跟 AI 聊天的一些实用心得
概述
2026 年,AI 模型的能力已经很强了。但同样的模型,不同人用出来的效果天差地别。差距不在智商,在会不会聊天——这就是提示词工程。
这篇文章写给想用好 AI 但不知道怎么问的人,不讲花哨的框架,只说实战中验证过的技巧。
一、三个基本认知
认知 1:AI 不是搜索引擎
搜索引擎返回链接,AI 生成答案。这意味着:
- AI 会编造它不知道的事情(幻觉)
- AI 的答案依赖你给的上下文
- AI 没有”不知道”这个选项——它总是会回答
所以:对于事实性问题,让 AI 给出引用来源;对于主观问题,给它足够的背景信息。
认知 2:AI 没有记忆力
大模型没有”记住你”的能力。每次对话都是独立的。即使同一个会话,到后面也会”忘记”前面说过的话。
所以:重要的信息要在当前消息中重复或概括。别假设 AI 还记得十分钟前你说了什么。
认知 3:第一轮对话决定 80% 的质量
实验表明,第一轮 prompt 的质量直接影响后续所有回复。好的开始是成功的一半。
所以:花时间写第一个 prompt,不要急着发出去。
二、基础 prompt 结构
一个好的 prompt 通常包含五个要素:
角色(Role) → 你是谁?/AI 应该扮演什么角色?任务(Task) → 要做什么?上下文(Context)→ 背景信息是什么?约束(Constraints)→ 有什么限制条件?格式(Format) → 输出应该是什么样的?案例对比
❌ “帮我写个方案” → AI 不知道写什么方案、给谁看、什么风格、多长
✅ “你是一个高校信息化建设方案的资深顾问(角色)。请帮我写一份智慧课程平台的建设方案(任务)。目标客户是双高院校,预算 200 万左右,需要包含 AI 赋能教学的特色(上下文)。方案要有目录、预算明细和实施计划(格式)。避免过于技术化的表述,重点放在业务价值上(约束)。“
三、六条实战技巧
技巧 1:明确输出格式
AI 默认的输出格式往往不是你要的。直接指定:
“用表格输出,三列:功能名称、优先级(高/中/低)、预估工时” “用 Markdown 格式,三段式:问题描述 → 原因分析 → 解决方案” “每段不超过 3 句话”
技巧 2:给示例(Few-shot)
一个例子胜过一千句描述。给出好和坏的示例:
“参考这个风格来写:好的技术方案应该像这样——(示例)。不要写成这样——(反例)。“
技巧 3:否定比肯定更有效
❌ “写得详细一点”(太模糊) ✅ “不要少于 800 字,每个要点都要有案例说明” ✅ “不要用’首先其次最后’这种模板化开头”
技巧 4:让 AI 先思考再回答
对复杂问题,加这句话效果显著:
“在回答问题之前,先一步步分析这个问题涉及哪些方面,然后给出你的结论。”
这能触发模型的推理链(Chain-of-Thought),显著提高准确率。
技巧 5:叠 buff——多轮细化
第一轮拿大纲,第二轮细化细节,第三轮润色:
第 1 轮:帮我列一下 XX 方案的大纲,5 个章节第 2 轮:展开第 3 章"技术架构",写成 800 字的详细版本第 3 轮:把这一章改成面向客户的语言,去掉技术术语每轮聚焦一个目标,输出质量比一次性要求高得多。
技巧 6:用 System Prompt 设规则
在 opencode 或自定义 GPT 中,system prompt 是全局指令:
- 你是一个有 10 年经验的高校信息化顾问
- 所有方案必须包含预算估算和实施风险分析
- 用正式但平实的书面语,不用文言或过度口语
- 输出中文,专业术语保留英文原词并加括号备注
四、常见场景的 prompt 模板
4.1 方案写作
角色:你是一名资深的高校信息化建设顾问,写过的方案金额累计超过 5 亿。
任务:写一份 [产品名称] 的建设方案,面向 [学校类型] 的 [具体部门]。
结构要求:1. 项目背景与需求分析2. 建设目标3. 总体架构(含拓扑图文字描述)4. 功能模块说明5. 实施计划(甘特图风格)6. 预算清单
风格:正式、专业、突出业务价值而非技术细节。每章开头用一句话概括本章核心观点。4.2 代码审查
请 review 以下代码,重点关注:1. 安全漏洞(SQL 注入、XSS、敏感信息泄露)2. 性能问题(N+1 查询、不必要的循环)3. 代码规范(命名、注释、错误处理)4. TypeScript 类型安全
对每个问题标注严重程度:🔴 严重 / 🟡 建议 / 🟢 轻微4.3 知识检索
我的知识库里有关于 [主题] 的多篇笔记。请根据你已知的信息回答以下问题,如果不知道请明确说不知道:
问题:[具体问题]
要求:- 给出你的回答后,列出参考来源(笔记标题或文件路径)- 如果不同笔记之间有矛盾,请指出- 不确定的信息标注"存疑"五、高级:Agentic Prompt
2026 年,很多工作不是通过”一问一答”完成的,而是通过 Agent(智能体)自主执行。这类 prompt 需要额外的设计:
5.1 任务拆解
告诉 AI 将任务拆成子步骤:
“你的任务是把这份 50 页的需求文档转化成技术方案。请先:
- 阅读全文,提取关键需求清单
- 将需求分类(功能/非功能/约束)
- 对每类需求出技术选型方案
- 整合成最终方案 在完成上一步之前,不要进入下一步。“
5.2 错误恢复
在 Agent prompt 中加入容错机制:
“如果遇到错误,请记录错误信息并尝试以下恢复策略:
- 重试最多 3 次
- 如果第 3 次仍失败,跳过该步骤并记录
- 最终输出中列出所有跳过的步骤和原因”
5.3 审核节点
在关键步骤设置审核点:
“在执行每个步骤之前,先向用户解释你的计划,等待确认后再继续。“
六、写在最后
提示词工程不是什么玄学。它的核心就一句话:你对 AI 说得越清楚,AI 给你的结果越好。
如果你只能记住一件事,那就记住这个:在点击发送之前,再读一遍你的 prompt,问自己——如果我是 AI,看到这段话能给出想要的答案吗?
如果答案是”不确定”,那就再改改。
文章分享
如果这篇文章对你有帮助,欢迎分享给更多人!