提示词工程

在AI交互中，提示词（Prompt）结构的核心是通过清晰的逻辑框架，将你的需求“翻译”为AI能精准理解的指令。一个优秀的提示词结构，能显著提升输出质量，减少“答非所问”的概率。以下是5种最常用、最实用的提示词结构，覆盖从基础到进阶、从通用到垂直场景的需求，附具体案例和避坑指南。

一、基础通用结构：“角色-任务-要求-示例”（RTRE）

这是新手入门的“万能模板”，通过4个核心要素锁定AI输出方向，适合90%的日常任务（如写作、总结、翻译等）。

结构拆解

要素	作用	示例（以“写科普文”为例）
Role（角色）	定义AI的身份，赋予其专业视角（避免“泛泛而谈”）	“你是一位资深科普作家，擅长用生活案例解释复杂科学原理”
Task（任务）	明确具体要做什么（动词开头，避免模糊）	“撰写一篇关于‘量子纠缠’的科普文章”
Requirement（要求）	限定输出标准（格式、风格、内容要点、禁忌）	“1. 语言通俗，避免公式；2. 包含3个生活类比（如‘心灵感应’）；3. 结尾留1个互动问题”
Example（示例）	提供参考（可选，用“类似这样”引导AI模仿风格/结构）	“参考案例：《时间的形状》中对相对论的解释，用‘快递员送信’类比时空弯曲”

完整示例

【角色】你是一位资深科普作家，擅长用生活案例解释复杂科学原理。  
【任务】撰写一篇关于“量子纠缠”的科普文章。  
【要求】1. 语言通俗，避免公式；2. 包含3个生活类比（如“心灵感应”）；3. 结构分“现象-原理-应用”三部分；4. 结尾留1个互动问题。  
【示例】参考《时间的形状》中用“快递员送信”类比时空弯曲的风格。  

二、进阶推理结构：“思维链+约束条件”（CoT+Constraints）

适合复杂逻辑推理、多步计算、方案设计等需要“过程透明”的任务，通过引导AI“分步思考”避免跳跃性错误。

结构拆解

1. 思维链（Chain-of-Thought, CoT）：用“Let’s think step by step”或“分步骤说明”引导AI展示推理过程。
2. 约束条件（Constraints）：明确限制（如“仅用A/B方案”“考虑成本/时间双因素”）。
3. 目标输出：最终要什么（结论/方案/代码等）。

案例：商业方案设计

你是一家奶茶店的运营顾问，需为“夏季新品上市”设计推广方案。  
**思维链要求**：分步骤说明“目标用户定位→竞品分析→核心卖点→推广渠道→预算分配”的逻辑。  
**约束条件**：1. 预算≤5万元；2. 目标用户为18-25岁大学生；3. 需结合线上（小红书/抖音）和线下（校园活动）渠道。  
**目标输出**：一份包含具体执行细节的方案文档（含各渠道ROI预估）。  

三、垂直场景结构：按任务类型定制

不同场景（创作、分析、编程、翻译）需突出不同要素，以下是4类高频场景的专用结构。

1. 创作类（写作/文案/故事）：“主题-风格-要素-禁忌”

• 核心：用“风格关键词”（如“治愈系”“悬疑感”）和“要素清单”（如“必须包含转折/伏笔”）锁定调性。
• 案例（写短篇小说）：

  主题：AI陪伴独居老人的温暖故事。  
  风格：治愈系，语言细腻如汪曾祺散文，避免煽情。  
  要素：1. 老人养的猫“意外”触发AI互动；2. 关键道具：老式收音机（连接过去与现在）；3. 结局留白（不刻意圆满）。  
  禁忌：不用“科技拯救孤独”的说教，通过细节体现情感。  
  

2. 分析类（数据/报告/竞品）：“数据来源-分析维度-输出格式”

• 核心：明确“分析什么”“从哪几个角度看”“用什么形式呈现”，避免AI遗漏关键信息。
• 案例（竞品分析报告）：

  数据来源：2025年Q1-Q3 喜茶、奈雪、蜜雪冰城的新品销量、社交媒体声量（附Excel表）。  
  分析维度：1. 爆款产品共性（价格/口味/包装）；2. 用户评价关键词（好评/差评TOP3）；3. 营销活动ROI对比。  
  输出格式：Markdown表格（含数据图表描述）+ 3条可落地的优化建议。  
  

3. 编程类（代码生成/调试）：“功能描述-技术栈-测试用例”

• 核心：用“技术栈约束”（如“Python+Django”）和“测试用例”（输入/预期输出）确保代码可用性。
• 案例（写爬虫脚本）：

  功能：爬取豆瓣电影Top250的“片名、导演、评分、短评数”，保存为CSV。  
  技术栈：Python 3.9 + requests + BeautifulSoup，禁用Selenium（反爬风险高）。  
  测试用例：输入“ https://movie.douban.com/top250 ”，预期输出含250行数据，无重复/缺失。  
  附加：添加异常处理（如网络超时、页面结构变化），代码注释覆盖率≥80%。  
  

4. 翻译类（多语言/专业领域）：“原文-领域-风格-对照要求”

• 核心：明确“专业领域”（如“法律合同”“医学论文”）和“风格”（如“正式/口语化”），避免直译生硬。
• 案例（法律合同翻译）：

  原文：“Party A shall indemnify Party B against all losses arising from the breach of this Agreement.”  
  领域：国际商务合同（中英互译）。  
  风格：正式、严谨，保留法律术语准确性（如“indemnify”译为“赔偿”而非“补偿”）。  
  对照要求：提供“原文-译文”逐句对照，标注易错点（如“arising from”译为“因…产生”而非“来自”）。  
  

四、流行框架：3个“拿来即用”的提示词模板

除了自定义结构，还可直接套用业界验证过的框架，效率更高。

1. CRISPE框架（复杂任务专用）

• Capacity（能力）：AI需扮演的角色（“你是一位资深数据分析师”）。
• Role（角色）：同上（部分框架合并，此处强调“专业身份”）。
• Insight（背景）：提供上下文（“用户流失率Q3环比上升15%，数据见附件”）。
• Statement（任务）：具体要做什么（“分析流失原因并提3条对策”）。
• Personality（风格）：输出调性（“用数据图表+口语化结论，避免技术黑话”）。
• Experiment（尝试）：让AI提供备选方案（“给出A/B两套对策，说明适用场景”）。

2. BROKE框架（目标导向型）

• Background（背景）：“用户是刚毕业的大学生，想做自媒体但没经验”。
• Role（角色）：“你是一位MCN机构运营总监”。
• Objectives（目标）：“制定3个月起号计划，目标粉丝1万+”。
• Key Results（关键结果）：“每周3条视频，单条平均播放量≥5000”。
• Evolve（改进）：让AI自我优化（“根据结果反馈，调整内容方向”）。

3. APE框架（行动派专属）

• Action（行动）：“写一封给客户的道歉信”。
• Purpose（目的）：“挽回因物流延迟流失的客户，促进复购”。
• Expectation（期望）：“语气真诚，含补偿方案（如50元券），结尾留联系方式”。

五、避坑指南：结构中的“致命错误”

1. 模糊任务：用“写一篇好文章”→ 改为“写一篇800字、面向中学生的环保倡议书，含3个校园案例”。
2. 缺乏约束：不限制风格/格式→ 明确“用Markdown，分‘现状-危害-行动’三部分，加粗关键句”。
3. 忽略上下文：不提供背景→ 补充“用户是XX公司市场部，需针对Z世代推新品”。
4. 过度复杂：堆砌10个要求→ 优先核心需求（如“先保证逻辑通顺，再优化文采”）。

总结

提示词结构的本质是“用AI的语言沟通”：角色定视角，任务明方向，要求划边界，示例给参考。新手从“RTRE基础结构”入手，熟练后根据场景切换“思维链/垂直结构”，复杂任务直接用“CRISPE/BROKE框架”，可快速提升AI输出的“命中率”。记住：越具体，越可控——把“我想要一篇好文章”变成“我要一篇800字、用3个生活案例解释量子纠缠的科普文”，结果会截然不同。