研究了快3年的AI提示詞，心得都在這兒了

你大概有這樣的感覺：

明明大家都說AI很厲害，可自己一用，卻不是那么回事。日常生活類問題還好，稍微專業一點的問題，它要么泛泛而談，要么驢頭不對馬嘴。

為什么會這樣？

任務做不好，不是AI不聰明，而是我們沒有“管理”好AI，不夠懂自己的業務。

2025年，AI的平均智商已突破110，超越普通人類。厲害的，都到了140的天才水平。但即便AI再聰明，當它對你的業務、要求、具體目的，都一無所知的時候，也只能瞎猜。

那，怎么才能用好AI？這就要靠提示詞了。

我不敢說自己有多么內行，但至少在和AI對話上，已經摸索了兩三年，我們這家小破公司的不少業務，也已經把AI用了起來。其實，一個好的提示詞，只需要你說明七件事：

1）版本號。2） 角色。3）任務目標。4）規則紅線。5）工作流程。6）交付格式。7）執行指令。

今天，毫無保留，和你分享。

01

角色扮演：你想要什么結果，就先給它什么角色

第一步，是版本號。

版本號，很簡單。就像你給文件命名一樣：項目周報-20251210，主要是為了方便知道版本，是個很多人會忽略的專業習慣。

接著，是第二步：確定角色。

確定角色，就是在AI開始干活之前，先給它安排一個身份。

舉個例子。假如你要寫一封郵件，向憤怒的甲方道歉。不少人，可能會這么寫：

幫我寫封郵件，為項目延期道歉。

你猜，AI會給你什么？大概是：

抱歉地通知您，由于xx原因，原定于xx日交付的xx項目，將延期至xx日完成。此次調整給您帶來的不便，我們深表歉意。感謝您的理解與支持，我們會持續同步進展。

嗯。就是一篇干巴巴的“道歉公文”。客戶看了，可能更火大。但如果你先說：

你是一位客戶服務總監，有耐心、善于安撫客戶情緒。風格真誠、有責任感，不推諉。面向的是一些認為自己受了委屈的客戶。現在，你寫一封郵件，為項目延期道歉。

你會發現，回答馬上就不一樣了：

…… 首先，請允許我代表整個團隊，向您表達我們最誠摯的歉意。 非常抱歉地通知您，原定于xx日完成的x項目，將需要延期至xx日。我們深知這可能會給您和您的團隊帶來不便，對此我們深感自責，并愿意全力承擔責任。 ……目前，項目正在加緊推進中。為了確保交付質量并避免再次延誤，我們已采取以下措施： 1、增派資源：…… 2、加強溝通：…… 3、嚴格測試：……

給了“客戶服務總監”的角色后，AI會立刻明白，信的目的不是“通知”，而是“安撫”。它會用更委婉的語氣，更積極的態度，去寫這封信。

因為AI在學習數據的時候，會學習行業人員的工作方式。比如，它會知道，醫生需要謹慎，因為說錯話很要命。所以，讓它扮演醫生，它就能大大提升專業性和嚴謹程度。

而關于如何寫好這一步提示詞，有一個通用模板，供你參考：

你是一位【角色】，擅長【領域】，面對的人是【類型】，你的風格是【風格描述】。

具體例子，大概是：

你是一位資深HR，給公司新人做入職培訓。風格友好、鼓勵。語言盡量少用專業術語，多用生活化例子。 你是一位頭部電商店鋪的文案總監，擅長把復雜產品講清楚、講動人。面向的是 25-40 歲的職場媽媽。風格專業但不啰嗦，有生活感。

你想要什么結果，就先給AI什么角色。

02

明確目標：別只說“做什么”，說清楚“做成什么樣”

第三步，是：明確任務目標。

面對AI，我們常常犯一種錯誤：只說“做什么”，沒說清楚“做成什么樣”。

舉個例子。

假如，你想了解一下新能源汽車市場。你會怎么說？如果你說：

幫我分析一下新能源汽車市場。

那它給出的結果，就大概會是這樣：

一、 市場現狀：高速增長，進入規模化新階段 全球銷量持續攀升：…… 競爭格局“一超多強”：…… 技術路線多元化：…… 二、 核心驅動因素 政策強力推動：…… 技術快速進步與成本下降：…… 消費認知與需求轉變：…… 三、 面臨的主要挑戰 ……

篇幅原因，我們只展示一部分內容。但是，你大概可以感受到，這報告，雖然看起來洋洋灑灑，還分了核心驅動、主要挑戰……但仔細說來，都是隨處可以查到的東西。

所以至少，你應該給定一個明確的目標。比如：

你是資深行業分析師。為公司管理層寫一份新能源汽車市場的內部簡報。三個標準： 篇幅：2000字以內。 內容：必須包含過去一年的三大核心趨勢、兩大主要挑戰，和一個關鍵機會點。 風格：結論先行，數據翔實，但要避免復雜的專業術語。

這次，結果就不一樣了：

新能源汽車市場內部簡報 核心結論： 新能源汽車市場，已進入“規模化與差異化”并行發展的關鍵階段。 …… 一、過去一年的三大核心趨勢 產業鏈利潤結構轉移，下游品牌承壓，上游材料成本回落。 隨著電池主要原材料（如碳酸鋰）價格大幅下降，電池成本壓力緩解。但整車環節因激烈價格戰導致利潤承壓，利潤重心有向上游核心技術（如芯片、軟件）及下游服務（如充電、補能）轉移的跡象。 …… 二、當前面臨的兩大主要挑戰 激烈的“價格戰”與嚴重的同質化競爭。 超過10個品牌在有限的價格區間內推出相似車型，導致多數企業陷入“以價換量”的困境。單純比拼硬件配置和價格的模式難以為繼，品牌忠誠度難以建立。 ……

開頭，就是核心結論。然后，列出了核心趨勢、主要挑戰和關鍵機會點。如果你同意它的觀點，稍作修改，就可以直接發給同事了。

明確目標，也是每個管理者應盡的職責。

因為，當你只說“分析一下市場”，你其實是把“定義一份好報告”的責任，甩給了員工。如果結果不好，是你沒說清，還是他沒領會？如果你自己都想不清楚，那你的員工，就只能在黑暗里瞎猜。他們猜錯的成本，最終還是由你來承擔。

不要再說“你看著辦”了。你看著辦，是管理者最大的懶惰。

03

劃定紅線：只有鎖住下限，才有資格談上限

第四步，是：劃定規則紅線。

劃定紅線，就是說清“不要做什么”。這在處理復雜任務時，至關重要。

舉個例子。我們的“商業早新聞”，已經在“劉潤商業頻道”賬號上，開播了有一段時間了。每個工作日的7-9點，都會準時開播。如果你感興趣，歡迎來看。

可是，要準備能講解2個小時的新聞內容，是一個巨大的復雜工作量。因為，它不光是搜集到就完了，還有各種各樣的要求。

比如，時效性。AI搜索時，很容易把去年的舊聞當成今天的。比如，不涉及政治話題。但AI為了追求深度，有時會觸碰紅線。又比如，多樣性。幾十條新聞，不能只盯著一家公司或一個行業。但AI有自己的偏好，可能30條里有10條都在講特斯拉。

所以，如果我們只是簡單地對AI說：

請幫我找30條最新的商業新聞。

那你得到的，就很可能是一個充滿“舊聞”、“雷區”和“偏見”的新聞集錦。需要我們花大量時間，人工篩選、修改、還擔驚受怕。

于是，我們給AI設定了極其詳細的“規則紅線”。比如：

1. 時間窗口：只收錄當前日期的事件，嚴格排除歷史同期的舊聞。 2. 負面清單：以下內容一律不得進入候選池：金融產品推薦、醫療保健建議、明星八卦、政治內容…… 3. 均衡協議：確保最終的新聞中，覆蓋消費、科技、互聯網等至少4個板塊；同一家公司最多不超過3條。 ……

是。這些密密麻麻的規則，看起來很麻煩，也很死板。

可如果沒有這些規則，AI每一次自由發揮，對我們來說，都是一次開盲盒。一旦失誤，都需要投入時間和精力補救。這對我們這個小破公司來說，是承擔不起的。

很多人覺得，條條框框很煩。可約束，不是為了增加復雜度，而是減少麻煩。

有很多管理者，每天累死累活，不敢放權。因為，他沒劃定“紅線”。員工不知道邊界在哪里，于是只能不斷地試探。上級不知道員工會捅什么簍子，就只能事必躬親地盯著。

所以，管理者一項特別重要的工作，是通過規則的確定性，對抗執行的不確定性。

當紅線足夠清晰，所有的輸出結果，都將落在你的安全區間內。這個時候，你就不需要再盯著過程了。因為你知道，最壞的結果，也是可接受的。

鎖住下限，你才有資格去談上限。

04

拆解流程：管理不是許愿的權力，而是指路的能力

第五步，是：拆解工作流程。

這一步，是寫好提示詞最難，也最見功力的地方。

很多人用AI，習慣只給一個指令，然后就等著奇跡發生。結果，AI往往會給你一堆亂七八糟的東西，要么太短，要么重點跑偏。

寫新聞，只是一個指令。在指令和結果之間，還隔著一萬個具體的判斷。好的提示詞，要包含具體的工作流程。把業務拆解成1、2、3、4步驟，AI才能輸出更好的結果。

還是以寫《商業早新聞》為例。

如果，你現在要得到明天早上可以播放的，30條高質量新聞，你會怎么做呢？

首先，你得先找到足夠多的新聞。

比如，去找4-5個經過我們不斷查證，確認靠譜的源頭，抓取足夠多的候選新聞。不夠怎么辦？如果24小時內的新聞不夠，那就把放寬到48小時，去更廣泛的嚴肅媒體里找。

接著，你得去除不夠好的雜質。

舉個例子，有段時間，AI經常會搜到“華為發布Mate 70”的新聞。但你仔細一看，會發現是去年的事情。因為很多新聞網站的日期只寫幾月幾日，沒寫年份。AI一搜，就把去年的舊聞當新聞了。所以，你還得在流程里加一步：歷史去重。

現在，我們拿到了30條要播放的新聞。但這還沒完。你得做排序。做調整。

你得根據自己的經驗，打分排名。具體打分的維度，就看你對新聞的理解了。它可以是大眾關注度，也可以是公司知名度。而且，聽新聞就像吃飯，你不能一股腦給人喂大肘子，也不能光給人吃涼菜。所以，不能全講科技，也不能全講零售。等等等等。

接下來，才是“寫”。

你也得想好具體的結構。比如，標題+事實+分析+一句話建議。

當然，還有自檢。

AI是會犯錯的，它會產生幻覺。所以，在流程的最后，拉一個清單，強制它自己檢查一遍，就很重要。如果發現問題，請重新執行上述步驟。

這哪里是在寫提示詞？這就是在拆業務。如果你對業務沒有透徹理解，你是寫不出步驟的。

只有你把業務邏輯一層層剝開，拆解成AI能聽懂的“1、2、3、4”，AI高達140的智商，才能真正為你所用。它不缺智商，缺經驗；流程，就是把經驗，教給他的最方便選擇。

只給結果不給路徑，不叫管理，叫為難。管理從不是許愿的權力，而是指路的能力。

05

規定格式：混亂的交付，會吞噬效率

第六步，是：規定交付格式。

其實很多AI，比如DeepSeeK、豆包，在輸出的時候，就自動調整了格式。但當你的要求很復雜，比如輸出一整個研究報告，讓AI直接給你個文檔的時候，它就有可能給你一大坨密密麻麻的文字，看著頭疼。

那怎么辦呢？很簡單。只要你在提示詞里，做好格式要求：

請嚴格按下列格式輸出全文（用于直接復制到云文檔，手機閱讀） 1）使用 Markdown 標題：#、##、### 區分層級； 2）使用**粗體**標記小標題、關鍵標簽和重要詞句； 3）不使用任何列表語法（不要以 "-"、"*"、"1." 等開頭），避免縮進和多余空白； 4）各段之間僅用空行分隔，不做縮進。

Markdown格式，就是一種簡單的排版指令。前邊加幾個井號（#），就是幾級標題；前后都加兩個星號（**），就是加粗；想要出現列表，就在前邊寫個減號加空格（- ）；引用，就加個大于號（＞）……這種格式，特別結構化，對你來說，它易寫易改；對AI來說，它也更容易理解。

當你讓AI用了markdown格式輸出文檔，觀感就會好很多。為了讓你更直觀地理解，我放了兩張對比圖。

這是AI輸出的文字指令：

這是你能看到的輸出文檔：

一旦加上了這幾行指令，原本可能是亂七八糟的文本流，瞬間變成了一份重點突出、層次清晰的簡報。不管是內部審閱，還是直接發給別人看，閱讀體驗，都特別舒適。

所謂專業，不僅是把活干對，更是讓接手你工作的人，感到舒服。

好了。到了這里，我們的提示詞就基本完成了。

第七步，也就是最后一步，是一個開始指令。大概是：

請嚴格遵守以上所有規則。 現在，開始執行。

為什么需要特地把這個列成一步？

首先，是為了改變AI的狀態。

大模型做的事情，本質上是續寫。所以，當你說完規則、角色、目標、流程后，它其實不知道你已經交代完了。這個指令，就是告訴它，接下來該執行了。就像寫代碼，最后有一句開始運行（run）。

其次，是為了防止AI自作聰明。

絕大部分用戶，寫不出如此復雜的提示詞。所以在這個AI越來越聰明的今天，它可能會根據你的指令，揣測你的意圖，跳過它認為不重要的步驟，打亂你設計的順序。

再好的計劃，也需要一個開始。

06

先不著急讓AI干活，先問它：你覺得應該怎么辦？

我知道，我明白。

讓一個沒有寫提示詞經驗的人，寫這么大一串的提示詞，很困難。但別擔心，因為我自己寫提示詞，也不是一上來就讓AI干活，而是會先問它：

這件事，你覺得應該怎么干？

比如，如果你想給公眾號文章起一個好標題。

你就可以說：

能不能幫我研究一下，市面上那些高閱讀量的公眾號文章，標題都是怎么起的？大概有什么方法論？會有什么理論依據？

AI就會去搜索，然后告訴你：有懸念法、數字法、沖突法……接下來，你就可以跟它交互修改。當你們達成一致，你就可以讓AI，把這套方法論改成一個提示詞。

這時，你就可以讓它按照今天聊到的這7個步驟，寫一版提示詞出來，再微調。比如，為了避免標題黨，你就可以在“紅線”加一條：禁止使用“震驚”、“嚇尿”等標題黨詞匯。

1）問AI怎么干；2）讓AI寫指令；3）根據自己對問題的理解，進行微調。

這就是我常用的，寫提示詞的辦法。

當然，至于寫指令的時候，具體是不是參考我們談到的這7步，并不固定，這只是我的個人習慣。有很多類似的框架，你也可以讓AI進行提示詞寫作的時候，進行參考。

比如，特別經典的CRISPE框架。

CRISPE，就是能力Capacity、角色Role、前提Insight、任務Statement、風格Personality、多個版本輸出Experiment。

還有，最簡單的RTF框架。

RTF，就是角色Role、任務Task、格式Format。

當然，還有曾經在新加坡科技局的GPT-4大賽里獲獎的，CO-STAR框架。

CO-STAR，是指背景信息Context；任務目標Objective；寫作風格Style，比如“麥肯錫風格”還是“李佳琦風格”；語氣Tone，比如“興奮的”還是“嚴肅的”；目標受眾Audience；輸出格式Response。

比如，同樣是寫一封拒信。用CO-STAR，你可以這樣說：

(背景) 我們是一家初創公司，剛面試了一位有才華的設計師，但他不太符合目前崗位。 (目標) 寫一封拒絕郵件，但要保持良好關系，讓他感覺被尊重。 (風格) 類似谷歌那種人性化、非官僚的風格。 (語氣) 誠懇、遺憾但充滿希望。 (受眾) 一個非常有自尊心的資深設計師。 (格式) 郵件正文。

不管招式有多少種，心法其實只有一條：把模糊的需求，變成結構化的語言。

因為無論是在人機協作中，還是組織內部的協作中，結構，就是效率。

最后的話

提示詞，本質上是你思考能力的外化。

當你覺得AI邏輯混亂，這往往說明你自己也沒琢磨清楚。如果你自己都想不清楚，那個智商140的AI，也一定做不明白。

這也是為什么我開頭就說：能不能用好AI，其實是一個管理問題。

過去，我們總覺得管理是針對人的。但在今天，不一樣了。管理，逐漸成為了一種，對生產要素的配置能力。因為無論面對的是人，還是AI，管理的本質從未改變：

把模糊的愿望，翻譯成清晰的指令；把不確定的過程，約束成確定的結果。

這一點，紅杉資本的合伙人Konstantine Buhler，也曾經提到過：

AI時代，我們每個人都需要培養管理思維。

未來的工作中，我們身邊的AI，會越來越多。這時候，我們就需要像管理一個有特長、有個性的團隊成員一樣，去和它協作。

所以，當你覺得AI“太笨”、“聽不懂話”的時候，不妨先反思一下：

我真的把任務目標定義清楚了嗎？

我真的知道這件事的成功標準是什么嗎？

我真的把業務邏輯搞懂了嗎？

當然，隨著AI發展，它可能很快就聰明到不需要任何提示詞。但至少在今天，學會它的語言，依然非常有用。不過，即便是以后不需要提示詞，也還有一點，是確定的：

在答案廉價的時代，能定義問題的人，永遠稀缺。

參考資料

1、2025臨界點：AI智商超越人類，經濟規則即將改寫

觀點/ 劉潤主筆/ 景九編輯/ 歌平版面/ 黃 靜

這是劉潤公眾號第2820篇原創文章。未經授權，禁止任何機構或個人抓取本文內容，用于訓練AI大模型等用途