查询补发进度等 | 是

13 个字,两件诉求被「等」收住,没有推断。这一条通过了。

3.2 用脚本批量自检,别靠眼睛看 ​

单条能过不代表 40 条能过。写一个检查脚本,把明显的违规先捞出来。

python
# check_summary.py —— 工单摘要合规自检
import re

BAN = ["建议", "疑似", "不满", "情绪", "应该", "可能"]
rows = [
    "T-88213 | 要求退运费并查询补发进度等 | 是",
    "T-88214 | 客户疑似对价格不满,建议降价 | 是",
    "T-88215 | 申请修改收货地址,订单金额 289 元 | 否",
]

for row in rows:
    wid, summary, flag = [x.strip() for x in row.split("|")]
    errs = []
    if len(re.findall(r"[\u4e00-\u9fa5]", summary)) > 30:
        errs.append("摘要超 30 字")
    if hit := [w for w in BAN if w in summary]:
        errs.append(f"出现推断词 {hit}")
    if re.search(r"\d+\s*元", summary):
        errs.append("含金额,需回原文核对")
    print(f"{wid} {'通过' if not errs else '退回:' + ';'.join(errs)}")

运行结果:

text
T-88213 通过
T-88214 退回:出现推断词 ['建议', '疑似', '不满']
T-88215 退回:含金额,需回原文核对

三条里退两条。这就是"我这边效果挺好"和"能上线"的差距:判断标准必须写成代码,否则它会随你的耐心浮动。

3.3 把指令变成可复用模板 ​

能复用的模板要有三样东西:变量占位、适用范围、验收标准。

yaml
# prompts/summarize-ticket.v3.yaml
id: summarize-ticket
version: 3
updated: 2026-11-16
scope: 中文客服工单,单条 500 字以内
vars: [ticket_id, ticket_text]
prompt: |
  你是客服工单摘要助手。
  任务:把工单缩成一句中文摘要。
  约束:只写客户诉求;不推断情绪、不写建议;不出现原文没有的数字;
        30 字以内;涉及多诉求只写最主要的,末尾加「等」。
  输出:工单号 | 摘要 | 需人工跟进(是/否),只输出一行。
  输入:工单号 {{ticket_id}},原文:
  {{ticket_text}}
acceptance:
  - 摘要 ≤30 个汉字
  - 不含推断词:建议/疑似/不满/情绪/应该/可能
  - 含金额或日期时,必须能回原文逐字对上
  - 需人工跟进 = 是 的判定:涉及退款、投诉、二次催促
known_issues:
  - 复合工单(物流+退款)会砍掉次要诉求,需人工补

预期输出(把 v3 交给同事照抄,跑同一批工单):

text
同一批 40 条工单,两个人跑出的摘要逐条比对,
差异应只出现在「需人工跟进」的判定上(主观项),
摘要文本应完全一致。

known_issues 字段是这套模板里最实用的部分。它记录的是"这个提示词在哪里会坏",比"这个提示词很好用"有用得多。

四、常见误解 ​

很多人以为提示词越长越好。实际上长度不是标准,覆盖率才是。两页纸的指令如果没写"不许推断",照样会出编造内容;十行指令如果四个要素齐、约束明确,稳定性更高。

很多人以为换个更强的模型就能解决问题。实际上四要素缺失是输入问题,换模型只会让错误答案更流畅。同一份缺约束的指令,在强模型上编得更像真的,反而更难发现。

很多人以为好的提示词可以一次写好长期使用。实际上工具版本在变、你的业务在变、失败的案例在累积。模板要带版本号和 known_issues,每季度把新踩的坑补进去,《进阶:搭建个人 AI 工作系统》会讲这套维护节奏。

五、小结 ​

《AI 工具全景:按任务选工具》把工具按任务分了六类,这一章处理的是六类共用的一层:怎么把话说清楚。

  • 四要素:任务、输入、约束、输出格式。约束最常被漏,而它决定模型会不会自由发挥。
  • 给 2–3 个例子,其中至少一个难例;只给简单例子,等于教模型偷懒。
  • 上下文三种投喂方式各有代价;长文档必须追问"你依据哪一页"。
  • 回改要指出条目和依据。"再改改"是重掷骰子,不是修改。
  • 判断标准写成脚本。眼睛看会疲劳,代码不会。
  • 模板三件套:变量占位、验收标准、已知问题。

六、相关文章 ​

到这里你已经在跟模型对话了。但有一类工作不在对话框里发生——它在你的编辑器里,面对的是几万行真实代码和一个跑不起来的测试。相关文章把提示词的基本功搬进 IDE,讲补全、重构、读陌生仓库和代码评审,以及它最容易骗你的地方。

继续阅读:[《AI 编程助手:补全、重构与评审》 AI 编程助手:补全、重构与评审](/guide/ai-tools/ai-coding-assistants.html)