如何写出清晰、具体的 AI 提示词

给模型提供它无法猜到的背景信息

模型的回答依据是对话中的内容加上它在训练时学到的知识——除非你说明，否则它并不知道你在为谁写、你已经尝试过什么，也不知道这项任务为何重要。“重写这封邮件”和“重写这封邮件，让一位已经感到不满的客户读起来像是一句道歉，而不是找借口”是同一个任务，只是背景信息的多少不同，得到的答案也会不同。背景信息不需要很长；它只需要包含一两个会改变一个人做这项任务方式的事实。

明确说明约束条件，而不是指望它们是不言而喻的

字数限制、阅读难度、语气、需要避免提及的内容、答案必须遵守的截止时间——只要你明确说出来，模型就会遵守这项约束，否则它会退回到一个可能并不合适的通用默认值。“控制在 150 字以内”和“避免使用技术术语”都是一旦明确说明，模型就能可靠遵循的约束；靠模型自己一致地正确推断出来是不现实的。

明确指出你真正想要的输出格式

一份项目符号列表、一段简短的文字、一张表格，或者一个主题行加正文——事先说明你想要的形式，能省去一次要求重新排版的追问。一旦输出要被人以外的东西解析，这一点就变得更重要，而不是更不重要；关于这种情况，可参见下方链接的“为结构化输出写提示词”，它是这一点更深入的配套指南。

当仅靠描述会产生歧义时，添加一个示例

有些东西展示起来比描述起来更容易——一种文风、一种语气，或者一项重复性任务的特定格式。一个精心挑选的示例，往往能消除好几句描述都无法消除的歧义。关于如何有意识地使用不止一个示例，以及何时值得在提示词中多花这些篇幅，可参见下方链接的“少样本提示”。

常见问题

更长的提示词是否总能得到更好的答案？

不会——只有当额外的篇幅是模型原本缺少的背景信息、约束条件或示例时，更长的提示词才有帮助。用重复的指令或无关内容把提示词填长，不会改善答案，反而可能把真正重要的部分埋没掉。

清晰的提示词能阻止模型把事实弄错吗？

不能。清晰的提示词能让模型更有可能理解你的要求，但它不能核实事实，也不能消除幻觉——关于这背后真正的原因，以及为什么仅靠提示词无法解决，可参见下方链接的“AI 为什么会产生幻觉”。

给一个模糊的提示词补充的最有用的一件事是什么？

通常是背景信息：关于受众、目标或情境的一两个事实，是一个人要把这项任务做好所需要知道的。约束条件或示例也有帮助，但如果模型仍然不知道这个答案是给谁看的，它们的作用就会打折扣。