AI成长系列3:怎么跟 AI 说话?
怎么跟 AI 说话?Prompt 从零到上手
你用的是同一个模型,结果却差了十倍问题不在 AI,在于你怎么开口
「垃圾进,垃圾出。」—— 计算机科学最古老的定律,对 AI 同样成立
Prompt,就是你发给 AI 的那段文字。它没有任何神秘之处——它就是一封信,写得清楚,AI 才能帮你把事情做对。这篇文章不讲玄学,只讲一件事:怎么把这封信写好。
很多人抱怨 AI 给的答案废话连篇、不够具体、答非所问。但如果你把他们发出去的 Prompt 拿出来看,往往是这样的:
⚡ 关键理解
AI 不会读心术。你给它的信息有多少,它能帮你做到的精度就有多高。模糊的输入,结构性地导致模糊的输出。这不是 bug,这是物理定律。
「发 Prompt 之前,先问自己一句:如果我把这个任务交给一个刚入职的新同事,他看完这段话,能明白我到底要什么吗?如果不能,AI 也一样不能。」
不管多复杂的任务,一个好的 Prompt 都可以拆成五个要素。你不需要每次都用齐五个,但了解它们,你就知道自己的 Prompt 缺了什么。
·【角色】你是一名 ______(给 AI 一个具体身份)
·【任务】请帮我 ______(动词开头,越具体越好)
·【上下文】背景信息:______(目的、读者、约束条件)
·【格式】输出形式:______(表格 / 分点 / 字数 / 语气)
·【示例】参考样例:______(可选,1–3 个效果最佳)
光看公式是抽象的,来看一组实战对比——同一个需求,用没用五件套,结果天壤之别。
❌ 改造前
帮我写一封道歉邮件。
✓ 改造后(五件套版)
【角色】你是一名有十年经验的客户成功经理【任务】帮我起草一封向重要客户道歉的邮件【上下文】我们的产品上周出现了两天的服务中断,客户是一家制造业公司,这个账户年合同金额 80 万元,双方合作三年,关系良好。邮件需要承认错误、说明原因、给出补偿方案【格式】正式商务邮件,300 字以内,包含主题行【示例】语气参考:诚恳但不过度卑微,有具体行动而不是空洞承诺
⚡ 关键差异
改造后的版本给了 AI 五个维度的信息:身份、任务、完整背景、格式约束、语气示例。AI 拿到的信息越完整,它能自由发挥的空间越小——而这恰恰是你要的结果。五个要素用齐三个,就已经比大多数人强了。
五件套是底层逻辑。在此基础上,业界总结了几套更具体的框架,针对不同场景各有侧重。你不需要全学,选一套最常用的记住就行。
Role(角色)+ Task(任务)+ Format(格式)——三个词,覆盖八成日常需求。
⭐ 难度:一颗星。适合:日常工作任务、快速输出、时间紧张时。
Instruction(指令)+ Context(上下文)+ Input(输入内容)+ Output(期望输出)——当你需要把大量资料喂给 AI 处理时,这套框架最清晰。
⭐⭐ 难度:两颗星。适合:总结长文档、处理会议记录、提炼研报。
Context(背景)+ Objective(目标)+ Style(风格)+ Tone(语气)+ Audience(受众)+ Response(格式)——六个维度,专为需要精准拿捏语气和受众的内容任务设计。
⭐⭐⭐⭐ 难度:四颗星。适合:公众号文案、朋友圈、品牌内容、重要对外传播。
懒人选择:不想记三套,就记这一句——
日常任务用RTF;需要”喂资料”用ICIO;写对外内容用CO-STAR。三选一,不纠结。
上面说的都是针对”普通模型”的用法。但如果你用的是 DeepSeek-R1、Kimi K2 Thinking、通义的思考版——这类推理模型,规则完全反过来了。
先理解一个比喻:
「普通模型像一个聪明但经验不足的新员工——你需要把任务拆解清楚、一步一步告诉他怎么做,他才能做好。推理模型像一位深耕多年的老专家——你只需要把目标说清楚,他自己会想出最优路径。你越指手画脚,他越别扭。」
·加「一步步思考」→ 普通模型 ✅ 推理模型 ❌ 不需要,它自己就会
·写详细 System Prompt → 普通模型 ✅ 推理模型 ❌ 直接提问即可
·给多个 Few-shot 示例 → 普通模型 ✅ 推理模型 ❌ 示例反而干扰它的推理
·详细约束和格式要求 → 普通模型 ✅ 推理模型 ⚠️ 只说最关键的一条
·Prompt 长度 → 普通模型 越详细越好 推理模型 ✅ 越简洁越好
❌ 普通模型思维(推理模型上用这个会变笨)
请你一步一步思考,先分析市场规模,再分析主要玩家,然后分析竞争壁垒,最后给出结论,用表格输出,每个部分不少于 200 字……
✓ 推理模型正确姿势
分析中国即时零售行业的竞争格局,找出三个关键结论。
⚡ 核心原则
用推理模型时,只说「你要什么」,不要教它「怎么做」——它自己会想,而且想得比你规划的路径更好。
大多数人的 Prompt 只告诉 AI 要做什么,却很少告诉它不要做什么。但很多时候,”排除”比”包含”更有效——尤其是当你对 AI 的某个固定毛病已经很熟悉的时候。
·「不要开头排比句,直接切入主题」——消灭”AI 味儿”最有效的一句话
·「不要客套话,直接给结论」——跳过”当然,这是个很好的问题……”
·「不要使用”首先、其次、最后”,换成更自然的过渡」——打破机械列举感
·「不要编造数据或引用,如果不确定请直接说不确定」——对抗幻觉的最实用一句
·「不要超过 300 字」——比”写得简洁一些”有效十倍,有具体数字就有边界
「把这五条反向约束加在你的 Prompt 末尾,哪怕其他什么都不改,输出质量也会肉眼可见地提升。」
了解了正确做法,再把常见误区过一遍——这些坑,几乎每个人都踩过至少三个。
⚡ 关于误区⑥
这条最重要,也是平台和企业都在强调的底线。AI 生成的内容需要人工审核,不是因为 AI 不够好,而是因为你对结果负责,AI 不负责。
✍️输出质量取决于输入质量。五件套框架(角色 + 任务 + 上下文 + 格式 + 示例)是写好任何 Prompt 的底层逻辑。
🧠推理模型(DeepSeek-R1 / Kimi K2 Thinking)反着用——只说目标,不要教路径,越简洁越好。
🚫反向约束(告诉 AI 不要做什么)是被严重低估的技巧,五条反向约束加在 Prompt 末尾,输出立刻提档。
Prompt 不是魔法咒语,是一封写给 AI 的任务书。写得越清楚,AI 帮你完成得越漂亮。
会说话之后下一步,是让 AI 替你干活
Prompt 解决的是”单次对话”的质量问题。但真正的效率飞跃,来自工作流和 Agent——让 AI 自己做一系列任务,不需要你每一步都盯着。下一篇,我们讲 AI Agent 是什么,以及你能用它做什么。
点击关注,下篇不迷路
你在用 AI 的过程中,Prompt 写不好常卡在哪一步?或者你有什么自己总结出来的 Prompt 技巧?👇 评论区分享,我会在后续文章里收录好用的案例
夜雨聆风