如何写出在 ChatGPT 里管用的提示词

你输入了「写一封催客户付款的邮件」，拿到的东西正确、礼貌，而且完全没法用：太笼统，发不出去；太正式，不像你会对这个客户说的话；能让催款真正起作用的那些细节，一条都没有。于是你自己动手重写了一遍，顺便得出结论：这种事 AI 干不了。

它干得了。缺的是信息，不是能力。这是课程的第二课。读完之后，你会知道怎么组织一次请求，让它第一次就返回能用的东西，以及怎么在第二条消息里调整方向，而不是从头再来。大约十分钟，每一节末尾都有可以直接试的提示词。

黄金法则：它回应的是你写下的字

在第一课里我们说定了：AI 不是知道，而是在估计。落到提示词上，结论就是这一句：它回应的是你写下的字，不是你心里想说的意思。

当你写「写一封催客户付款的邮件」，AI 得自己填上十五个左右的空：你是谁，客户是谁，逾期多久，这是第一次催还是第四次，你想保住这段关系还是已经放弃，语气是合作还是最后通牒。它用见过的东西的平均值来填。平均，恰恰就是那种「一看就是模板」的味道。

好的提示词不是长的，也不是漂亮的。好的提示词把影响答案的空补上，只留下你确实不知道的部分。

一条管用的提示词的五个零件

几乎所有好提示词都由同样的五个零件构成。不是每次都要凑齐五个，但结果不好的时候，缺的差不多总是其中一个：

零件	解决什么	简短例子
角色	AI 从哪个位置说话	「你是一位劳动法律师」
背景	它无从知道的事	「我是个体户，月流水四万」
任务	要做什么，用动词	「总结」「对比」「改写」
格式	答案的形状	「用表格，三列」
限制	要避开什么	「不要术语，不超过两百字」

接下来的几节一次讲一个零件，每个都配一条把它用得好的目录提示词，让你看到它在起作用。

角色：「请以某某身份」为什么这么管用

给一个角色不是演戏。这是挑选词汇、细节深度，以及决定 AI 认为什么才算相关的最省事的办法。「解释一下复利」和「你是一位高中数学老师，解释一下复利」会产出不同的文字，因为第二句话挑中了一套说法。

角色写成这个人怎么工作会比只写头衔更有效。对比一下「你是老师」和「你是那种在拿出公式之前，一定先讲一个生活例子的老师」。第二种给的是方法上的指令，真正改变结果的是它。

有两条现成的提示词就靠这个：任何科目的私人老师会在开讲之前先定下程度和节奏；会解释错误的温和批改者里，角色带着一种态度（改正但不羞辱），那种态度改变了整段文字。

背景：它没法猜到的东西

这是最常缺的一块。AI 不知道你的职位、公司规模、收入，不知道你在跟谁说话，也不知道之前什么地方出过问题。这些都会改变答案，而它一样都没有。

一个快速的检验：把自己想象成今天早上才进项目、从没跟你说过话的外包，用这个身份读一遍你的提示词。如果他动手之前得先问几个问题，那些问题就是你漏掉的背景。

你看零经验从头写简历，它不是上来就写，而是先把你在正式职场之外做过的事挖出来。而应对难相处的上司或同事之所以有用，是因为它在给出那句话之前先问清楚具体情形：同样一句建议，对面是谁，结果可能是帮忙也可能是添乱。

格式：把形状和内容一起要

对 AI 的不满，大部分不是内容错了，而是对的内容装在没法用的形状里。你想要三行，来了七段。你想要表格，来了一大段散文。

把形状说出来几乎不费力，而且立刻见效。「用要点列」「用表格，列是 X、Y、Z」「不超过五行」「用微信消息的口吻」「给我三个方案让我挑」。顺带一提，要方案往往比要答案划算：你是在比较，而不是在接受。

会议纪要是这个零件的好样本，它把决议、待办和负责人拆进固定的块里，纪要能用起来靠的就是这一点。同样的路子，带钩子、正文和行动号召的文案和有专业度的 LinkedIn 帖子，在写下第一个字之前就把结构定好了。

限制：说出你不要什么

限制是几乎没人写的那个零件，也是最省时间的那个。AI 会往中间靠：中等的文字、中等的长度、中等的词汇。限制就是把它从中间拉出来的东西。

日常最管用的是长度（「不超过两百字」）、词汇（「不要术语，不要夹英文」）、态度（「不要编造我没给你的数据」）和范围（「不要提任何要花钱的方案」）。第三条尤其有用，因为那是在明确要求 AI 在没有依据时说「我不知道」，而不是用一个听起来很像真的东西把空填上。

看看当我十二岁那样讲给我听，那是一条词汇限制直接长成了整条提示词；还有药品说明书翻译，它是故意收窄范围，免得变成医疗建议。

提示词是在第二条消息里变好的

觉得 AI 好用的人和觉得它让人失望的人，差别最大的就是这个习惯：第一次的回答是草稿，不是交付。

放弃的人会把提示词从头重写。用得好的人在同一段对话里回一句：「太正式了，改成聊天的口气」「砍掉一半」「第二个方案最好，只展开那个」「第三行的数字是你编的，删掉」。AI 会保留已经说过的一切，只调整你指出的地方，成本是一句话，而不是一条新提示词。

送礼顾问就是照着这个节奏写的：最初那几个建议存在的意义，就是让你说出哪些不合适。用冰箱里现有食材做菜的厨师是同一个道理，你把不喜欢的划掉，清单每一轮都会更好。

文字提示词和图像提示词不是一套规则

这一点值得说清楚，因为很多人在这里绕晕。上面讲的全部是文字提示词，也就是最后会变成邮件、摘要、方案或解释的那种。

图像提示词走的是另一套逻辑：起作用的不是角色和背景，而是构图、光线、镜头、风格，以及你想从原图里保留什么。写成聊天句子通常出来的图很一般，把视觉描述一层层叠上去反而出得好。如果你要的是这个，方向是图像提示词指南，那篇只讲这件事，而且带例子。

提示词写得再讲究也解决不了的情况

提示词不是万能的，硬扛下去比动手写还费时间。有三种情况，缺的那一块并不是措辞：

数据根本不在对话里。你没把合同贴进去，再讲究的提示词也不会让 AI 知道里面写了什么。先贴正文或者传附件，然后再去打磨请求。
答案必须正确，而你无从核对。药物剂量、诉讼期限、离职补偿的算法。有没有依据，AI 都用同样笃定的口气回答，这一点提示词改变不了。
这是算数，不是文字。语言模型处理的是词。碰到数字，让它给公式，自己在表格里算，或者用真正会计算的工具。

反方向的过头也存在：一条两页、带十五条限制的提示词，效果通常不如六行写得干净的句子，因为指令之间会互相打架。如果你的提示词正在变成一份文档，那里面多半装了两件事，而它们应该是两段对话。

五分钟搭出你自己的那条

挑一件你真正要做的事，按顺序走一遍。这一课的目的是让你带着自己的提示词离开，而不是带着理论：

用一句话写清任务，从动词开始。「改写」「对比」「总结」「列出」。如果你选不出动词，模糊的是你脑子里的任务，不是 AI。
补上只有你知道的背景。套用那个外包的检验：他动手前得问些什么？
定角色，连方法一起定。不只是头衔，还有这个人是怎么做事的。
说出形状。长度、结构、语气，并且要方案而不是单一答案。
至少加一条限制。拿不准就用「不要编造我没提供的信息」。
跑一遍，在第二条消息里修。指出哪里不对，而不是整条重写。

如果你更愿意从现成的东西改起，那就能先看清结构，不必自己凭空造。让二手物品快速卖出的商品描述和中立的决策顾问很适合拆开看，因为五个零件就明明白白摆在提示词的正文里。

快问快答

ChatGPT 的提示词应该写多长？

没有神奇数字。标准是另一个：把会改变答案的空补上，多余的别写。实际操作中，六到十二行足以应付日常绝大部分情况。

对 AI 需要客气吗？

对结果没有影响。「请」和「谢谢」既不会让回答变好，也不会变差。怎么顺手就怎么写。

同一条提示词在 ChatGPT、Gemini 和 Claude 里都能用吗？

多数时候可以，语气和长度会有细微差别。五个零件对三家都成立。结果和预期不一样时，通常是调格式的事，不必推倒重写。

为什么同一个问题每次答案都不一样？

因为答案是按概率生成的，不是从表里查出来的。同一个请求跑两次，走的路径会略有不同。需要稳定的话，就指定固定格式并限制长度。

值得让 AI 帮我改进提示词吗？

值得，而且被低估了。把你的请求贴进去，问一句：「要给出更好的回答，这里还缺哪些信息？」它通常会把你没注意到的空一条条列出来。

怎么让 ChatGPT 不再编造？

消不掉，但能减少。把材料给它，而不是指望它知道；明确要求它在没有依据时说「我不知道」；用之前核对每一个数字、日期和引文。

提示词必须用英文写吗？

不必。文字类的提示词，用中文写效果相当，而且用母语更容易写得具体，真正起作用的正是具体。

接下来

五个零件和「第二条消息」的习惯你已经有了，这两样加起来能解决大部分不理想的结果。剩下的就是练，而最快的练法是拿一条现成的提示词，改到它变成你的。

可以从文字提示词开始，这一课的内容在那里直接适用；也可以去课程看其他几课。第三课我们会按任务对比 ChatGPT、Gemini 和 Claude，让你知道什么场合该开哪一个，而不是靠猜。