第3章提示词设计原则

3、提示词设计原则：清晰性、具体性、角色设定、任务分解、格式约束

聊到提示词设计，我经常跟团队里的新人说一句话：你给 AI 的指令，决定了它给你的答案质量。这听起来像废话，但真做起来，很多人第一步就栽了。

我自己踩过不少坑。早期做客服机器人时，我写了个提示词让 AI 生成回复，结果它给我写了一篇散文。客户问「退款流程」，它回了一段「人生如旅途，退款亦如归途」……嗯，那之后我彻底明白了，提示词必须像写技术文档一样严谨。

下面这五个原则，是我在几十个项目里反复验证过的。你想想看，它们其实对应着人类沟通的基本逻辑——把话说清楚、说具体、说对身份、拆开说、定好格式。

清晰性，说白了就是消除歧义。AI 不是人，它不会「揣摩上意」。你给一个模糊的指令，它就会给你一个模糊的结果。

❌ 反面案例：

写一段关于用户增长的文字。

✅ 正面案例：

写一段 200 字左右的用户增长策略，面向 SaaS 产品经理，重点讲「裂变机制」和「留存率提升」两个方向。

我在项目中遇到过最典型的例子：让 AI 分析用户评论，我只说了「分析一下」。结果它给我做了情感分析、主题聚类、词云统计……我要的只是「找出差评原因」。从那以后，我每条提示词都会加一句「请只输出……」来限定范围。

小技巧：写完提示词后，自己读一遍。如果一句话可以有两种理解，那就必须改。

具体性，就是提供足够的上下文和细节。AI 的知识库很大，你不限定范围，它就会从最宽泛的角度回答。

举个例子，你问「怎么优化代码？」——AI 可能给你讲算法复杂度、讲设计模式、讲代码规范。但如果你问的是「这个 Python 函数在循环中重复调用数据库，怎么优化？」，它就会精准地给出连接池、批量查询、缓存等方案。

我个人习惯在提示词里加入「三要素」：

注意：具体不等于啰嗦。不要堆砌无关信息，只给 AI 真正需要的上下文。我曾经给过一个包含 500 字背景描述的提示词，结果 AI 被带偏了，重点全错。

角色设定，是我认为性价比最高的技巧。你给 AI 一个角色，它就会调用该领域的知识体系和表达方式。

为什么会这样？因为 AI 的训练数据里，不同领域的文本风格差异很大。你让它「以资深律师的口吻」，它就会用严谨的法律术语；你让它「以 10 年经验的运营总监」，它就会用数据驱动的表达。

# 角色设定示例
你是一名有 8 年经验的提示词工程师，擅长为 AI 应用设计高效提示词。
请帮我审查以下提示词，指出其中的模糊点，并给出优化建议。

我记得有一次做金融风控项目，需要 AI 生成合规审查报告。我一开始没设角色，结果它写得很「科普」。后来我加了「你是一名拥有 CFA 证书的合规分析师」，输出质量直接上了一个台阶。

核心要点：角色设定要具体到「年限 + 领域 + 专业资质」，而不是笼统的「专家」。

复杂任务，AI 一次搞不定。你想想看，让你一次写一本 300 页的书，你也懵。但如果你把它拆成「先写目录 → 再写第一章 → 再写第一节」，就容易多了。

任务分解的原则是：每个子任务只做一件事，且输出结果可以被下一个子任务直接使用。

我在项目中常用的分解模式：

实战案例：做市场分析报告时，我会先让 AI 列出「需要分析的 5 个维度」，然后针对每个维度单独提问，最后让它「基于以上分析，写一份 500 字的总结」。这样比一次性提问准确得多。

格式约束，就是明确告诉 AI 输出的结构。这能避免 AI 自由发挥，确保结果可以直接用。

常见的格式约束方式：

约束类型	示例	适用场景
列表格式	请用 Markdown 无序列表输出	要点总结、步骤说明
表格格式	请用表格展示，第一列是「指标」，第二列是「数值」	数据对比、参数说明
JSON 格式	请输出 JSON 对象，包含 name、age、role 三个字段	程序调用、数据交换
字数限制	请控制在 100 字以内	摘要、标题、描述

避坑指南：我曾经让 AI 输出「JSON 格式」，但没指定字段名。结果它自由发挥了，字段名跟我程序里写的不一样，解析直接报错。所以，格式约束要具体到字段级别。

这五个原则不是孤立的，它们互相配合才能发挥最大效果。我通常这样组合：

# 一个完整的提示词示例
你是一名资深产品经理（角色设定），
请分析以下用户反馈数据（具体性），
找出排名前三的痛点（清晰性），
并给出对应的解决方案（任务分解），
最后用表格输出，包含「痛点描述」「影响范围」「解决方案」三列（格式约束）。

你想想看，如果少了其中任何一条，结果会怎样？没有角色设定，它可能写得像技术文档；没有格式约束，它可能给你一段散文。所以，写提示词就像写代码，每个「参数」都要精心设计。

总结：清晰性避免歧义，具体性提供上下文，角色设定调用专业知识，任务分解降低复杂度，格式约束确保可用性。这五条，是我每次写提示词前都会默念一遍的「心法」。

嗯，到这里你应该已经理解了这五个原则的核心。下一章我们会聊「零样本与少样本提示」，到时候我会用实际案例展示，如何在这些原则基础上，进一步让 AI 学会「举一反三」。