新手提示词工程：一套真正管用的框架

提示词为什么会失败

面向新手的提示词工程不是去背一些花哨的措辞，而是给AI模型它所需要的任务、证据、边界和输出形状，好让它产出有用的东西。大多数糟糕的提示词之所以失败，是因为它们求助时并没有定义什么叫“好”。模型会用最可能的规律去填补空缺，而这些规律听上去可能很精致，却偏离了你真正的目标。

最常见的失败是任务不清。“把这个弄好一点”可以指更短、更温暖、更有说服力、更准确、更不技术，或更易于扫读。第二种失败是缺少背景。如果模型不知道受众、原始材料、决策标准或业务目标，它就会朝着泛泛的质量去优化。第三种失败是约束太弱。没有长度、语气、来源、隐私、格式和必须避免的规则，答案就会跑偏。第四种失败是没有审查循环。第一次的答案通常是草稿，而不是终点。

一个稳健的新手工作流会把写提示词当作一份简短的说明加一次质量检查。你定义任务、纳入背景、设定约束、要一个格式，然后让模型暴露它的假设或不确定之处。这个简单的习惯能改进写作提示词、研究提示词、规划提示词和分析提示词，因为它把模型从一个含糊的助手变成一个有条理的协作者。

框架：指令、背景、约束和格式

几乎每一条正经的提示词都用这套AI提示词框架：指令、背景、约束、格式。它好记、能跨模型迁移，又具体到足以提升准确性。你可以在Whizi里把同一个模板跑遍不同的模型，比较哪个最听从这份说明。

指令是那个动作。以一个动词和一份交付物开头：总结、比较、改写、提取、点评、分类、列提纲、调试或规划。与其写“帮我做市场研究”，不如写“为这个品类里的五款产品做一张竞品对比表”。指令越清晰，就越容易评判输出。

背景是模型为了不用猜而需要的材料。包括受众、目标、背景资料、原文、示例、决策标准和定义。对于较长的输入，把来源清楚地标注出来，并按一致的结构把你的指令放在内容前面或后面。模型服务商的长上下文指引往往强调清晰的组织，因为大段输入仍然需要路标。

约束是那些规则。加上长度、语气、范围、排除的说法、所需的证据、隐私边界、阅读难度，以及信息缺失时该怎么办。当你需要能提升准确性的提示词时，约束尤其有用：告诉模型把未知标出来而不是编造细节、把事实和假设分开，并在可能时引用来源段落。

格式是那个输出的容器。要一张表格、一份清单、一份备忘录、一份提纲、类JSON字段、一封邮件、一份打分表，或一份分步计划。OpenAI和Gemini关于结构化输出的指引之所以有用，是因为它强化了同一个实用的道理：当想要的形状被明确说出来时，输出就更容易解析、比较和复用。

可复制粘贴的提示词模板：“指令：[具体动作和交付物]。背景：[受众、目标、原始材料、示例、定义、决策标准]。约束：[长度、语气、必须包含、必须避免、证据规则、隐私规则、不确定性规则]。格式：[表格/清单/备忘录/邮件/提纲/类JSON字段]。定稿之前，列出假设、缺失的信息，以及一个能改进结果的追问问题。”

按任务分类的示例

工作中最好用的提示词是可复用的模式，而不是一次性的神来之笔。把下面的示例当作起点，然后把那些始终能产出有用结果的存下来。

写作提示词：“指令：为清晰度和具体性改写这份草稿。背景：受众是[受众]，目标是[目标]，草稿是[粘贴草稿]。约束：保持所有事实不变、避免夸张、用平实的语言，并让下一步一目了然。格式：返回一份修改后的草稿，然后一张表格，列出原有问题、所做的编辑和理由。”它管用是因为它给了模型一个任务、一位读者、一个标准，以及一条可审查的编辑痕迹。

研究提示词：“指令：把这些来源变成一份研究简报。背景：我在为[决定]评估[问题]。来源：[粘贴来源摘录或链接/笔记]。约束：只用提供的材料、把证据和推断分开、标出弱证据，并且不要编造统计数据。格式：返回关键发现、证据表、待解决问题和推荐的下一批来源。”这比问“研究一下这个话题”更好，因为它保护了可追溯性。

规划提示词：“指令：制定一份两周执行计划。背景：目标是[目标]，团队是[团队]，截止日期是[日期]，约束是[约束]。约束：优先安排可逆的步骤、尽早识别阻碍，并让每个任务对负责人友好。格式：一张表格，含日期、任务、负责人、产出、风险和成功检查。”这样的输出就成了团队真正能用的东西。

分析提示词：“指令：比较这些选项并推荐一个。背景：选项是[选项]。决策标准是[标准]。约束：包含取舍、最有力的反驳意见，以及什么会改变这个推荐。格式：一张打分表加一份简短的决策备忘录。”这鼓励做出判断，同时不掩盖不确定性。

审查提示词：“指令：在我使用之前先点评这份输出。背景：预期用途是[用例]。要审查的输出：[粘贴]。约束：检查准确性、无依据的说法、缺失的背景、语气、风险，以及需要人工审查的地方。格式：先返回关键问题，再返回建议的编辑，最后返回一个最终的信心评级。”这把AI变成了一道质检工序，而不只是一个草稿生成器。

迭代循环

好的提示词工程是迭代出来的。你应该预料到第一次回应会暴露出提示词漏掉了什么。与其从头再来，不如用一个循环：评估、诊断、修订、比较、保存。

用五个问题评估答案。它有没有完成那个确切的任务？它有没有用上提供的背景？它有没有遵守约束？格式好不好用？各种说法、假设和不确定之处可见吗？如果答案不合格，先诊断提示词，再去怪模型。输出含糊往往意味着任务含糊。输出泛泛往往意味着背景太薄。输出有风险往往意味着约束缺失。

然后每次只用一条精确的指令去修订。说“让这个推荐更基于证据，并把未知标出来”，而不是“再试一次”。说“把这个变成一张表格，列出说法、证据、信心和下一步核查”，而不是“更有条理些”。当质量重要时，在Whizi里把同一条修订后的提示词跑遍多个模型，比较准确性、完整性、语气控制和编辑时间。

用这份迭代清单：1. 用一句话点明失败之处。2. 补上缺失的背景或约束。3. 收紧输出格式。4. 索要假设和不确定之处。5. 任务重要时再跑一个模型。6. 只有在一个真实任务上（而不是玩具例子上）跑通之后，才把改进后的提示词存下来。

搭建你可复用的提示词库

可复用的提示词库，正是新手写提示词变成日常工作流的地方。与其把零散的提示词留在聊天记录里，不如按活儿把模板归类：写作、研究、规划、编程、客户分析、文档审查和决策支持。每个模板都该包含同样的四个字段：指令、背景、约束和格式。

给每个保存的提示词加一条简短的使用备注：什么时候用、需要哪些输入、哪个模型表现最好，以及如何核实输出。例如，一条研究提示词可能需要来源摘录和一张说法与证据表。一条写作提示词可能需要受众、口吻样本和必须保留的事实。一条代码审查提示词可能需要差异、预期行为和测试背景。

Whizi契合这套工作流，因为你可以保存模板并把它们跑遍多个模型，而不必永远绑定一个模型。这周就从三个模板开始：一个写作改写、一个研究简报、一张决策打分表。把每个模板在一个真实任务上跑一遍，比较模型输出，修订模板，留下那个用最少清理就能产出最有用结果的版本。

想看更全面的新手指南，请阅读如何使用AI。对于研究密集的工作，试试创始人研究套件。当你准备好把写提示词变成一个可重复的工作区时，在注册页创建你的账户。

操作清单

• 每一条正经的提示词都以一个具体的指令和交付物开头。
• 把受众、目标、原始材料、示例和决策标准作为背景补上。
• 用约束来控制长度、语气、证据、隐私和不确定性。
• 要一个具体的格式：表格、清单、备忘录、提纲，或类JSON字段。
• 让模型列出假设、缺失的信息和信心边界。
• 每次只做一处聚焦的修订来改进提示词。
• 在保存最终模板之前，把重要的提示词跨模型比较一遍。
• 按工作流而不是按模型名称来存放可复用的提示词。

常见问题