提示词工程被讲烂了但真正能把提示词用好的人远没有听起来那么多。我见过太多人把 ChatGPT 当成高级搜索引擎把 DALL·E 当成抽卡游戏把自定义 GPT 当成摆设。这篇是系列的第二篇不聊入门概念直接聊怎么用提示词把这三样东西串成一条能干活的生产线ChatGPT 负责文字推理DALL·E 负责视觉输出自定义 GPT 负责把反复要说的那套逻辑固化下来。适合谁看已经会基本对话、想进一步提升效率的职场人、创作者以及想用 AI 处理日常重复事务的普通用户。如果你觉得“AI 确实有用但用起来总差口气”这篇就是来补那口气的。1. 先拆解任务再写提示词复杂需求的正确打开方式1.1 一个提示词装不下所有需求很多人的第一个误区是希望一句话解决所有问题。“帮我写一份关于XX的市场分析报告要有数据、有竞争分析、有建议写详细一点”——这种提示词大概率会得到一份看着全面、实际空洞的“AI味”文档。问题不在 AI 能力而在提示词没有提供足够的决策路径。我自己的习惯是动笔写提示词之前先把任务拆成四块目标、输入信息、约束条件、期望输出格式。目标决定 AI 要完成什么输入信息决定它手头有哪些料约束条件决定什么不能做期望输出格式决定结果怎么落地。这四个要素缺一个结果就会往不可控的方向跑。举个例子。同样是“写行业报告”弱提示“帮我分析新能源汽车市场。”结果常常是大而全的常识罗列什么“双碳目标”“技术迭代”“市场份额变化”全都来一遍读完之后没有任何能直接用在决策里的信息。强提示“你是一名资深行业分析师。请基于我提供的三家车企的销量数据和价格表分析2025年第一季度中端纯电市场的竞争格局。重点回答三个问题谁是性价比标杆、谁在渠道上占优、降价策略对利润的影响。输出为三部分结论摘要200字、对比表格、风险提示清单。不要泛泛讨论行业宏观趋势只聚焦数据能支撑的结论。”同样的需求后者让 AI 在每个环节都有明确的抓手。这里最关键的认知是提示词不是一句指令而是一份“任务说明书”。你给 AI 的信息颗粒度直接决定了它输出的颗粒度。很多人抱怨 AI 输出质量差其实差的一半原因是需求描述得太模糊就像你跟一个资深员工只说“把这个事做一下”对方再能干也猜不透你的标准。1.2 从“问一句”到“给一份作业”把任务说明书落到实际对话里我建议分三步走。第一步先让 AI 复述任务。这一步很少人做但非常值钱。你在提示词里加一句“在开始前请先用三点概括你对我需求的理解如果理解有偏差我会纠正然后再开始执行”。别觉得这浪费一次对话它能在早期就拦住方向性错误避免跑偏之后浪费更多轮次。我实际测过加了这一步之后复杂任务的方向性错误大约减少了七成。第二步给 AI 布置“带约束的作业”。比如规定输出结构、字数、受众、文风。这一步的要点是约束不是越多越好而是越具体越好。“写得专业一点”是无效约束“写给没有技术背景的采购主管看避免堆砌术语每个专业词第一次出现时加一句白话解释”才是有效约束。第三步给一个“范例回应”。这是常常被忽略但效果最显著的一步。AI 是概率模型给它一个标准答案的样本它会照着样本的形状去生成。哪怕只有一个开头段落的范例整篇输出的语感和结构都会被锚定住。我写过不少提示词模板模板里永远留一个 example 位置实测下来输出稳定性提升非常明显。这三步走下来一次复杂任务的对话成本会高一些但产出的可落地性通常能翻倍。对工作场景来说这个交换非常划算。另外记住一点如果任务特别大别指望一轮对话搞定。把大任务拆成“背景确认、大纲生成、分段撰写、整合润色”四个阶段每阶段一次独立对话比在一次对话里叠加所有要求要稳得多。我自己写一份完整方案永远是先确认背景再出大纲大纲通过之后才让 AI 动笔最多把各章节放在不同对话里完成最后手工拼接。这样每部分的上下文都干净模型注意力也集中。2. DALL·E 提词让画面从“能看”到“能用”2.1 画面要素拆解主体、环境、光线、风格DALL·E 跟 ChatGPT 共享一套对话界面但提示词的逻辑完全不同。文字模型有很强的上下文理解能力你可以在长对话里慢慢补充信息图像模型更像一个“一次成型”的画家你给它什么描述它画什么中途沟通成本极高。所以 DALL·E 的提示词核心是“第一次就把画面说清楚”。我自己在给 DALL·E 写提示词的时候会按一个固定顺序把画面要素过一遍主体主体在做什么环境光线视角材质风格参考最后再加一个整体氛围词。这个顺序不是随便定的DALL·E 对语义的解析有主次之分前面的词权重更高。把主体放最前面能避免常见的“主体被环境吃掉”问题。写具体一点。比如“一只猫坐在窗台”这个描述DALL·E 大概率会生成一张还算能看的图但角度、用光、风格全凭运气。而这样写“一只橘猫侧坐在木质窗台上午后阳光从左侧斜射进来在墙面投下细长的影子猫的毛发在逆光下呈现半透明的金色轮廓拍摄视角为微仰视浅景深背景虚化整体风格接近手绘水彩色调温暖”——生成结果就基本可控了。这里有个很多人不知道的细节DALL·E 对“镜头语言”的理解比大多数人想象中好。你直接写“近景”“特写”“广角”“俯拍”“微距”这些词它都能执行。善用这些词可以突破“AI 绘画一张脸”的尴尬感。但这个能力也有陷阱——如果你把技法词堆得太满画面会很“炫技”却不实用。对商业设计来说简单背景加明确主体的出图率远高于花哨构图。2.2 负面提示与迭代不靠运气出图DALL·E 没有像其他绘画模型那样独立的负面提示词参数但可以通过在描述里明确排除来达到类似效果。比如你不想画面里出现文字可以明确写“无任何文字标语”不想要某类风格可以写“不要霓虹赛博风格”。措辞上要注意负面描述最好放在提示词末尾并且用“不要”“避免”“无”这类词打头让模型清晰识别排除项。迭代是更重要的一环。我见过太多人第一张图不满意就直接重新随机等于把所有信息都丢掉重来。正确的做法是把第一张图当成草稿保留画面中满意的部分只修改不满意的部分。比如构图满意但颜色不对就写“保持当前构图、主体和视角把整体色调改为蓝灰色冷调增加清晨薄雾氛围”。这就是图像生成的“局部迭代法”。还有一个小技巧对做设计的人特别有用用 DALL·E 生成“参考方向”而不是最终成品。比如做海报前先生成四张不同风格的情绪版挑选后再基于选中的那张用“以这张为基础改为横版构图、替换背景元素、调整字体区域”来推进。这个过程看着多几步实际上比一次到位更省时间因为 DALL·E 的随机性决定了你很难一次命中内心画面。提示DALL·E 生成的图片继续作为新对话的起点时如果直接上传图片并要求修改记得把诉求写清楚——“保持主体不变只调整背景”。模糊的“我再改改”会让模型做出很大幅度的改动你原本喜欢的部分就全没了。3. 自定义 GPT把经验固化成可复用的“数字员工”3.1 Instructions 设定少而准的核心指令自定义 GPT 是 ChatGPT 家族里被严重低估的功能。很多人只是把它当成一个普通对话的配置界面这是最大的浪费。自定义 GPT 的真正价值是把你重复讲无数次的那套“怎么回答、按什么流程、用什么格式、避开什么雷区”固化下来形成一份不需要每次重复交代的专属说明书。配置 Instructions 的第一原则是少而准。我看到不少人在 Instructions 里写几百字的行为规范结果 GPT 反而无所适从。自定义 GPT 本身的指令系统是把 Instructions 和用户每次对话的上下文叠加在一起理解的指令越冗长模型注意力越分散。我建议把 Instructions 控制在 300 字以内只写三类内容你是谁、你怎么工作、你避讳什么。关于“你怎么工作”这里有个很实际的写法把具体工作流程写成编号步骤。比如你要做一个写作助手不要写“帮忙写文章”而是写清楚“第一步询问主题和目标读者第二步输出大纲并等待确认第三步按确认的大纲写作第四步最后附上三个可替换的标题建议”。一旦流程被步骤化GPT 的输出就会稳定很多因为每一步都是可检查、可纠正的。我拿一个自己也一直在用的“会议纪要助手”举个例子它的 Instructions 基本是这样你是会议纪要助手。工作流程1. 请用户粘贴会议原始记录或上传音频转写文本2. 按“参会人、讨论要点、待办事项、责任人、时间节点”五段整理3. 不添加会议中未出现的内容4. 待办事项用表格呈现每项标注负责人与截止时间5. 输出后询问是否需要生成摘要邮件。这里没有一句废话每条都是可执行的规则。你在实际使用中会明显感觉到这样的 GPT 输出的东西拿过去就能用而不是每次都要再人工调一遍格式。3.2 知识库与 Actions给 GPT 装上记忆和双手自定义 GPT 的知识库功能相当于给模型塞了一堆参考资料回答时会优先参考这些文件。但它有个先天的坑上传资料后模型不一定会主动引用尤其是提问比较泛的时候。我自己的经验是在 Instructions 里写一句“当回答涉及产品参数时必须从知识库文件中查找依据不要凭记忆生成”能有效提升引用率。这一点很推荐大家试一试。Actions 功能则是把它们接进外部系统查数据库、发邮件、调内部接口。如果说 Instructions 和 Knowledge 是让 GPT“会说”Actions 就是让它“会做”。配置 Actions 需要写 OpenAPI 规范的接口描述对非开发者有点门槛但你要理解它的本质把你系统里的一项能力用标准格式描述给 GPT 听它就能在对话中按需调用。这里必须提醒一句给自定义 GPT 接 Actions 的时候权限控制要非常谨慎。它相当于给这个“数字员工”发了一张系统的门禁卡你给的权限越宽它越有可能做出你没想到的操作。建议先从只读接口开始比如查数据、查状态、搜索文档等跑稳了再考虑写操作。尤其涉及数据写入或对外发送消息的接口务必加上人工确认环节别把自动化做成失控化。4. 创意与自动化的实战组合一个完整的业务闭环4.1 场景选择从重复劳动中挑出第一个自动化对象前面三部分讲了提示词技巧、DALL·E 用法和自定义 GPT 配置但工具单独放那儿都不值钱组合起来才值钱。我判断一个场景是否适合用 AI 自动化会看三个条件重复频率高、判断规则清晰、容错空间合理。三个条件都满足才值得动手只满足一两个先做半自动别一上来就追求全自动。举个我实际落地的场景给一个做内容社区的朋友搭了一条“每周爆款选题挖掘 配图生成”的流水线。以往他每周要花半天时间翻后台数据、看同行热点、再找设计师做配图。改造之后他把整个流程分成了三段数据整理交给脚本选题判断和文案交给一个自定义 GPT配图交给 DALL·E。人只需要在每个环节确认一次总耗时压缩到一小时。这个例子说明一个关键点自动化不是把 AI 扔到流程里就完事而是先识别流程中哪些环节是“人工判断密集型”的。选题判断看起来是创意活但底层有明确规则——阅读量、话题热度、用户画像匹配度、价值观红线这些规则一旦显性化就可以变成提示词里的约束条件。真正不可替代的反而是最后的调性判断这个交给人来定。4.2 落地流程任务拆解、提示词打磨、人机协作具体落地时我是按四步推进的。第一步是任务拆解把“做选题”这个大词拆成“整理关键词、筛选高潜选题、撰写切入角度、生成配图描述”四个细微任务。第二步是对每个细微任务各自写一套专属提示词模板。这里有个容易被忽视的点跨任务的数据怎么传。ChatGPT 的临时对话很难跨会话保留上下文所以中间产物尽量用文本文件承载。我们当时的方案是每一步生成的内容自动写入一个共享文档下一步请求挂载这个文档再继续。链条清晰且随时可复盘这个习惯比任何高级技巧都管用。第三步是打磨提示词模板。模板这东西第一批写出来能用的概率很低。我的习惯是先拿三个不同样本分别跑一遍对比输出差异再挑一个最具稳定性效果的版本固定下来。不要第一天写好就觉得完事了至少用两周时间不断修订模板最终它会越来越像你的“分身”。第四步是人机协作设计明确哪些环节必须人来拍板。选题好不好AI 的判断可以做参考但最终的价值观和调性判断必须人来做配图能不能用也需要人看一眼再定稿这一步不能省。整套流程走下来真正的收益不只是省时间而是把隐性流程显性化了。过去那个编辑凭经验做选题流程藏在脑子里现在流程被拆成了可检查、可优化、可传承的步骤。即便 AI 完全不用了这套拆解本身对团队协同也是有价值的。5. 常见问题与排查技巧实录5.1 输出不稳定、突然跑偏这是被问得最多的一个问题明明同一个 GPT昨天答得挺好的今天完全不是那个味道。原因通常是两个一是对话上下文被带偏了前面的对话内容会污染后续判断二是模型本身的随机性参数不同结果就会飘。解决方案也分两层短对话里跑偏直接新建对话把核心指令重新贴一遍如果贴了还跑偏观察一下是不是自定义指令里存在互相矛盾的规则比如一边要求“详细”一边要求“200字以内”模型会在冲突中反复摇摆。5.2 上下文丢失与长对话失控GPT 的上下文窗口虽然越来越大但实用中仍然有限。很多人习惯在一个对话里无限追加要求结果写到一半模型把它自己前面定的结构都忘了。我的建议是长度超过两三千字的内容一定分段成多个对话处理每个对话负责一个阶段阶段输出后立刻保存到文档。这个习惯也可以串行化每个新对话的开头用一小段话说清“上一轮已确认的背景 本轮要做的具体任务”这样上下文虽然在技术上是新的但在逻辑上是连续的。5.3 DALL·E 生成偏差与构图不理想生成偏差分两类一是理解偏差二是实现偏差。理解偏差是模型没读懂你的描述比如你写了“红车停路边”它画成了“红车开在路上”这时不要去改风格词要改主体动作词把“停”扩写成“静止不动刹车灯亮着车门打开”。实现偏差是它读懂了但画不出来比如多物体关系、复杂透视这时降低要求把复杂构图拆成单主体先出图再叠加。记住跟图像模型沟通像跟一个没有视觉经验的人沟通把每件事描述到“蒙住眼睛也能想象出来”的程度。5.4 自定义 GPT 不听话怎么办自定义 GPT 表现不好多半不是“不听话”而是你没把话说清楚。排查顺序如下先检查 Instructions 是否冗长冲突再检查 Knowledge 里的资料是否规范很多格式混乱或扫描件会让检索失效再检查 Actions 权限是否配置正确。另外有个常见误解上传了知识库不等于模型一定会用必须在 Instructions 里明确引用规则。我整理了一个速查表列了几个高频问题的处理方向问题表现排查方向常用处理输出过于空泛提示词缺少约束补充受众、篇幅、输出结构输出结构乱缺少格式模板给出编号或 Markdown 结构示例图片主体不突出描述顺序错误主体前置环境后置图片风格不稳定缺少风格参考词固定一组“画面风格 色调”描述词GPT 不按流程走Instructions 未步骤化用编号步骤重写你的要求GPT 不引用知识库缺少引用规则Instructions 明确要求查证后回答把提示词从“随口问”升级成“结构化任务书”把 DALL·E 从抽卡变成可迭代的出图工具把自定义 GPT 从摆设变成数字员工——这条路走下来我最大的感受是AI 能力本身已经够用了真正拉开差距的是使用者的拆解能力和耐心。别指望一个现成的万能提示词解决所有问题多花十分钟把任务说明书写好后面省下来的可能是几小时。这也是我每次调试提示词最深的体会AI 不坑人含糊的需求才坑人。