你的第一个高质量Prompt

上一章我们理解了LLM的工作原理。现在让我们开始实战——掌握三个最基础也最重要的Prompt技巧：角色设定、Few-shot示例和格式控制。单独使用任何一个都能提升回答质量，组合使用则效果倍增。

技巧一：角色设定（Role Prompting）

这是最简单但最有效的技巧。在对话开头告诉AI它应该扮演什么角色，它的回答质量会显著提升。研究表明，添加角色设定后，模型输出的专业性和相关性平均提升20-40%。

为什么角色设定有效？

当你说「你是一个资深的市场营销专家」时，LLM会调整它的预测方向——接下来生成的内容会更多地引用营销领域的知识、术语和思维方式。就像让一个全科学生进入「市场营销」考试模式，它会激活与该角色最相关的知识路径。

从技术角度理解：LLM的训练数据中包含了大量不同角色写的内容（医生写的诊断报告、律师写的法律意见书、程序员写的代码注释...）。角色设定相当于告诉模型「接下来请参考XX角色的写作模式」，帮助模型缩小预测空间、提高输出质量。

角色设定的四要素

**专业领域**：明确告诉它在哪个领域有专长。越具体越好。例如「B2B SaaS营销」比「营销」精准10倍，「专注于TikTok短视频的品牌营销」又比「B2B SaaS营销」在特定场景下更精准。

**经验水平**：「有10年经验的资深专家」比「一个专家」能引出更深入、更有洞察的回答。数字很重要——「15年经验」会让模型调用更高级的知识和更成熟的表达方式。

**沟通风格**：「用简单直白的语言，像给高中生解释一样」或者「用专业学术风格，包含术语和引用」——根据你的读者来设定。风格设定直接影响词汇选择、句子复杂度和信息密度。

**行为约束**：告诉AI不该做什么。例如「不要使用陈词滥调」「不确定时说不知道而非猜测」「回答必须基于事实，不要编造数据」。约束条件能显著减少低质量输出。

实例对比

**普通提示**：「怎么做一个网站的SEO？」→ 你会得到一篇泛泛的SEO入门科普。

**角色设定提示**：「你是一个有8年经验的SEO专家，专注于中文内容网站的优化。我运营一个刚起步的AI工具评测网站，月均PV约5000。请为我制定一个6个月SEO增长策略，目标是月访问量达到10万。请用清单形式列出，每项附带具体操作步骤和预期效果。」→ 你会得到一个量身定做、可直接执行的增长计划。

差别不只是「更详细」，而是回答的思维深度和专业性会完全不同。角色设定让模型从「泛泛回答」变成「专家咨询」。

常见角色设定模板

**技术场景**：「你是一个有{X}年经验的{具体方向}工程师，曾在{公司类型}公司负责{具体项目}。」

**商业场景**：「你是一个{行业}领域的{职位}，擅长{具体技能}，你的客户主要是{客户画像}。」

**教育场景**：「你是一个经验丰富的{学科}教师，正在教{学生层级}的学生。请用{风格}的方式解释。」

**写作场景**：「你是{媒体名称}的资深{职位}，擅长{写作风格}，读者是{读者画像}。」

技巧二：提供示例（Few-shot Learning）

给AI看几个你想要的输出示例，它就能理解你的格式、风格和质量要求。这是从「文字描述需求」升级到「用示例展示需求」的质的飞跃——「Show, don't tell」在Prompt Engineering中同样适用。

为什么Few-shot如此有效？

人类沟通时也大量使用示例。当你告诉实习生「写一份类似上次那样的报告」时，那份「上次的报告」就是一个Few-shot示例。同样，LLM通过分析你给的示例，能精准理解你隐含的格式、语气、信息密度、详略程度等很难用文字完整描述的要求。

Zero-shot vs One-shot vs Few-shot

**Zero-shot（零样本）**：不提供任何示例，直接给指令。适合简单、明确的任务。如「翻译：Hello → 你好。翻译：Thank you →」。

**One-shot（单样本）**：提供1个示例。适合格式不太复杂的任务。

**Few-shot（少样本）**：提供2-5个示例。适合格式复杂或有特定风格要求的任务。

实战示例一：标准化格式输出

「请按以下格式为AI工具写简介：

示例1：ChatGPT | OpenAI出品的全能AI助手 | 强大的语言理解和生成能力，支持多模态输入 | 适合：写作、编程、分析 | 评分：4.8/5

示例2：Midjourney | 顶级AI图像生成工具 | 艺术感强、细节丰富、风格多样 | 适合：设计、创意、插画 | 评分：4.7/5

现在请为以下工具生成简介：DeepSeek、Kimi、Cursor」

通过2个示例，AI就能精确理解你要的：竖线分隔的格式、每个字段的信息密度、评分量表。

实战示例二：风格迁移

如果你需要AI模仿特定的写作风格，Few-shot是最有效的方法。给出2-3段你认可的范文作为示例，然后要求AI按相同风格写新内容。模型会自动分析范文的句式结构、词汇选择、段落节奏等特征并加以模仿。

实战示例三：分类任务

「请判断以下用户评论的情感倾向：

评论：'这个产品太棒了，完全超出预期！' → 积极

评论：'还行吧，中规中矩' → 中性

评论：'退货流程太复杂了，客服态度也差' → 消极

评论：'性价比不错，但包装有点简陋' → ?」

通过展示「积极」「中性」「消极」三种分类的范例，模型能精准理解你的分类标准和边界。

Few-shot的注意事项

**示例数量**：2-5个最优。1个可能不够代表性，超过5个浪费Token且可能让模型过度拟合某种模式。

**示例多样性**：示例要覆盖不同类型的输入。如果你在做分类任务，每个类别至少给一个示例。

**示例质量**：示例代表了你的质量标准。给一个马虎的示例，AI就会输出马虎的结果。花时间打磨示例是值得的。

**示例顺序**：研究表明，示例的顺序会影响输出。建议把最重要或最有代表性的示例放在最前面和最后面（首因效应+近因效应）。

技巧三：明确输出格式

直接告诉AI你想要什么格式的输出：表格、列表、JSON、分步骤等。格式指令看似简单，但对输出质量的影响巨大——它不只是改变了排版，还改变了模型组织信息的方式。

常用格式指令及适用场景

**「请用Markdown表格对比」**——最适合对比分析。迫使模型从多个维度系统性地分析，而不是随意罗列。

**「请用1-2-3编号步骤列出」**——最适合操作指南。编号步骤让流程更清晰，也方便后续执行时逐项检查。

**「请先给出结论，再展开分析」**——最适合快速决策场景。借鉴了「金字塔原理」的倒三角结构，节省决策者的时间。

**「请控制在200字以内」**——当你需要简练输出时必备。没有长度限制，模型倾向于「多说一点总没错」的冗长回答。

**「请用JSON格式输出」**——当输出需要被程序解析时必备。指定JSON的key名和数据类型能避免解析错误。

**「请用STAR格式」**——Situation/Task/Action/Result，适合案例分析和经验总结。

高级格式技巧：输出模板

对于复杂的输出需求，直接给出一个「填空模板」比描述格式要求更高效。例如：

「请按以下模板输出产品分析报告：## 产品名称：[产品名] ### 核心功能（3-5个）：- [功能1]：[一句话描述] ### 目标用户：[画像描述] ### 竞争优势：[1-2句话] ### 主要风险：[1-2句话] ### 推荐指数：[1-5星]+[理由]」

模板让模型完全不需要猜测你想要什么格式，直接按模板填充内容即可。这在批量生成内容时尤其有用——保证每条输出格式一致。

组合使用：三大技巧的乘法效应

三个技巧单独使用各有效果，但组合使用时会产生「乘法效应」——效果不是1+1+1=3，而是1×2×2=4甚至更高。

组合示例：AI产品评测

「你是一个有5年经验的AI产品分析师，曾在极客公园和少数派发表过多篇AI工具评测（角色设定）。

请用Markdown表格对比ChatGPT、Claude和DeepSeek在以下五个维度的表现（格式要求）。

参考以下评测维度和评分示例（提供示例）：| 维度 | 说明 | 评分标准 | | 中文写作 | 语感自然度和表达质量 | 1-5分，5为最佳 |

五个维度：中文写作、代码能力、长文分析、创意发散、性价比。每个维度给出评分和一句话点评。最后给出总结推荐。」

这个Prompt结合了角色（AI产品分析师）+ 示例（表格维度示范）+ 格式（Markdown表格+评分+总结），输出质量远超任何单一技巧。

组合示例：周报生成

「你是一个高效的项目管理助手（角色）。请将以下工作日志整理成周报，格式要求如下（格式）：## 本周完成 ## 下周计划 ## 需协调事项。参考这个示例的详略程度（示例）：## 本周完成 - 完成用户注册模块开发，通过QA测试，已部署到staging环境...」

技巧优先级

如果你只有时间用一个技巧，用角色设定。如果有时间用两个，加上格式控制。如果有充裕时间，再加Few-shot示例。优先级：角色设定 > 格式控制 > Few-shot示例。

常见错误和避坑指南

错误一：角色设定过于模糊

差：「你是一个专家」→ 什么领域的专家？好：「你是一个专注于跨境电商独立站的Google Ads投放专家，主要服务DTC品牌」。

错误二：示例与实际任务不匹配

如果你的示例是写产品简介，但实际要AI写用户故事，模型会困惑应该遵循示例还是指令。确保示例与任务属于同一类型。

错误三：格式指令与内容冲突

「请用200字详细分析...并给出完整的实施方案」——200字和「详细分析+完整方案」是矛盾的。要么放宽字数限制，要么降低详细程度要求。

错误四：一个Prompt塞太多要求

当需求复杂时，与其写一个超长Prompt，不如拆成多步对话。先让AI完成第一步，确认满意后再进行下一步。这比一次性给10个要求效果好得多。

掌握这三个基础技巧后，你的AI使用效率至少能提升3倍。下一章我们将学习更强大的Chain-of-Thought（思维链）技巧——让AI像人类一样一步步推理。