不用懷疑大多數(shù)人學(xué)不會(huì)寫提示詞不是因?yàn)闆]有想象力而是把這件事想玄了。市面上教你“寫 GPT 提示詞”的內(nèi)容不少但要么是零散截圖要么是一堆抽象概念讀完了還是不知道第一句該發(fā)什么。這篇指南會(huì)直接聚焦 GPT-5.1 的提示詞實(shí)操從頭拆解怎么寫、怎么改、怎么在不同場(chǎng)景下用好它。適合從沒接觸過提示詞的小白也適合會(huì)用但總感覺回答不夠準(zhǔn)的普通用戶。后面所有模板都是可以直接抄的哪怕你完全不理解原理跟著填也能把效果拉高一大截。1. 寫提示詞這件事到底難在哪1.1 不是你不會(huì)說話是沒對(duì)上模型的頻道很多人第一次用 GPT 類工具習(xí)慣性用搜索關(guān)鍵詞的方式輸入比如“寫一封簡(jiǎn)歷”覺得已經(jīng)說清楚需求了?？赡Ｐ筒皇撬阉饕嫠皇侨フ夷硞€(gè)現(xiàn)成答案而是根據(jù)你給的幾個(gè)字去猜測(cè)你最可能想要什么。你給的信息越少它猜的空間就越大最后出來的內(nèi)容自然又空又泛。這不是你表達(dá)能力的問題是我們?nèi)粘?duì)話本來就默認(rèn)對(duì)方能看懂潛臺(tái)詞。你跟同事說“把這個(gè)文檔整理一下”同事知道你是誰、文檔在哪、整理成什么格式、給誰看。但 AI 沒有這些背景信息你省略的越多它只能靠概率補(bǔ)充。所以寫提示詞的第一個(gè)門檻不是“文筆”而是把潛意識(shí)里的背景補(bǔ)上。用大白話說AI 是一臺(tái)極其聰明、但完全不了解你的新同事。你沒給它看過的資料、沒說過的要求、沒提過的偏好它一律不知道。你需要做的就是把平時(shí)人與人之間靠默契省略的內(nèi)容一字一句講清楚。1.2 同一個(gè)問題為什么回答質(zhì)量差這么多舉一個(gè)很常見的例子。同樣是讓 AI 寫一份讀書筆記問法 A“幫我寫《思考快與慢》的讀書筆記?！眴柗?B“請(qǐng)假設(shè)你是一個(gè)有十年經(jīng)驗(yàn)的閱讀教練。請(qǐng)為《思考快與慢》第四章寫一份讀書筆記面向沒有心理學(xué)基礎(chǔ)的普通讀者。要求先提煉本章核心觀點(diǎn)再用一個(gè)生活場(chǎng)景解釋最后列出兩個(gè)可以自測(cè)的問題?？傋?jǐn)?shù)控制在800字以內(nèi)結(jié)構(gòu)用三個(gè)小標(biāo)題?！眴柗?A 不是不能用但出來的內(nèi)容大概率是全書簡(jiǎn)介加幾段名人名言的拼湊。問法 B 把“角色、任務(wù)、對(duì)象、結(jié)構(gòu)、字?jǐn)?shù)、場(chǎng)景”都說清了模型輸出的穩(wěn)定性和可用性會(huì)大幅提升。這就是提示詞工程的核心邏輯模型輸出的質(zhì)量取決于你輸入信息的完整度。你看起來只是在“打字”實(shí)際上是在給一臺(tái)概率機(jī)器畫邊界。邊界越明確結(jié)果越可控。很多人說自己“不會(huì)寫提示詞”其實(shí)是還沒習(xí)慣把需求拆開。1.3 GPT-5.1 和之前模型有什么不同在 GPT-5.1 時(shí)代提示詞的重要性不是降低了而是變得更加微妙了。老一代模型上下文窗口小你說得太多它容易把前面的忘掉所以提示詞越精簡(jiǎn)越好。到了 GPT-5.1上下文能力更強(qiáng)對(duì)長(zhǎng)指令、復(fù)雜角色和結(jié)構(gòu)化要求的理解能力都有明顯提升。這意味著你可以用更接近自然語言的方式去描述需求不用再小心翼翼地把話壓縮成關(guān)鍵詞。比如“我要一個(gè)像資深律師那樣嚴(yán)謹(jǐn)、像老師那樣耐心的解釋”以前模型可能模仿不到位現(xiàn)在它會(huì)真的把這兩種風(fēng)格揉在一起分段處理不同內(nèi)容。但互補(bǔ)的另一面是正因?yàn)槟Ｐ屠斫饽芰Ω鼜?qiáng)它更容易順著你給出的錯(cuò)誤語境跑偏。如果提示詞里藏著誤導(dǎo)信息它會(huì)比老模型更流暢地“圓錯(cuò)話”。所以 GPT-5.1 真正需要的提示詞不是更短而是結(jié)構(gòu)更清晰、約束更具體、意圖更精準(zhǔn)。這也是我寫這份指南的初衷幫你從“和 AI 聊天”升級(jí)為“給 AI 派活”。2. 提示詞的五要素把話說到點(diǎn)子上2.1 五要素逐個(gè)拆解寫任何一條能落地的提示詞都離不開五個(gè)基本要素。掌握了這五個(gè)要素就等于掌握了最穩(wěn)定的提示詞骨架。第一個(gè)要素是目標(biāo)。目標(biāo)是一句話能說清的任務(wù)是什么而且最好是可以驗(yàn)收的。比如“寫一份邀請(qǐng)函”是目標(biāo)“寫一份200字的線下書友會(huì)邀請(qǐng)函里面包含時(shí)間地點(diǎn)和報(bào)名方式”就是可驗(yàn)收的目標(biāo)。目標(biāo)越具體你越知道自己拿到什么結(jié)果算合格。第二個(gè)要素是背景。背景是模型完成任務(wù)前必須知道的信息。比如你要寫一封工作郵件背景就是你和收件人的關(guān)系、之前的溝通進(jìn)展、你希望達(dá)到的效果。這些信息模型不會(huì)自己腦補(bǔ)給了背景它才能寫出符合語境的措辭。第三個(gè)要素是角色。不少人對(duì)“你是一個(gè)資深專家”這句話持懷疑態(tài)度覺得是心理暗示。但實(shí)操中角色確實(shí)能改變輸出的語域和深度。同樣講區(qū)塊鏈“你是一個(gè)高中老師”和“你是金融監(jiān)管研究專員”給出的解釋無論在通俗度還是專業(yè)術(shù)語密度上都會(huì)有明顯差異。第四個(gè)要素是格式。格式?jīng)Q定了輸出的呈現(xiàn)方式。是要列表還是表格還是三段式是要帶標(biāo)題還是純文本是分步驟講解還是先結(jié)論后理由很多人生成的內(nèi)容不好用問題不是內(nèi)容質(zhì)量而是格式跟使用場(chǎng)景不匹配。第五個(gè)要素是約束。約束包括字?jǐn)?shù)上下限、禁區(qū)話題、不能使用的表達(dá)方式、必須避開術(shù)語和必須包含的關(guān)鍵詞。加約束的目的不是限制 AI而是擋住輸出里那些“看起來合理但沒用”的內(nèi)容減少你自行篩選的時(shí)間成本。2.2 一個(gè)例子從模糊到清晰的完整過程拿“寫一份自我介紹”來演示。小白的第一版提示詞大概率是“幫我寫一份自我介紹?！蹦Ｐ涂赡軙?huì)回復(fù)一段像求職簡(jiǎn)歷一樣的文字但你又沒說是求職、交友還是面試于是只能反復(fù)修改?，F(xiàn)在把五要素加進(jìn)去改成“請(qǐng)幫我寫一段50秒的自我介紹視頻腳本。背景是我要參加一個(gè)線下創(chuàng)業(yè)者分享會(huì)現(xiàn)場(chǎng)觀眾大約有40人大多是做本地生活的創(chuàng)業(yè)者。我希望重點(diǎn)突出我的餐飲品牌在供應(yīng)鏈方面的優(yōu)勢(shì)同時(shí)不要太像廣告。角色請(qǐng)你扮演一位熟悉短視頻表達(dá)的文案顧問。輸出格式分三部分開場(chǎng)引子、核心亮點(diǎn)贊、結(jié)尾行動(dòng)引導(dǎo)每部分不超過80字。約束不要使用‘賦能’‘抓手’‘閉環(huán)’這類詞?！笨梢悦黠@看到這個(gè)版本里每一項(xiàng)要求都有存在的理由。50秒是時(shí)間約束線下創(chuàng)業(yè)者分享會(huì)是背景供應(yīng)鏈優(yōu)勢(shì)是內(nèi)容目標(biāo)三部分結(jié)構(gòu)是輸出格式禁用詞是風(fēng)格約束。一次成型率極高即使要改也只需要改其中一兩項(xiàng)不必整段推翻重寫。這也是提示詞工程最令人舒服的地方它不是拼靈感而是拼信息完整度。你把要素填夠了模型自然不飄。2.3 小白最容易上手的萬能公式基于五個(gè)要素完全可以總結(jié)出一個(gè)適合新手的提示詞公式角色 背景 目標(biāo) 格式 約束翻譯成大白話就是“你現(xiàn)在是[XX]。幫我在[XX]場(chǎng)景下做[XX]。我希望結(jié)果呈現(xiàn)成[XX]。注意不要[XX]?！边@是我試下來最穩(wěn)的句式幾乎覆蓋了 80% 的日常需求。你不需要每次都寫滿五個(gè)要素可以根據(jù)任務(wù)難度省略一兩項(xiàng)。比如讓 AI 起十個(gè)文章標(biāo)題格式和約束比背景重要讓 AI 解釋一個(gè)專業(yè)概念角色和背景則更加關(guān)鍵。知道什么時(shí)候省也是一種能力。關(guān)鍵提醒公式的作用不是讓你死板地填每一項(xiàng)而是幫你養(yǎng)成把需求“翻譯成要素”的習(xí)慣。熟練之后你會(huì)發(fā)現(xiàn)很多時(shí)候不需要刻意套公式腦子里自然就會(huì)冒出“目標(biāo)是什么、角色怎么設(shè)、輸出要什么結(jié)構(gòu)”這些問題。3. 場(chǎng)景化實(shí)操從生活到工作3.1 學(xué)習(xí)場(chǎng)景把 AI 變成會(huì)追問的老師很多學(xué)生朋友把 GPT-5.1 當(dāng)成“答案機(jī)器”一道題扔進(jìn)去直接抄答案結(jié)果考試還是不會(huì)。真正好用的學(xué)習(xí)提示詞應(yīng)該強(qiáng)迫 AI 擔(dān)任“蘇格拉底式老師”不直接給結(jié)論而是通過提問引導(dǎo)你思考。實(shí)操模板如下請(qǐng)扮演一位耐心、擅長(zhǎng)啟發(fā)式教學(xué)的[學(xué)科]老師。 我現(xiàn)在想弄懂[知識(shí)點(diǎn)/錯(cuò)題]我的基礎(chǔ)是[描述你的掌握程度]。 請(qǐng)你先問我三個(gè)診斷性問題確認(rèn)我的卡點(diǎn)在哪里。 等我回答之后再用一個(gè)生活化的例子講原理最后給我出一道同類型變式題但不給答案。這個(gè)模板最核心的妙處是強(qiáng)制開啟了“互動(dòng)模式”。GPT-5.1 默認(rèn)會(huì)在收到指令后飛速生成完整解答而上面這個(gè)提示詞要求它先問問題等于把主動(dòng)權(quán)交回給了你。學(xué)習(xí)效率的提升不在于它給了你多完美的解釋而在于它逼你主動(dòng)回憶和表達(dá)。第二個(gè)場(chǎng)景是背單詞。你可以把它設(shè)置成“場(chǎng)景考官”每次生成一個(gè) 5 句話的小場(chǎng)景讓你在里面填入目標(biāo)詞。這種情況下提示詞要明確告訴它“不要一次把所有句子列出來先給我前兩個(gè)句子等我說出答案后再繼續(xù)。”少即是多這個(gè)原則在 AI 輔助學(xué)習(xí)時(shí)特別管用。3.2 工作場(chǎng)景周報(bào)、郵件和方案一次到位工作提效是 GPT-5.1 最被高估也最被低估的場(chǎng)景。被高估是因?yàn)楹芏嗳艘詾樗苋詣?dòng)搞定一切被低估是因?yàn)橹灰焉舷挛慕o足它能完成一些非常具體、非?！岸恪钡漠a(chǎn)出。先看周報(bào)。如果你直接說“幫我寫周報(bào)”模型只會(huì)給你一段空洞的話。但這樣寫就完全不同請(qǐng)根據(jù)我提供的工作碎片寫一份本周工作匯報(bào)。 工作碎片 1. 完成了新客戶需求文檔的初版等待產(chǎn)品經(jīng)理反饋 2. 處理了 3 位老客戶的使用投訴其中 2 位已解決 3. 整理了競(jìng)品近一個(gè)月的功能更新匯總成表格 要求 - 按“本周主要進(jìn)展”“問題與風(fēng)險(xiǎn)”“下周計(jì)劃”三部分輸出 - 每條進(jìn)展用一句話寫結(jié)果不要寫過程 - 風(fēng)險(xiǎn)部分要給出我的初步應(yīng)對(duì)思路 - 語氣中性不要自我表揚(yáng)也不要貶低這個(gè)提示詞的厲害之處在于它把你記下的流水賬重新抽象成了“結(jié)果語言”。很多人寫周報(bào)難難的不是沒干活而是沒法把瑣碎的事情歸納成價(jià)值。AI 可以幫你歸納但前提是你給它“原料”它不會(huì)自己憑空變出你做過的事。寫郵件也很典型。給 AI 的幾個(gè)關(guān)鍵信息是收件人是誰、你們的關(guān)系、事情的來龍去脈、你想得到什么結(jié)果。把這些壓縮成兩三句話給進(jìn)去它生成的郵件就跟你自己寫的沒什么兩樣。3.3 創(chuàng)意場(chǎng)景讓它當(dāng)你的靈感合伙人而不是代筆創(chuàng)作類任務(wù)是最容易讓小白失望的。你說“幫我寫一首詩”它寫出來的詩四平八穩(wěn)既沒有靈氣也沒有情緒。原因是提示詞缺少風(fēng)格錨點(diǎn)。哪怕你只是加一句“風(fēng)格接近樸素但有意象的現(xiàn)代詩每行不超過十二個(gè)字”效果都會(huì)立刻不一樣。更適合創(chuàng)意枯竭時(shí)用的方法是讓 AI 做“發(fā)散者”你來做“選擇者”。例如我正在寫一篇關(guān)于“深夜便利店”的短散文遇到瓶頸。 請(qǐng)你給我 10 個(gè)完全不一樣的切入點(diǎn)每個(gè)切入點(diǎn)用一句話描述。 其中至少 3 個(gè)要帶有感官描寫至少 2 個(gè)要帶有反差。 不要寫完整段落只要點(diǎn)子和氛圍提示。這樣生成的不是成品而是磚頭。你可以從里面挑一塊順眼的自己搭墻。這是我個(gè)人非常推薦的一種用法它既避免了 AI 味又保住了你的創(chuàng)作主導(dǎo)權(quán)。創(chuàng)意場(chǎng)景還有一個(gè)重要的提示詞技巧使用“不要標(biāo)準(zhǔn)答案”。你在提示詞里明確寫“請(qǐng)避開陳詞濫調(diào)和常見寫法”模型就會(huì)主動(dòng)往不常見的方向偏移。不是因?yàn)樗娴亩畡?chuàng)新而是它會(huì)刻意避開高概率詞組反而產(chǎn)生一些另辟蹊徑的表達(dá)。3.4 多輪對(duì)話中的黏性技巧提示詞不是只存在于第一句話。多輪對(duì)話時(shí)很多人說“上下文怎么老丟”其實(shí)是沒有用好追回手段。最簡(jiǎn)單的方式是隨時(shí)給對(duì)話“存檔”。當(dāng)你們聊得進(jìn)入狀態(tài)而你需要切換小任務(wù)時(shí)先讓 AI 總結(jié)一下“請(qǐng)用三句話總結(jié)我們剛才確認(rèn)的結(jié)論包括你假設(shè)我是什么身份、當(dāng)前任務(wù)目標(biāo)是什么、已經(jīng)排除的方案。”拿到這份筆記再開啟新話題就不容易飄。第二個(gè)技巧是用繼續(xù)指令。當(dāng)你對(duì)前面的回答基本滿意只想在某一部分深入不要用一個(gè)新的模糊問題砸過去?？梢詫憽氨３稚弦粭l回答的角色、語氣和格式單獨(dú)詳細(xì)展開第三點(diǎn)舉一個(gè)我所在行業(yè)的具體案例”。這種提示詞把“不變項(xiàng)”和“變更項(xiàng)”說得很清楚模型才能穩(wěn)定地在原有軌道上繼續(xù)前進(jìn)。4. 進(jìn)階技巧讓 GPT-5.1 發(fā)揮全部潛力4.1 角色扮演不是花架子是語域開關(guān)很多人不理解為什么在提示詞里設(shè)置角色這么有用以為只是某種儀式。其實(shí)角色的本質(zhì)是給模型指定一套語言風(fēng)格、知識(shí)視野和判斷標(biāo)準(zhǔn)。舉個(gè)例子你對(duì) AI 說“介紹一下新出臺(tái)的數(shù)據(jù)安全要求”它默認(rèn)會(huì)用新聞通稿式的語言去介紹條條框框一大堆。但如果你說“你是我公司聘請(qǐng)的外部法務(wù)顧問現(xiàn)在用做決策建議的方式告訴我下一步合規(guī)準(zhǔn)備中最需要注意的三件事”答案立刻會(huì)變成行動(dòng)導(dǎo)向的建議。這里有一個(gè)非常容易翻車的坑角色設(shè)得太虛。你說“你是專家”模型不知道是哪方面專家。你得把角色的行業(yè)、經(jīng)驗(yàn)?zāi)晗?、服?wù)對(duì)象、代表立場(chǎng)都寫清楚。越是具體的角色越能激活模型語言庫里對(duì)應(yīng)的那一部分知識(shí)。推薦一個(gè)公式角色 職業(yè)身份 經(jīng)驗(yàn)背景 價(jià)值立場(chǎng)。比如“你是一位有十年快消品營(yíng)銷經(jīng)驗(yàn)的品牌顧問你相信用低成本內(nèi)容也能做出高轉(zhuǎn)化討厭燒錢買量”。加入立場(chǎng)后AI 輸出的觀點(diǎn)會(huì)更鮮明而不是永遠(yuǎn)端水。4.2 思維鏈讓它把推理過程寫在明面上GPT-5.1 的推理能力比前代更強(qiáng)但如果你不要求它展示過程它仍然會(huì)直接給你一個(gè)結(jié)論。遇到分析類任務(wù)時(shí)直接要結(jié)論風(fēng)險(xiǎn)很大因?yàn)槟呐陆Y(jié)論錯(cuò)了它也能包裝得很自信。這時(shí)候用思維鏈提示詞就特別穩(wěn)。最樸素但有效的寫法是請(qǐng)一步一步思考把推理過程寫出來 再給出最終結(jié)論。每一步控制在兩到三句話。 最后用簡(jiǎn)單的一句話概括核心邏輯。有意思的是并不需要提供完美的思維鏈?zhǔn)纠?。只要“?qǐng)逐步推理”這幾個(gè)字出現(xiàn)模型就會(huì)用一種更審慎的方式處理信息。它對(duì)復(fù)雜任務(wù)的錯(cuò)誤率會(huì)明顯降低而且后續(xù)你還能針對(duì)某一步追問指出“你的第二步假設(shè)不成立”進(jìn)而得到更精確的分析。這不是玄學(xué)底層邏輯很好理解模型原本是壓縮式輸出你硬性打斷它逼它把中間步驟展開等于強(qiáng)制它重走一遍推理過程。在這個(gè)過程中很多“想當(dāng)然”的錯(cuò)誤會(huì)被自己的話暴露出來你反過來也能獲得一份可以審閱的推導(dǎo)記錄。4.3 少樣本示例給模型“抄作業(yè)”的機(jī)會(huì)角色和約束相當(dāng)于給模型畫了一個(gè)答題框。而少樣本示例相當(dāng)于直接給它看一份“別人是怎么答的”滿分卷。尤其在風(fēng)格類和格式類任務(wù)里一個(gè)例子勝過十句描述。比如你想讓 AI 幫你寫小紅書式的種草筆記。與其描述“要有網(wǎng)感、口語化、多用感嘆詞”不如直接甩一個(gè)參考示例并說明結(jié)構(gòu)請(qǐng)參考下面的例子風(fēng)格寫一段關(guān)于[某護(hù)膚品]的簡(jiǎn)短種草文案。 參考例子 “這瓶精華真的顛覆了我的認(rèn)知……之前熬夜臉暗沉到不敢素顏 堅(jiān)持用了三周朋友突然問我最近是不是做了項(xiàng)目?！?要求 - 用第一人稱 - 先寫痛點(diǎn)再寫轉(zhuǎn)機(jī)最后寫心理變化 - 不要直接提價(jià)格和購買鏈接有了示例GPT-5.1 對(duì)“風(fēng)格”的理解會(huì)跳到另一個(gè)層面。字?jǐn)?shù)少的示例管到遣詞造句字?jǐn)?shù)多的示例還能管到敘事節(jié)奏。這里要提醒一個(gè)新手誤區(qū)示例給得越多越好不是。一個(gè)高質(zhì)量示例足夠最多兩個(gè)。示例太多模型反而會(huì)開始“縫合“把幾段話的特點(diǎn)混在一起最后出來一個(gè)四不像。4.4 約束條件與安全邊界要寫清楚多數(shù)用戶根本不給 AI 設(shè)“禁區(qū)”所以模型生成的內(nèi)容總會(huì)帶上不可避免的平均值感——溫和、正確、無明顯立場(chǎng)。如果你想要觀點(diǎn)鮮明的輸出就一定要主動(dòng)聲明邊界。邊界分兩種。一種是內(nèi)容層面的禁止出現(xiàn)哪些詞、不允許用哪些敘事套路、不能使用過度絕對(duì)化的判斷。另一種是安全層面的不希望 AI 給出醫(yī)療、法律、理財(cái)?shù)葘I(yè)決策或者要求它在無法確定答案時(shí)明確說“不知道”而不是編一個(gè)合理答案來對(duì)付你。一個(gè)讓我印象非常深刻的實(shí)測(cè)場(chǎng)景讓 AI 用自己的知識(shí)寫“某行業(yè)未來三年的趨勢(shì)”默認(rèn)輸出通常是一堆正確的廢話。但當(dāng)我在提示詞里加一句“如果某個(gè)判斷缺乏公開數(shù)據(jù)支持請(qǐng)直接注明不要使用‘有望’‘或?qū)ⅰ赡堋@類避險(xiǎn)詞”之后它輸出的內(nèi)容反而變得犀利很多。模型不是沒有觀點(diǎn)而是它默認(rèn)你不敢看觀點(diǎn)。你把許可給足它才肯說真話。5. 常見翻車現(xiàn)場(chǎng)與排查手冊(cè)5.1 回答太泛、太像正確的廢話這是被吐槽最多的問題。你問“如何提升團(tuán)隊(duì)凝聚力”它給你列出明確目標(biāo)、加強(qiáng)溝通、組織團(tuán)建、建立激勵(lì)機(jī)制。每一條都對(duì)但每一條都沒有用。問題通常出在目標(biāo)不夠具體。你需要把“提升團(tuán)隊(duì)凝聚力”拆成可解決的問題例如“合并后兩個(gè)團(tuán)隊(duì)互不信任、開會(huì)不說話、私下互相推諉作為新主管第一周該怎么辦”。我把這叫“給 AI 一個(gè)具體病歷而不是一個(gè)醫(yī)學(xué)名詞”。同時(shí)加上“分角色分場(chǎng)景”的要求強(qiáng)制它降維。如果這樣改完還是空那就是角色給得太弱。把“你是一名管理顧問”改成“你是一名處理過三次團(tuán)隊(duì)合并的管理顧問請(qǐng)結(jié)合真實(shí)沖突案例來答”內(nèi)容會(huì)立刻落地很多。5.2 答非所問或理解偏差有時(shí)候提示詞寫得挺詳細(xì)但模型就是回答偏了。比較常見的原因是你把目標(biāo)藏在了一大段背景中AI 沒分清哪句話才是核心指令。這時(shí)候可以啟用“目標(biāo)前置法”。把最重要的任務(wù)放在提示詞的第一句背景放在后面。比如“請(qǐng)先給出三個(gè)可選方案再解釋理由背景信息如下……”。GPT-5.1 對(duì)提示詞開頭的注意力權(quán)重相對(duì)更高目標(biāo)前置會(huì)大幅度減少跑偏。另一個(gè)原因是任務(wù)過載。一個(gè)提示詞里塞了五個(gè)問題模型不知道該優(yōu)先滿足哪個(gè)。我的習(xí)慣是一個(gè)提示詞只派一個(gè)主任務(wù)如果確實(shí)有多個(gè)子任務(wù)就明確編號(hào)并且規(guī)定輸出時(shí)按編號(hào)順序回答。這樣即使任務(wù)多它也能按結(jié)構(gòu)走不會(huì)東一榔頭西一棒子。5.3 一本正經(jīng)地編造內(nèi)容AI 編造內(nèi)容的場(chǎng)景防不勝防尤其是它把某個(gè)具體數(shù)字、引用或案例說得像真的一樣。對(duì) GPT-5.1 來說內(nèi)容真實(shí)性依然需要人類負(fù)責(zé)。防編造的最好手段不是相信它而是從源頭掐斷編造誘因。在提示詞里加一句硬約束很有效“信息必須基于我提供的資料如果沒有依據(jù)請(qǐng)明確回答’這里我無法確認(rèn)’。”這個(gè)約束把回答邏輯從“自由生成”切換成“基于檢索的有限生成”能顯著減少無中生有的比例。如果你讓它寫某個(gè)領(lǐng)域的內(nèi)容另一個(gè)更穩(wěn)妥的辦法是讓它注明信息來源等級(jí)。要求它“把確定的事實(shí)和推測(cè)性觀點(diǎn)分開寫推測(cè)性觀點(diǎn)需要標(biāo)注為什么這樣推測(cè)”。模型一旦需要區(qū)分事實(shí)和觀點(diǎn)語言行為就會(huì)收斂很多。5.4 多輪對(duì)話越聊越亂、上下文丟失上下文丟失往往是對(duì)話過長(zhǎng)導(dǎo)致的也有一些是因?yàn)槟阍谀骋惠喭蝗粨Q了話題模型沒能理解你是在延續(xù)舊任務(wù)還是開啟新任務(wù)。應(yīng)對(duì)方法其實(shí)在前面提到過每聊四五輪就手動(dòng)讓模型“拉平對(duì)齊”。指令可以是“請(qǐng)回顧我們這段對(duì)話的完整意圖用列表重述你認(rèn)為我最想解決的問題”。模型會(huì)把對(duì)話里分散的信息壓縮成一份共識(shí)?？吹焦沧R(shí)之后再?zèng)Q定繼續(xù)深入還是另起爐灶。如果只是感覺模型忘了前面的細(xì)節(jié)也可以直接追問“我上一條寫的約束條件里第三條是什么”它會(huì)去翻上下文。GPT-5.1 的重讀能力比老模型強(qiáng)多追問幾次通常能自己找回狀態(tài)。真正的問題往往是你自己也忘了當(dāng)初是怎么要求的所以聊到一半先回去看需求永遠(yuǎn)比繼續(xù)加話有用。我把上面這些問題整理成一個(gè)速查表方便你遇到情況時(shí)對(duì)號(hào)入座現(xiàn)象主要原因優(yōu)先排查項(xiàng)回答空洞背景信息不足是否補(bǔ)充了場(chǎng)景、對(duì)象、目標(biāo)答非所問目標(biāo)埋沒在長(zhǎng)文本目標(biāo)是否放在第一句內(nèi)容太正式缺少風(fēng)格約束是否聲明了語氣和禁用詞結(jié)論像是編的沒有事實(shí)邊界是否要求注明不確定信息越聊越亂上下文負(fù)擔(dān)過重是否做過節(jié)點(diǎn)總結(jié)質(zhì)量飄忽不定示例和角色不穩(wěn)定是否給了統(tǒng)一的示例6. 小白也能直接用的懶人模板庫6.1 萬能口頭禪模板如果你只記得住一個(gè)模板記這一個(gè)就夠了。它適用于絕大多數(shù)日常任務(wù)請(qǐng)扮演一位[具體角色]。 我的目標(biāo)是[具體目標(biāo)]。 背景情況如下[背景信息]。 請(qǐng)用[格式要求]呈現(xiàn)。 請(qǐng)注意不要[禁用項(xiàng)]盡量體現(xiàn)[風(fēng)格偏好]。 如果過程中信息不足請(qǐng)主動(dòng)提問不要替我假設(shè)條件。最后一句“主動(dòng)提問”是關(guān)鍵很多人不寫這句結(jié)果 AI 在海量可能性中隨機(jī)選一個(gè)方向你拿到不滿意答案后又得推倒重來。允許 AI 追問等于把需求確認(rèn)的成本前置了反而幫你省時(shí)間。6.2 爆款標(biāo)題與文案模板寫標(biāo)題和文案幾乎是使用 AI 最高頻的場(chǎng)景。與其每次手動(dòng)調(diào)不如把模板存成自己的常用指令請(qǐng)為[文章主題]寫 5 個(gè)標(biāo)題。 要求 1. 每個(gè)標(biāo)題不超過 20 個(gè)字 2. 包含情緒詞但不用夸張到標(biāo)題黨 3. 至少 2 個(gè)標(biāo)題帶有具體數(shù)字 4. 適用平臺(tái)[平臺(tái)名] 5. 完成標(biāo)題后給每個(gè)標(biāo)題附 20 字以內(nèi)的推薦理由加“推薦理由”這步很重要它逼著模型審視自己的產(chǎn)出同時(shí)也幫你建立判斷力。見過幾個(gè)標(biāo)題后你會(huì)發(fā)現(xiàn)原來“具體數(shù)字”和“情緒共鳴”才是決定點(diǎn)開率的兩個(gè)大杠桿。6.3 解釋復(fù)雜概念的三層模板我至今仍然把讓 AI 解釋概念當(dāng)成檢驗(yàn)提示詞水平的試金石。好的解釋模板應(yīng)該是分層的照顧不同理解水平的人請(qǐng)用三層遞進(jìn)的方式解釋[概念] 第一層用一句不超過 30 字的生活類比讓他秒懂 第二層用 3 個(gè)專業(yè)關(guān)鍵詞結(jié)合實(shí)例拆解每題不超過 50 字 第三層指出這個(gè)概念最容易被人誤解的地方第一層滿足快速直覺第二層滿足認(rèn)真學(xué)習(xí)第三層滿足防坑糾偏。三層都能做到基本上這個(gè)概念就被吃透了。這個(gè)模板我?guī)缀醴耆送扑]因?yàn)樗_實(shí)能在幾分鐘內(nèi)把一個(gè)陌生領(lǐng)域的大門撬開一條縫。最后再分享一個(gè)實(shí)戰(zhàn)小經(jīng)驗(yàn)提示詞寫完之后不要急著敲回車。先讀一遍把自己當(dāng)成一個(gè)完全不了解你的陌生人看能不能看懂你的指令。只要你自己都覺得有點(diǎn)含糊AI 多半也會(huì)跑偏。改成你能聽懂人話模型自然也能聽懂。做久了你會(huì)發(fā)現(xiàn)寫提示詞真正訓(xùn)練的不是 AI而是你把自己需求講清楚的能力。