一句话核心：写 Prompt 不是念咒语，是给 AI 写一份清晰的任务说明书。
大语言模型的本质是"下一个词预测器"——它不真正"理解"你，只根据上下文统计概率生成内容。所以：提示词越具体、结构越清晰，输出质量越高。这不是玄学，是概率。
大语言模型的本质是"下一个词预测器"——它不真正"理解"你，只根据上下文统计概率生成内容。所以：提示词越具体、结构越清晰，输出质量越高。这不是玄学，是概率。
一、基础核心原则（四条，缺一不可）
| 原则 | 错误示范 | 正确示范 |
|---|---|---|
| 赋予角色 | 直接问问题 | "你是资深产品经理/小红书文案专家"——激活对应知识库，缩小回答范围 |
| 明确任务与背景 | "帮我写个方案" | "为某智能手表写小红书传播方案，目标受众25-35岁都市白领，核心卖点是健康监测" |
| 指定输出格式 | 让 AI 自由发挥 | 明确要表格 / Markdown列表 / JSON / 300字以内总结 |
| 正向约束 > 反向约束 | "不要写太啰嗦" | "每句不超20字，多用短句，口语化"——AI 对"要做什么"远比对"别做什么"敏感 |
二、四个进阶技巧（80分到95分的差距）
1. 思维链（CoT）：逼它想清楚再说话
逻辑推理、数学计算、复杂分析时，提示词末尾加一句：
"请一步步思考再给出结论。"
强制模型把隐性推理显性化——大幅减少逻辑跳跃和"瞎编"。
2. 少样本提示（Few-Shot）：给例子比写描述管用
给 1-3 个"输入 → 你想要的输出"的例子。AI 的模仿能力极强，一个好例子胜过 50 字风格描述。
3. 结构化输出：直接能用的格式
强制指定 JSON、表格或固定段落结构。适合数据整理、信息提取、要复制进代码/文档的场景——省掉你手动改格式的时间。
4. 防幻觉约束：严谨场景的保命符
医疗、财务、法律等场景，加上：
"如信息不足或不确定，请回答'我不知道'，禁止自行编造。"
AI 编造时语气和真话一模一样，严谨场景必须提前上锁。
三、两个万能框架（背下来直接套）
CO-STAR（复杂写作、商务输出用）
| 字母 | 含义 | 要点 |
|---|---|---|
| C - Context | 场景背景 | 交代任务发生的前因后果 |
| O - Objective | 核心目标 | 唯一核心任务，别贪多 |
| S - Style | 行文风格 | 学术论文 / 小红书种草 / 工作汇报 |
| T - Tone | 情感语气 | 严谨客观 / 活泼轻松 |
| A - Audience | 读者是谁 | 决定用词深浅和信息密度 |
| R - Response | 返回格式 | 格式 + 字数限制 |
CRISPE（日常快速生成用）
| 字母 | 含义 |
|---|---|
| C - Capacity | 角色设定 |
| R - Request | 任务需求 |
| I - Insight | 背景洞察 |
| S - Specific | 具体输出要求 |
| P - Personality | 风格个性 |
| E - Experiment | 迭代实验优化 |
选用逻辑：正经交付物用 CO-STAR，日常小活用 CRISPE——别拿框架当仪式感，套不上的字段果断删。
四、避坑与调优（四条军规）
- 一次只干一件事：任务复杂就拆多轮，或让 AI 先列大纲、你确认后再细化填充——一口气塞十个任务，它必丢三落四。
- 提示词不是越长越好：过长导致注意力分散，部分指令被忽略。200-300 字、结构清晰，通常效果最好。
- 允许 AI 反问：信息给不全时加一句：
"回答前，先问我任何澄清问题，直到你有 95% 把握能完成这个任务。"
- 好 Prompt 是改出来的：第一版不满意，把不满意的点明确指出来让它改——通常 2-3 轮就能到"完美结果"。
五、郭掌门落地清单（进生产线）
- 存四原则：团队每个人写 Prompt 前过一遍——角色、任务背景、输出格式、正向约束，缺哪补哪；
- 配框架卡：CO-STAR / CRISPE 做成填空卡，商务件和日常活分卡使用；
- 建例子库：把各人最好的"输入→输出"样例攒起来，这就是团队级的 Few-Shot 弹药；
- 立纪律：一次一事、200-300字、允许反问、2-3轮迭代——四条军规贴在提示词模板旁边。
核心原则就一句：你跟 AI 沟通的方式，决定了它交付的上限。把"许愿"换成"下任务书"，AI 才从玄学变成工具。
*鲜创一派 · AI内容工业化生产手册系列（通用提示词篇）*