提示词工程实战：10 个让 AI 回答质量翻倍的技巧
同样的大模型，为什么别人用得得心应手，你却总得到一堆废话？掌握这 10 个提示词技巧，让 ChatGPT、Claude 的回答更准、更可用。
同样一个 ChatGPT 或 Claude，有人几句话就让它产出可直接用的方案，有人却总得到"正确的废话"。差别往往不在模型，而在提示词（Prompt）。下面 10 个经过实战验证的技巧，能显著提升大模型的输出质量。
一、给足背景，别让模型猜
模型不知道你是谁、要用在哪。与其问"帮我写篇文案"，不如说"我是一家做户外露营装备的淘宝店主，要写一条面向 25-35 岁女性、突出轻便和颜值的短视频口播稿，60 秒左右"。背景越具体，输出越贴合。
二、明确角色与身份
在开头设定角色，例如"你是一位有 10 年经验的资深前端工程师"。角色会激活模型对应领域的表达方式和专业度，回答的深度和术语准确性明显提升。
三、指定输出格式
直接说清楚你要什么结构：用表格、分点列出、先给结论再展开、控制在 300 字内。不指定格式，模型只能给你一段它"猜"的样子。
四、拆解复杂任务，分步来
复杂任务一次性丢给模型，容易顾此失彼。可以让它先列大纲，你确认后再逐段展开；或明确"分三步：先分析问题，再给方案，最后列风险"。分步能大幅减少遗漏。
五、给示例（Few-shot）
与其描述你想要的风格，不如直接给 1-2 个例子。"参照下面这个案例的语气和结构写一个新的：……"。示例是最高效的"风格说明书"。
六、让它"先想后答"
对需要推理的问题，加一句"请一步步思考再给结论"。让模型先展开推理过程，答案的正确率通常更高——这也是所谓的思维链（Chain-of-Thought）。
七、设定约束和边界
明确"不要做什么"：不要用专业术语、不要超过 5 条、只用中文、不要编造数据。约束能有效防止模型跑偏或"一本正经地胡说"。
八、迭代而非重开
第一版不满意，不要重新开一段。直接在对话里说"第二点太笼统，展开讲讲具体怎么做""语气再口语化一点"。基于上下文迭代，比推倒重来高效得多。
九、要求引用与自查
让模型"标注哪些是事实、哪些是推测""检查上面的回答有没有逻辑漏洞"。自查环节能逼它发现并修正自己的错误。
十、善用系统提示 / 自定义指令
把你反复用到的偏好（语气、身份、输出习惯）写进 ChatGPT 的"自定义指令"或 Claude 的 Project 说明里，一次设置、长期生效，不用每次都重复交代。
写在最后
提示词工程的本质，是把"你脑子里清楚、但没说出来"的东西，明确地告诉模型。多数糟糕的回答，源于糟糕的提问。把上面的技巧组合起来用，你会发现大模型的可用性完全是另一个层级。