2、Prompt基础结构：指令、上下文、输入数据、输出格式指示器，四要素拆解与组合

好，咱们直接进入正题。

很多人写Prompt，就像在跟AI打哑谜。你给了它一堆话，它回你一堆废话。问题出在哪？

我个人习惯把Prompt拆成四个零件：指令、上下文、输入数据、输出格式指示器。这四样东西，就像炒菜的油盐酱醋。放对了，味道绝了；放错了，或者少放一样，菜就废了。

2.1 指令：你到底想让我干嘛？

指令是Prompt的灵魂。说白了，就是告诉AI你的核心任务。

我见过最离谱的Prompt，写了500字背景，最后来一句「你帮我看看」。看什么？AI直接懵了。

我在项目中遇到过一位同事，他写Prompt特别喜欢用「分析一下」。结果AI给他输出了一篇散文。为什么？因为「分析」这个词太宽泛了。你可以让AI「总结」、「对比」、「列举」、「翻译」、「改写」——每个动词对应一种思维模式。

2.2 上下文：给AI搭个舞台

上下文就是背景信息。没有上下文，AI就像个刚入职的新人，啥都不知道。

你想想看，如果你只说「帮我写一封邮件」，AI怎么知道是写给客户、老板还是女朋友？语气、格式、内容全都不一样。

上下文通常包含这几类信息：

• 角色设定：你是一名资深HR、一个Python专家、还是一个幽默的段子手？
• 场景描述：这是用于内部汇报，还是对外发布？
• 已知条件：用户群体是谁？之前发生过什么？有什么限制？

2.3 输入数据：喂给AI的原材料

输入数据就是你要AI处理的具体内容。它可能是一段文本、一个表格、一段代码，或者一个URL。

这里有个坑，我踩过好几次——数据格式不清晰。

比如你想让AI分析一段对话：

❌ 错误示范：
用户说：你好，我想退货。
客服说：请问是什么原因呢？
用户说：颜色不对。
——请分析这段对话的情绪。

✅ 正确示范：
以下是用户与客服的对话记录：
【用户】你好，我想退货。
【客服】请问是什么原因呢？
【用户】颜色不对。
——请分析用户在每个轮次中的情绪变化。

看出区别了吗？加了「【用户】」「【客服】」这样的标签，AI就能准确区分谁说了什么。这就是结构化输入的力量。

2.4 输出格式指示器：别让AI自由发挥

这是最容易被忽略的一点。很多人写完Prompt，AI输出了一大段文字，然后你还要手动整理成表格或列表。何必呢？

直接告诉AI你要什么格式。

我记得有一次帮客户做自动化报告，AI每次输出的格式都不一样，搞得我后续解析程序老是报错。后来我在Prompt里加了一句「请严格按照以下模板输出：标题、日期、关键指标、建议」，世界瞬间清净了。

2.5 四要素组合：实战演练

光说不练假把式。咱们来看一个完整的例子。

场景：你是一名市场分析师，需要AI帮你分析一份用户反馈数据。

【指令】
请分析以下用户反馈数据，提取出Top 3的负面问题，并给出改进建议。

【上下文】
你是一名资深的市场分析师，擅长从用户反馈中挖掘产品痛点。
本次分析面向产品经理团队，需要结论清晰、可执行。

【输入数据】
反馈1：App经常闪退，尤其是在支付环节，太影响体验了。
反馈2：新版本界面改得乱七八糟，找不到常用功能。
反馈3：客服响应太慢，等了三天才回复。
反馈4：希望增加夜间模式，晚上用太刺眼。
反馈5：支付成功后订单状态不更新，让人很慌。

【输出格式指示器】
请用以下格式输出：
| 问题 | 出现次数 | 严重程度（高/中/低） | 改进建议 |
|------|----------|----------------------|----------|
| ...  | ...      | ...                  | ...      |

你看，四个要素各司其职。AI拿到这个Prompt，几乎不需要猜测，直接就能输出你想要的表格。

2.6 避坑指南：我踩过的那些坑

最后分享几个实战中容易翻车的地方：

• 指令和上下文混在一起：比如「你是一个专家，帮我分析一下」。AI可能只记住了「专家」，忘了「分析」。建议分开写。
• 输入数据太长：AI有上下文窗口限制。超过4K、8K tokens，它会「失忆」。长文本建议分段处理。
• 输出格式太复杂：别让AI同时输出JSON、表格、图表、代码。一次只做一件事，效果最好。

嗯，四要素拆解就讲到这里。说白了，Prompt工程不是什么玄学，就是把你想说的话，用AI能听懂的方式，清晰、结构化地表达出来。下一章咱们聊聊「角色扮演」的高级玩法，那个更有意思。