# 构建高效提示词：让 AI 精确执行任务的完整指南
## 背景介绍
大语言模型火了两三年，ChatGPT、Claude、Gemini 大家都用过。但很多人会发现一个问题：不管怎么问，AI 给的回答总是差点意思。这不是 AI 的问题，是我们提问的方式有问题。
提示词（Prompt）就是你和 AI 沟通的桥梁。好比你要让人帮你干活，得把需求说清楚吧？模糊的需求产出模糊的结果，明确的需求才能得到精确的输出。
本文会系统性地讲讲怎么写好提示词，不整虚的，直接上方法和案例。
## 问题描述
用 AI 的时候，你肯定遇到过这些破事：
– 让它写代码，结果给你一堆有 bug 的东西
– 要详细答案，给你的都是正确的废话
– 同样的问题，换种问法，AI 就答偏了
– 每次都得反复改提示词，才能要到满意的结果
根源在哪？提示词工程（Prompt Engineering）不是简单地「会说话」，是TM一套系统化的方法和思维框架。
## 详细步骤
### 第一步：想清楚你要啥
写提示词之前，先把脑子理清楚。问自己几个问题：
1. **输出格式**：要代码？要表格？要纯文本？要 JSON？
2. **受众是谁**：技术人员？普通用户？老板？
3. **详细程度**：要概括还是手把手教？
4. **边界在哪**：不能包含什么？有什么限制？
### 第二步：搭框架
一个靠谱的提示词通常包含这几部分：
– 角色定义：让 AI 扮演什么角色
– 任务说明：具体要干嘛
– 上下文信息：必要的背景
– 输出要求：格式和标准
– 示例：给一个参照
### 第三步：反复改
提示词这玩意儿就是迭代出来的：
1. 写出第一版
2. 测试
3. 分析哪有问题
4. 修改
5. 继续测
## 完整代码示例
直接上案例：
### 案例一：写Python代码
“`python
prompt = “””
你是一个有15年经验的Python架构师，写企业级代码。
## 任务
写一个滑动窗口算法的限流器。
## 技术要求
1. 滑动窗口算法
2. 支持多实例部署（Redis存储）
3. 可配置时间窗口和最大请求数
4. 并发安全
## 输出要求
1. 完整代码加注释
2. 包含单元测试
3. 写清楚使用方式和注意事项
4. 分析时间空间复杂度
## 代码规范
– PEP 8
– 类型注解
– docstring
“””
“`
### 案例二：数据分析
“`python
prompt = “””
你是一个数据分析师。
## 任务
分析电商用户数据，找出提升销售的机会。
## 数据
– 月活：125,000
– 月付费：8,500
– 客单价：¥268
– 复购率：23%
– 新用户转化：6.8%
## 要求
1. 算ARPU、LTV、CLV
2. 找出最大的问题
3. 给三个可落地的建议
## 格式
数据用表格，建议用列表。
“””
“`
## 运行结果
AI 根据上面的提示词，会输出类似这样的结果：
### 限流器代码
“`python
import time
import redis
from typing import Dict, Optional
from threading import Lock
class RateLimiter:
“””滑动窗口速率限制器”””
def __init__(self, redis_client: redis.Redis, window_seconds: int = 60, max_requests: int = 100):
self.redis = redis_client
self.window_seconds = window_seconds
self.max_requests = max_requests
def is_allowed(self, key: str) -> bool:
“””检查请求是否允许”””
now = time.time()
window_start = now – self.window_seconds
# 移除过期的请求记录
self.redis.zremrangebyscore(key, 0, window_start)
# 获取当前请求数
current_count = self.redis.zcard(key)
if current_count >= self.max_requests:
return False
# 添加新请求记录
self.redis.zadd(key, {str(now): now})
self.redis.expire(key, self.window_seconds + 1)
return True
“`
### 数据分析报告
| 指标 | 数值 | 说明 |
|——|——|——|
| ARPU | ¥68.3 | 每用户平均收入 |
| LTV | ¥819.6 | 用户生命周期价值 |
| 付费率 | 6.8% | 低于行业平均的10-15% |
| 复购率 | 23% | 有提升空间 |
问题：
1. 新用户转化率太低
2. 复购率不行
3. 客单价一般
建议：
1. **提升新用户转化**
– 问题：首单转化不够
– 方案：发首单券（¥50减¥10）
– 效果：转化提到10%
– 难度：低
2. **提升复购**
– 问题：复购周期太长
– 方案：会员积分 + 周期购
– 效果：复购提到35%
– 难度：中
3. **提升客单价**
– 问题：连带购买不行
– 方案：推荐 + 满减
– 效果：客单提到¥350
– 难度：中
## 总结
提示词这玩意儿，多练多总结就行，本文几个核心点：
1. **想清楚**：先想明白要什么，再动手
2. **结构化**：框架搭清楚，AI 才能懂
3. **给示例**：给个参照，效果差很多
4. **反复改**：没有一次就完美的，慢慢磨
5. **定角色**：让 AI 扮特定角色，回答更专业
记住：**你说不清楚，AI 就写不清楚**。就这回事。
要还想提升，去看 OpenAI 和 Anthropic 的官方文档。AI 在进化，我们用法也要跟着进化。
—
*适合想提升 AI 使用效率的读者，开发者、产品经理、运营都行。*