提示工程是编写指令以让 AI 产生有用输出的技能。如果你曾在 ChatGPT 中输入一些内容却得到泛泛而无用的回应，然后改写后就得到想要的结果——那你就已经进行过提示工程。本指南将这一过程从随机变为系统化。
核心理念很简单：AI 会根据你输入的具体性和结构来回应。模糊的输入产生模糊的输出。具体且结构良好的输入产生具体且有用的输出。你不需要技术知识。你只需要养成五个习惯。
| 基础要素 | 一行总结 | 影响级别 |
|---|---|---|
| 角色 | 告诉 AI 要扮演什么角色 | 高 |
| 上下文 | 添加它无法知道的具体细节 | 高 |
| 约束 | 设定边界（长度、格式、语气） | 高 |
| 示例 | 展示“优秀”是什么样子 | 中–高 |
| 迭代 | 在后续对话中修正输出，不要重新开始 | 中–高 |
修复 90% 糟糕提示的 5 大基础要素
1. 告诉 AI 你要它扮演谁
从角色开始，能彻底改变输出结果。没有角色时，AI 默认是“helpful assistant”——通用且平淡。有了角色，它会激活特定领域的知识，并调整语言、深度和视角。
❌ 之前
Write me a marketing email.
✅ 之后
You are a senior email marketer at a DTC brand with a 45% open rate. Write a product launch email for our new moisturizer. Target audience: women 25-40 who've purchased skincare from us before.
角色不必真实存在。“You are a financial analyst with 15 years of experience” 就有效，尽管 AI 并非真正的分析师。它是一种框架装置，能引导正确的知识和语气。
2. 提供 AI 不知道的上下文
AI 对世界总体了解很多，但对你的具体情况一无所知。填补这个差距。
❌ 之前
Help me with my presentation.
✅ 之后
Help me with a 10-minute board presentation. I'm the VP of Engineering at a 200-person SaaS company. The audience is non-technical board members. I need to explain why we should migrate from AWS to GCP. The board cares about cost and reliability, not technical architecture.
上下文包括：你是谁、受众是谁、你已尝试过什么、存在什么限制，以及期望的结果是什么。更多相关上下文 = 首次输出更好。
3. 设置边界
没有限制时，AI 会生成它觉得“合适”的内容——往往太长、太泛或格式不对。
有用的限制：
“保持在 200 字以内。”“用项目符号，不是段落。”“用第一人称写。”“别用行话——读者没有技术背景。”“恰好包含 3 个例子。”“以具体建议结尾，而不是模糊总结。”
限制不是束缚，而是质量控制。200 字限制迫使 AI 优先排序。“无行话”限制迫使清晰表达。每条限制都会让输出更好，而不是更差。
从中获得价值了吗？ 我们每周发布真正有效的提示技巧。收到你的收件箱 →
4. 示范，别只说
一个例子比一段指令更能传达信息。如果你想要特定格式、语气或风格——给 AI 展示样子。
❌ 之前
Write a LinkedIn post about AI productivity. Make it engaging.
✅ 之后
Write a LinkedIn post about AI productivity. Here's the style I want — short lines, one idea per sentence, a hook that asks a question: [paste an example post you liked]. Match this structure and tone. Topic: how I use Claude for weekly reports.
这有效是因为 AI 本质上是模式匹配器。给它一个模式，它就会复制。告诉它“要吸引人”，它会猜测你的意思——往往猜错。
5. 迭代，别重启
首次输出只是草稿。魔力在于后续跟进。输出不完美时，别开启新对话，告诉 AI 要修复什么：
两轮迭代通常比 10 次追求完美首次提示的效果更好。AI 会从你的修正中在对话中学习。
ICCSSE 框架——五个基础要素的一个系统
这五个习惯有一个框架：ICCSSE —— 身份、背景、限制、步骤、具体信息、示例。它是一个在提交任何重要提示前运行的检查清单。
你不必每次都用全部六个元素。简单问题时，具体即可。对于复杂任务——写报告、分析数据、制定策略——在按回车前运行完整 ICCSSE 检查清单会带来巨大差异。
想看实际效果？将任何提示粘贴到我们的免费 Prompt Optimizer 中，看它自动应用框架。或者评估你的提示，看看缺少哪些元素。
哪个 AI 适合什么用途？
你使用的模型很重要。这里是一个快速指南：
| 使用场景 | 最佳默认选择 | 原因 |
|---|---|---|
| 头脑风暴 + 广泛构思 | ChatGPT | 快速迭代 + 覆盖面广 |
| 长文档 + 严格约束 | Claude | 很好地遵循多部分指令 |
| 带代码的数据分析 | ChatGPT (Code Interpreter) | 在你的文件上运行 Python |
| Google Workspace 工作流 | Gemini | Sheets/Docs 集成 |
有关详细比较，请查看我们的 ChatGPT vs Claude 分析，或参加 60 秒模型选择测验。
5 个前后对比示例
邮件起草：
之前：“写一封跟进邮件。”
之后：“写一封跟进邮件，给上周二索要提案但未回复的客户。语气：热情但专业。目标：本周安排 15 分钟通话。保持在 100 字以内。不要强硬。”
代码审查：
之前：“审查我的代码。”
之后：“审查这个 React 组件，检查：1) 错误，2) 性能问题，3) 无障碍差距。对于每个问题，解释为什么重要并展示修复方法。按严重程度优先排序。”
研究：
之前：“告诉我竞争对手定价。”
之后：“我卖的项目管理 SaaS 定价 $29/用户/月。主要竞争对手是 Asana、Monday 和 Linear。比较它们的定价层，重点关注 $25-35/用户 范围包含什么。以表格呈现。”
策略：
之前：“帮我规划 Q4。”
之后：“我是一家 50 人 B2B SaaS 的营销总监。Q3 结果：每月 200 条线索，5% 转化率，$45 CAC。Q4 预算：$100K。目标：线索增至每月 350 条。给我 3 个按预期 ROI 排名的策略。对于每个：成本、时间表、预期线索增长，以及最大风险。”
写作：
之前：“写一篇关于远程工作的博客文章。”
之后：“写一篇 1200 字博客文章，论证混合办公（3 天办公室，2 天远程）对工程团队优于完全远程。受众：工程经理。包含 2 个具体数据点。语气：对话式但基于证据。以实用建议结尾。”
接下来学什么
本指南涵盖基础。当你准备深入时：
ICCSSE 框架 —— 编写首次成功的提示的完整系统。
系统提示指南 —— 如何为重复任务设置持久 AI 行为。
背景工程 —— 取代基础提示工程的最高杠杆 AI 技能。
提示模板库 —— 70 个按类别组织的即用提示。
想要更多类似内容？ 我们每周发布一篇实操 AI 指南。免费订阅 →
常见问题
AI 越来越聪明，我还需要学提示工程吗？
是的，但重点在转变。基础提示技能（具体、提供背景）永远重要。高级提示工程正演变为背景工程——管理 AI 看到的完整背景，而非仅提示。这两种技能都会随时间复利增长。
哪种提示技巧改进最大？
添加角色和相关背景。这两个变化通常比裸提示提升 50-80% 输出质量。只需 15 秒，适用于所有 AI 模型。
ChatGPT、Claude 和 Gemini 用相同提示风格吗？
基础要素适用于所有模型。主要区别：Claude 更精确遵循复杂多部分指令。ChatGPT 更受益于示例。Gemini 最适合清晰直接的问题。但本指南的五个习惯处处有效。
提示工程还值得学吗？
是的。即使模型改进，清晰指令就是杠杆。赢家是能在 1-2 次尝试中可靠获得有用输出的人，而不是写最长提示的人。
披露：本文中有些链接是联盟链接。我们只推荐我们亲自测试并定期使用的工具。查看我们的完整披露政策。