第2章:提示词基础
说实话,我刚开始接触提示词工程时,也觉得这玩意儿不就是「跟AI说人话」吗?
后来踩了不少坑才明白——提示词不是聊天,是编程。你写的每一句话,都是在给AI划定边界、分配角色、设定规则。
2.1 什么是提示词
提示词(Prompt),说白了就是你给AI的「工作指令」。但跟普通对话不同,好的提示词像一份法律文书——精确、无歧义、有结构。
我习惯把提示词分成三类:
- 指令型:直接告诉AI做什么(「请总结以下判决书的核心争议焦点」)
- 角色型:给AI设定身份(「你是一名资深民商事律师」)
- 示例型:给AI看几个例子,让它照着做(「参考以下格式输出合同审查意见」)
嗯,这里要注意——法律场景下,角色型提示词特别重要。为什么?因为AI没有「法律思维」,你不告诉它自己是律师,它可能给你输出一堆「根据常识判断」的废话。
核心观点:提示词 = 给AI的「程序代码」。你写得越像代码(结构化、参数化、边界清晰),AI输出越稳定。
2.2 提示词的构成要素
我在项目中总结过,一个完整的法律提示词,通常包含这5个要素:
| 要素 | 说明 | 法律场景示例 |
|---|---|---|
| 角色 | AI的身份定位 | 「你是一名处理劳动仲裁的资深律师」 |
| 任务 | 具体要做什么 | 「请分析以下劳动合同中的竞业限制条款是否有效」 |
| 上下文 | 背景信息或材料 | 「员工张三于2023年入职,月薪8000元,合同约定竞业限制期2年」 |
| 约束 | 输出格式、长度、风格等限制 | 「请用表格形式输出,每项条款附上法律依据」 |
| 示例 | 给AI参考的样板 | 「参考以下格式:条款内容 | 法律依据 | 风险等级」 |
你想想看,如果只写「帮我看看这个合同」,AI大概率给你一段泛泛而谈的废话。但如果你把上面5个要素都填上——效果天差地别。
我的小技巧:写提示词时,先在心里过一遍这5个要素。缺哪个补哪个。我曾经因为漏了「约束」要素,AI给我输出了2000字的分析,而我只想要一个表格——那叫一个崩溃。
2.3 提示词与法律文本的关系
这个点很有意思。我做了几年法律AI项目后发现——提示词的结构,跟法律文本的结构高度相似。
你看:
- 法律条文 = 约束条件(「应当」「不得」「可以」)
- 合同条款 = 任务分解(「甲方负责...」「乙方承诺...」)
- 判决书 = 上下文+推理过程(「经审理查明...本院认为...」)
说白了,法律人天生就是「提示词工程师」。你们每天都在写提示词——只不过写给法官、当事人、同事看,而不是写给AI看。
我举个例子。一份标准的法律意见书,结构通常是:
- 事实背景(上下文)
- 法律分析(任务+推理)
- 结论建议(输出约束)
这跟提示词的构成要素几乎一一对应。所以我在培训团队时经常说:别把提示词当新技术学,把它当法律文书写就行。
避坑指南:我曾经犯过一个低级错误——把法律文本直接复制粘贴当提示词用。结果AI把「本院认为」后面的内容当成了自己的推理,输出了一堆「本院认为...本院认为...」的套话。记住:法律文本是素材,不是指令。你需要把素材转化成「任务+约束」的格式。
知识体系总览
下面这张图,是我自己梳理的本章核心逻辑。你可以把它当「地图」用——以后写提示词时,对照着检查就行。
这张图我反复改过好几版。你注意看——三个分支最终都指向同一个核心:结构化。不管是理解提示词本身,还是拆解它的要素,或者跟法律文本做类比,底层逻辑都是「把模糊的需求变成清晰的指令」。
实战建议:下次写提示词前,先花30秒画个类似的「要素检查图」。缺哪个补哪个。我团队现在都用这个方法,出错率至少降了一半。