很多人刚接触 AI 时的体验是：问一句"帮我写个方案"，回来一堆空话，于是得出"AI 不好用"的结论。问题多半不在 AI，而在提示词——你发过去的那段指令。它决定模型往哪个方向生成。这一课只讲三件事：提示词是什么、由哪几块构成、怎么写出一句拿来就能用的。
提示词就是你说给模型的那句话
提示词（Prompt）是你发给 AI 的全部输入：一句提问、一段背景、一份待改的稿子，都属于提示词。同一个模型，输入不同，输出质量可以差一个量级。"帮我写首诗"是提示词，"用初中生能懂的比喻，写一首 12 行的短诗，主题是季节变化"也是提示词，后者的结果通常更接近你想要的。
原因很朴素：模型不会读心。你说"写个方案"，它不知道是什么方案、给谁看、多长、什么口吻，只能按最常见的理解去猜，猜偏了就是答非所问。你给的线索越多，它猜测的空间越小，输出就越稳。
四个构成部分
好用的提示词基本由四块组成，缺哪块，模型就在哪块自由发挥。
角色：告诉它"你是谁"，比如"你是一位处理过大量报销单据的财务主管"，角色影响用词的专业度和视角。任务：说清"要做什么"，一个动词加一个对象，比如"把下面的口语记录改写成正式邮件"。上下文：补充背景，给谁看的、用在什么场合、有什么约束，比如"收件人是没见过面的合作方"。输出要求：规定形态，字数、格式、要点数量、语气，比如"300 字以内，分三段，客气但不啰嗦"。
四块不必每次凑齐。简单问题一两句就够；任务越复杂、你的偏好越具体，越值得写全。判断标准是：换一个陌生人看你的提示词，能不能明白你要什么、以什么形态交付。能，就合格。
一个可以直接抄的例子
四块合起来是这样一句：
"你是一位资深电商文案。请把下面这段商品描述改写得更吸引年轻用户。使用场景是社交平台图文帖，字数 80 字以内，突出两个卖点：便携和续航。改写时保持事实不变，不要添加原文没有的功能。原文是：……"
角色、任务、上下文、输出要求都在里面。照这个骨架换成你的场景，改成改写简历自述、给家长写通知都行，结构不变，替换内容即可。写得糙一点也没关系，先跑一次看结果，哪里不满意就在原对话里补一句要求，比如"太正式了，口语一点"，模型会在上一轮基础上调整。
三个立刻见效的用法
给例子：描述风格一百句，不如贴一段范文，"参考这段的语气"比"幽默一点"准确得多。一次说全：把要求一口气写完，别挤牙膏，来回补要求不如开头写清楚。留在同一对话里改：模型记得上文，说"短一半""换个开头"就行，重开对话等于清空背景。
提示词救不了的情况
它有边界。模型本身能力不够时，提示词写得再好也出不来结果：让 7B 级别的小模型做复杂推理，指令再清楚也勉强，这时换模型比换提示词有效，规模差异怎么衡量见参数量与模型能力的差别。需要最新信息时，模型的知识停在训练截止日，提示词只能让它承认不知道，补不上一手资料。另外，无论提示词多完善，关键事实都要自己核对，模型可能编造细节，这和提示词质量无关。
写好的提示词需要管理。常用提示词改了一处、别处坏了是常事，正规做法是给它留几组测试用例，改动后跑一遍再上线，方法见提示的回归测试。分不清该从哪个入口用模型时，认准官方渠道比记提示词更基础，缘由见套壳应用的识别。
四个部分的作用对照
| 构成部分 | 作用 | 缺了会怎样 |
|---|---|---|
| 角色 | 定调专业视角与语气 | 用词泛泛，像通用模板 |
| 任务 | 指明要做的那件事 | 模型自己挑一件事答，常跑偏 |
| 上下文 | 约束场景与受众 | 内容对不上使用场合 |
| 输出要求 | 规定字数、格式、要点 | 形态随缘，还要二次加工 |
写提示词时按这张表自查一遍，四行都有着落，就超过了多数随手一问的人。
提示词速查
- 把 AI 当成一个聪明但不会读心的新同事
- 四块骨架：角色、任务、上下文、输出要求
- 给例子比形容词管用，范文胜过描述
- 不满意就在原对话里让它改，别重开
- 关键事实自己核对，提示词防不了编造
三个常被问到的问题
- 提示词要不要背模板？：不用背。记住四块构成，需要时现场拼装。模板的价值在于提醒你别漏了块，不在于文字本身，照搬模板反而容易被模板结构带偏。
- 同一句话为什么两次结果不一样？：生成带有随机性，同一提示词多次输出会有波动。重要任务多跑几次挑满意的，或在设置允许时调低随机度，输出会更稳定。
- 画图也是写提示词吗？：是，写法侧重画面描述而非角色设定。文字会先进文本编码器再引导画图模型，这个过程见文字进入画图模型的机制。
