把话说清楚：提示词编写的几条实在经验

很多人第一次用大模型，问一句"帮我写个方案"，拿到结果觉得"也就那样"。问题往往不在模型，而在我们给的上下文太少——就好比你对一个新来的同事说"把这事办一下"，他只能猜。

一、先给身份，再给任务

模型没有记忆，它只看到你当前这一段话。所以开头一句话交代"你是谁、我是谁、要干什么"，效果差别很大。

你是一位有十年经验的运维工程师。
我要给公司非技术的同事解释什么是 HTTPS。
请用生活中的比喻，控制在 300 字以内。

加了身份和对象之后，输出的语气、用词、深度会明显不同。这一步几乎零成本，收益最大。

二、把"要什么"和"不要什么"都写进去

模型很擅长满足模糊要求，但模糊要求的产物往往不合用。与其事后修改，不如一开始把边界写清楚：

• 要什么：篇幅、格式（表格／分点／段落）、语气（正式／口语）、输出语言
• 不要什么：不要套话、不要空话、不要出现"首先其次最后"这类模板腔
• 给样例：贴一段你认可的范例，说"按这个风格来"，比对风格描述半天更有效

三、复杂任务拆成几轮，别指望一次成型

写长材料时，一次性让它生成全文，质量通常不如分步走：

1. 第一轮：先让它列提纲，你确认结构对不对
2. 第二轮：针对某一节展开，你补充它缺的事实
3. 第三轮：让它通读全文，只做语言润色和冗余删减

这样做的好处是每一步你都能纠偏。等它跑偏了三千米再拉回来，比一开始就盯着的成本高得多。

四、让它"先想后答"和"自己检查"

遇到需要推理的问题（算数、逻辑、方案取舍），加一句"请先列出你的判断依据，再给结论"，准确率会明显提升。答完之后再补一句"请检查上面回答里有没有事实错误或不确定的地方"，它往往能自己揪出问题。

这两句不是玄学，原理是给模型更多的中间步骤，让它不必一步跳到答案。

五、敏感内容别偷懒

涉及个人信息、内部数据、未公开材料的内容，不要原样粘贴到公共模型里。需要它帮忙时，把关键数据替换成占位符（如"某公司""某金额"），格式和逻辑照样能处理，风险却小很多。

小结

提示词没有秘笈，核心就是"把它当成一个聪明但不了解你背景的合作者"。背景给足、要求说清、分步确认、最后自己过一遍——做到这四点，体验会有肉眼可见的差别。