第二章：Prompt设计四大核心原则
各位同学，大家好。上一章我们聊了Prompt是什么，以及它为什么能撬动AI的能力。今天，我们直接进入实战的核心——Prompt设计原则。这就像学开车，你知道了油门刹车在哪，现在要学的是怎么打方向盘、怎么看后视镜。
很多新手朋友问我：“为什么我写的Prompt，AI总是答非所问？” 我通常会反问一句：“你给AI的指令，你自己能看懂吗？” 这听起来像句废话，但恰恰是问题的根源。今天，我就把这几年踩过的坑、总结出的经验，浓缩成四个原则：清晰性、具体性、上下文、角色设定。掌握了它们，你的Prompt就能从“模糊的噪音”变成“精准的指令”。
2.1 清晰性原则：别让AI猜你的心思
先讲个我自己的糗事。早期做客服机器人，我写了个Prompt：“用户说手机坏了，请给出解决方案。” 结果AI回复：“建议重启手机。” 用户直接炸了，因为手机是屏幕碎了。你看，问题出在哪？“坏了”这个词太模糊了。是软件卡顿？硬件损坏？还是进水了？AI不是读心术，它只能根据字面意思最宽泛的理解去执行。
清晰性原则的核心是：消除歧义，明确目标。 你要像对实习生交代工作一样，把背景、任务、输出格式都讲清楚。
错误示范：“写一篇关于AI的文章。”
正确示范：“请写一篇800字的科普文章，面向非技术背景的读者，介绍AI在医疗影像诊断中的应用，重点说明其优势与局限性。使用总分总结构，语言通俗易懂。”
看到区别了吗？后者把长度、受众、主题、结构、风格全锁死了。AI拿到这样的指令，就像拿到了精确的施工图纸，而不是一张潦草的草图。
我的小技巧：写完Prompt后，自己读一遍。如果里面有任何“大概、可能、一些、适当”这类模糊词，立刻删掉，换成具体的数字或描述。比如“一些例子”改成“3个例子”，“适当长度”改成“500-800字”。
2.2 具体性原则：细节是魔鬼，也是天使
清晰性解决了“是什么”的问题，具体性则解决“怎么做”的问题。很多同学觉得，我给了清晰的目标，AI应该能自己发挥了吧？千万别这么想。 AI的“发挥”往往伴随着不可控的风险。
举个例子，我让AI写一个Python函数，计算两个数的平均值。Prompt是：“写一个函数，计算平均值。” 结果AI给我返回了一个用numpy库写的函数，还带了一堆异常处理。我哭笑不得，我只是想在一个简单的脚本里用啊！
具体性原则要求我们：提供约束条件、示例和步骤。
看这个对比：
| 模糊指令 | 具体指令 |
|---|---|
| “优化这段代码” | “优化这段Python代码，使其运行时间减少50%以上。优先使用列表推导式替代for循环，并移除冗余的print语句。请给出优化前后的性能对比。” |
| “翻译这段话” | “将以下英文技术文档翻译成中文，保持专业术语准确（如API、SDK不翻译），句式简洁，符合中文技术文档的阅读习惯。输出格式为Markdown。” |
我特别喜欢在Prompt里加一个“示例”。比如：“请按照以下格式输出：输入：[用户问题]，输出：[你的回答]。示例：输入：‘今天天气如何？’，输出：‘今天天气晴朗，气温25°C。’” 这就像给AI一个锚点，它输出的东西就不会跑偏。
注意：具体不等于啰嗦。不要写无关的废话。比如“你是一个很厉害的AI，请帮我……” 这种情绪化的修饰词对AI没有意义，反而会稀释指令的浓度。直接说“你是一个资深Python工程师”即可。
2.3 上下文原则：让AI知道前因后果
这一点在对话式AI中尤其重要。我见过最典型的错误是，用户在第一轮问：“帮我写个营销方案。” AI写了一个。第二轮用户说：“太长了，缩短点。” AI把方案砍掉了一半。第三轮用户说：“还是不对，目标人群是年轻人。” AI又改了一版。三轮下来，AI和用户都崩溃了。
问题出在哪？每一轮对话都是孤立的，AI丢失了上下文。 上下文原则就是：你要把关键信息，像接力棒一样，一棒一棒传下去。
在单次Prompt中，上下文体现为背景信息。比如：
无上下文：“写一封邮件。”
有上下文：“背景：我是某SaaS公司的客户成功经理。客户（XX公司）的合同将于下月到期，续费意向不明。目标：写一封邮件，强调我们新上线的数据分析功能，并邀请对方参加下周三的线上演示会。语气：专业且友好，不要过于推销。”
在多轮对话中，我习惯在每次提问时，用一句话总结之前的结论。比如：“基于你刚才给出的三个营销方案，我选择了方案A。现在请针对方案A，细化第一阶段的执行步骤，预算控制在5万元以内。” 这样AI就知道，我们是在方案A的基础上继续深入，而不是从头开始。
我的经验：如果你在做一个复杂的任务（比如写一本书、开发一个系统），建议把“上下文”写在一个单独的段落里，放在Prompt的最前面。我称之为“记忆锚点”。比如：“【项目背景】我们正在开发一个在线教育平台，目标用户是职场人士。目前已完成用户注册和课程浏览模块。现在需要设计一个‘学习进度追踪’功能。”
2.4 角色设定原则：给AI一个“人设”
这是我最喜欢的一个原则，也是效果最立竿见影的。你发现没有，当你对AI说“你是一个老师”和“你是一个销售”，它输出的语气、用词、逻辑结构完全不同。角色设定，就是给AI戴上一副“认知眼镜”，让它用特定的视角去看待问题。
我做过一个实验：同一个问题“如何学习Python？”，我分别设定了三个角色：
- 角色A（大学教授）： 输出了一篇严谨的学习路径，从数据结构讲到算法，推荐了经典教材。
- 角色B（资深程序员）： 输出了一篇实战指南，强调“先动手写代码”，推荐了GitHub上的开源项目。
- 角色C（培训机构销售）： 输出了一篇充满焦虑感的文章，强调“不学Python就会被淘汰”，然后推荐了付费课程。
你看，同样的底层模型，因为角色不同，输出天差地别。角色设定越具体，AI的表现越专业。
不要只写“你是一个专家”，要写“你是一个有10年经验的Java后端架构师，擅长高并发系统设计，曾在电商公司主导过双11大促的架构优化。” 这个角色设定里包含了领域、经验、成就，AI能调用的知识库和表达方式就更精准。
角色设定公式：“你是一个 [身份] + [核心技能] + [经验/成就] + [当前任务目标]”
示例：“你是一个资深UI/UX设计师，专攻移动端应用设计，曾主导过日活百万的社交App改版。现在，请为我们的在线教育App设计一个‘课程详情页’，要求信息层级清晰，突出‘免费试听’按钮，并符合iOS设计规范。”
注意：角色设定不要自相矛盾。比如你设定“你是一个严谨的科学家”，同时又要求“用幽默风趣的语言回答”，这会让AI陷入混乱。要么严谨到底，要么幽默到底，或者设定一个“用幽默方式科普的科学家”。
2.5 四大原则的协同作战
这四个原则不是孤立的，它们是一个整体。我通常把它们组合成一个“万能Prompt模板”：
# 角色设定
你是一个[具体角色]，擅长[具体技能]。
# 上下文/背景
我们正在[项目/任务背景]，目前已经完成了[已有成果]，现在需要[当前目标]。
# 任务要求（清晰性+具体性）
请完成以下任务：
1. [具体任务1，包含约束条件]
2. [具体任务2，包含输出格式]
3. [具体任务3，包含示例]
# 输出格式
请使用[Markdown/JSON/表格]格式输出，并遵循以下示例：
[示例输入] -> [示例输出]
举个例子，假设我要让AI帮我写一个Python脚本：
你是一个资深Python自动化工程师，擅长文件处理和数据分析。
背景：我每天需要处理销售团队发来的CSV文件，文件包含“日期”、“销售额”、“客户ID”三列。我需要将这些文件合并，并计算每个月的总销售额。
任务：
1. 写一个Python脚本，读取指定文件夹下所有CSV文件。
2. 合并所有数据，并按“月份”分组（日期格式为YYYY-MM-DD）。
3. 计算每个月的总销售额，并输出到一个新的CSV文件，包含“月份”和“总销售额”两列。
4. 脚本需要包含错误处理（如文件不存在、数据格式错误）。
输出格式：请直接输出完整的Python代码，并添加中文注释。在代码块上方，用一句话说明脚本的使用方法。
你看，这个Prompt里，角色、上下文、清晰任务、具体格式全都有了。AI拿到它，几乎不需要二次追问，就能直接产出可用的代码。
最后分享一个心得：不要指望一次写出完美的Prompt。我每次写Prompt，都会先快速跑一遍，看输出结果，然后根据结果反推，修改Prompt中的模糊点。这个过程我称之为“Prompt迭代”。通常迭代2-3次，就能得到非常稳定的输出。记住，好的Prompt是改出来的，不是写出来的。
好了，这一章的内容就到这里。四个原则——清晰性、具体性、上下文、角色设定——是Prompt设计的基石。下一章，我们会深入探讨如何用这些原则去解决实际业务问题，比如写文案、做分析、写代码。到时候，我会带大家手把手拆解几个真实案例。
记住，AI是你的副驾驶，而Prompt就是你手里的方向盘。握稳它，才能开得又快又稳。