怎么说呢，

说件事情

年初不是开始倡导什么AI提效吗，接下来刚好要写什么季度所以我让AI帮我写了一篇季度报告。它洋洋洒洒写了八百字，从“本季度完成了多个项目”一路抒情到“感谢领导的信任与栽培”，听起来像年终晚会获奖感言，一句具体成果都看不到。按理说，我又说这方面，“用数据说话，简洁点”。它回了一句话：“共完成9个需求，整体进展顺利。”，…我的 OKR 呢，我的量化产出呢？我的改进方向呢，

痛点一：AI 输出冗长却缺乏关键数据；痛点二：期望与实际产出严重不匹配。

那一刻我意识到：和 AI 沟通。与和人沟通，其实是两门完全不同的语言。你得像教一个极度聪明但又极度死心眼的实习生一样，把每一条期望掰开揉碎喂给它。

以上用现在的话说就是，一个人人都要掌握的废话降噪技能。

什么是 Prompt 工程？

从官方定义是来看。

翻译成人话就是：你怎么问，AI 就怎么答，你问得糊涂，它答得离谱。说起来，

Prompt工程不是技术活。它只是一个降低模糊性、提高你和AI之间对齐度的过程。

就好比你不会对一个饭店厨师说“做点好吃的”。也不会对一个摄影师说“拍张好看的”，那你凭什么觉得，对AI说一句模糊的话，它就能精准命中你的心思？

将主要问题说清楚

这篇文章中心思想我先说了那就是写清楚你想要什么而不是等着AI猜你想要什么

很简单。但也很难，下面了7个写Prompt的技巧，看看有没有对你有用的。

技巧一的观点是，给它一个人设。它会还你一个惊喜

说到你说，帮我写篇技术文档，百分之百它给你的不是你想要的。

说到你说，你是一位资深的 Android 开发者。经常翻阅 Android 开发者等关键技术网站，现在帮我写一篇关于 Android 16 关键特性的适配文档。

它给你的东西就完全不一样咯。

为什么两种说法结果差异如此大？不过，因为角色设定激活了 AI 在那个领域积累的知识模式。它其实不是真的在扮演，而是在调用相应的知识库。

当你要让 AI 扮演某个角色时这个角色需要包含以下三要素：

• 专家，例如 “你是一位资深大前端架构师”。不过，
• 行为方式：直接给出结论。 避免废话，
• 主要立场：有什么原则，例如 “优先推荐官方开发文档”。

至于技巧二，用标签给 AI 划主要

AI 有通病：分不清指令和数据。老实说，比如把文章交给它分析，它可能把文章里的错别字当成新指令。方法很简单，用 XML/HTML 标签把数据框起来。

这里放使用者提供的原文

再看技巧三，把格式焊死在 Prompt 里

AI 默认回复是散文式的。如果想要 JSON、表格或仅一句话，需要明确告知。说到常用三种方法，

直接描述需求格式

# 请以 JSON 格式返回以下字段：
{
"title": "...","summary": "..."。"metrics":
}

提供模板并要求填充

# 模板：
{
"title": "<填写标题>","summary": "<填写摘要>"
}
请根据上述要求填充模板。

预填充示例引导方法

# 示例：
量子力学告诉我们
# 请继续补全下一句话：
...

A I看到“量子力学告诉我们”。就会顺着这个句式补完，完美跳过“好的，我来为您一下…，”这种废话。

至于技巧四，让它先想再说

This is most valuable discovery in Prompt engineering over past two years. The principle is simple: let AI write out its reasoning process,which dramatically reduces errors.

三种触发方式

• 用标签隔离思考： ...
• 直接要求一步一步来："请先列出所有原因之一，再逐步推导结论"
• 先列论据再下"先给出支持观点的证据列表。接下来再给出最终结论"

You must let AI analyze first,n conclude. If you reverse order,it becomes a machine that justifies pre‑existing conclusions—no different from a typical meeting where everyone argues to defend ir stance.

再看技巧五，给 AI 举例子

The myth is that a clear description suffices. In reality,AI learns best from concrete examples.

好例子的三个标准

1. 覆盖典型变体：A 给每个类别至少一个示例。
2. 格式完全统一：A 输入输出保持一致结构。
3. 数量：A 两个精心准备的例子胜过十个敷衍凑数。

The difference is obvious: without any description,AI 从例子中自动学习格式和分类规则。

技巧六这方面，防止 AI 胡说八道

The biggest problem isn’t ignorance;it’s confident ignorance—AI confidently fabricates answers it doesn’t know.

五招防身术

1. "如果不确定。请直接回答‘我不知道’，不要编造答案。"
2. "只使用以下标签 中的信息来回答问题。"
3. "先在原文中找出支持性句子，再做。"
4. "在每个答案后标注置信度：高/中/低。"
5. "把 temperature 参数设为 0。"

If you remember just first rule—allowing “I don’t know”—you already cut掉大部分胡言乱语，就像面试官让应聘者坦诚“不知道”。

再看技巧七，复杂任务拆解

If you ask AI 一次性分析整个项目并找出所有代码隐患。它往往漏掉关键问题——因为一次性任务超出了单轮推理能力。

• PROMPT 链示例:

# 步骤1：列出项目中的所有模块名称。

Each step produces a clean,checkable output;you can verify and correct before moving to next step,avoiding “一次性崩溃”。

最终——让 Prompt 成为镜子般精准反射你的需求

A I 像一面镜子。模糊指令 → 模糊答案，精准指令 → 精准答案。写好 Prompt 本质上是一种新型结构化沟通能力——它融合了代码逻辑与聊天自然语言，需要强大的逻辑组织与表达技巧。记住下面这套公式，你再也不会卡在 Prompt 卡壳上：

I am → I want to → Context → Constraints

---