1. 项目概述从“猜谜”到“协作”的范式转变如果你用过ChatGPT、Midjourney或者Claude大概率经历过这样的挫败你问“帮我写个产品介绍”它给你一篇空洞的套话你让它“画一只猫”结果出来一只像狗又像狮子的奇怪生物。问题出在哪里绝大多数时候问题不在AI而在我们与AI沟通的方式。我们习惯了与人对话的模糊性但AI尤其是大语言模型和文生图模型本质上是“超级文本预测器”它们需要清晰、结构化的指令才能发挥最大效能。这就是“提示词工程”的价值所在——它不是教你几个“魔法咒语”而是构建一套让人类意图与AI能力精准对齐的沟通框架和思维模型。过去一年我深度参与了数十个AI项目的落地从智能客服、代码生成到创意营销一个核心体会是项目成败的差距往往就体现在提示词的质量上。那些抱怨AI“不好用”、“不智能”的团队通常还在用搜索引擎的思维和AI聊天而能稳定产出高质量内容的团队背后都有一套成熟的提示词设计与迭代方法论。这不再是简单的技巧而是一项必须掌握的核心工程能力。本文将为你彻底拆解当前最受业界认可的五大提示词框架CRISPER、BROKE、CHAT以及同样重要的思维链和角色扮演。我会结合大量真实的一线实操案例告诉你每个框架适合什么场景、具体怎么用、有哪些必须避开的坑目标是让你看完就能用用了就见效。2. 五大核心框架深度解析与实战选型面对一个具体任务该选用哪个框架这不是选择题而是策略题。每个框架都有其独特的思维模式和适用边界理解其底层逻辑比死记硬背模板更重要。2.1 CRISPER框架任务执行的“瑞士军刀”CRISPER是我个人在解决明确、单一任务时的首选框架它的名字本身就是其步骤的缩写结构清晰极度适合新手入门和标准化作业。C - Context (背景与上下文)这是最容易被忽略却往往决定成败的一步。背景不是简单地说“我要写文章”而是定义文章的舞台。例如同样是写一篇“无线耳机”的评测给科技极客看和给普通消费者看背景完全不同。给AI的上下文必须包含目标读者是谁他们的知识水平、兴趣点、发布平台是什么专业媒体、小红书、知乎、文章所处的竞争环境市面上已有哪些同类评测我们要突出什么差异点。一个完整的背景描述能立刻将AI的“发散模式”收拢到特定轨道上。R - Role (角色)让AI扮演一个特定角色本质上是为它加载一个专业的“思维模型”。你说“写一份商业计划书”AI可能给你一个泛泛的模板。但你说“你是一位拥有10年风险投资经验的资深分析师请以评估初创公司投资价值的视角为我梳理这份智能硬件项目的商业计划书重点分析市场风险和技术壁垒”输出的内容立刻会具备深度和针对性。角色设定越具体、越有专业性AI的“演技”就越好。I - Instructions (具体指令)这是任务的核心骨架必须清晰、可操作、无歧义。避免使用“好一点”、“更有创意”这类模糊词汇。要用可量化和可检查的指令。例如不是“写长一点”而是“文章总字数控制在1200-1500字之间”不是“多给点例子”而是“在每个主要论点后至少提供一个真实的市场案例或数据支撑”。指令的颗粒度决定了产出的精细度。S - Steps (步骤分解)对于复杂任务将指令分解为有序的步骤引导AI逐步思考。这模仿了人类的项目管理思维。比如生成一个营销方案步骤可以是1. 进行目标用户画像分析2. 提出三个核心营销主题3. 为每个主题设计一个社交媒体帖子创意包含文案方向和视觉风格建议4. 制定一个为期四周的发布节奏表。AI会按照这个流程一步步输出逻辑性大大增强。P - Parameters (格式与参数)明确输出格式要求。你需要的是Markdown报告、JSON数据、HTML代码、纯文本摘要还是五点列表同时设定风格参数专业严谨、幽默风趣、热情洋溢、冷静客观。例如“请以Markdown格式输出包含二级标题关键数据用加粗显示整体语气积极且有说服力”。E - Examples (示例)提供一两个输入-输出的例子这是最强大的对齐工具。如果你想要特定风格的邮件最好的方法不是描述一百遍而是直接给它看一封你理想中的邮件范例。这相当于给AI提供了“参考答案”它能瞬间理解你所谓的“好”是什么标准。R - Refinement (反馈与修正)首次输出很少是完美的。你需要建立一个“反馈循环”。基于首次输出给出具体的修改指令如“第二个论点不够有力请补充一个2023年的行业数据来支撑”、“将第三个步骤的行动计划用表格形式重新组织”。记住反馈也要符合CRISPER原则要具体、可操作。实操心得CRISPER框架的威力在于其顺序性。在实际操作中我习惯先快速草拟一个CRISPER指令生成初稿。然后重点针对最不满意的部分回溯到对应字母的步骤去加强指令。比如觉得内容肤浅就强化Context和Role觉得结构乱就细化Steps。把它当作一个可调试的“参数面板”而非一次性咒语。2.2 BROKE框架问题分析与解决的“手术刀”当你的任务不是“生成”而是“分析”或“解决”一个复杂问题时BROKE框架更为强大。它引导AI进行结构化思考特别适合商业分析、学术研究、故障排查等场景。B - Background (背景与问题界定)清晰地陈述问题的现状、历史和相关环境。比CRISPER的Context更聚焦于“问题本身”。例如“我们的一款SaaS产品最近30天新用户注册量环比下降了15%但老用户活跃度保持稳定。下降主要来自搜索引擎自然流量渠道。”R - Request (核心请求)用一句话明确你希望AI完成的分析类型。例如“请分析可能导致新用户注册量下降的潜在原因并按可能性高低排序。”O - Output (预期输出格式)提前规定好分析结果的呈现形式。例如“请以树状因果图的形式列出主要原因和子原因并以表格形式总结每个原因的可能性权重高、中、低和初步证据。”K - Key (关键约束与考量)设定分析的边界条件和必须考虑的因素。这能防止AI天马行空。例如“分析需重点考虑过去一个月内搜索引擎算法的可能更新、我们网站内容的变化以及竞争对手的动动作。暂不考虑宏观经济因素。”E - Examples (参考范例)提供一个类似问题的分析范例让AI模仿其深度和风格。例如“类似的分析结构可参考[附上一个关于‘用户留存率下降’的简短分析范例]”。这个框架强制你和AI都进行深度思考。我曾在一次产品功能决策会上使用BROKE框架与AI协作背景是A/B测试中两个设计方案的点击率数据胶着核心请求是“基于附上的用户行为热图和数据分析哪个设计更符合用户直觉”输出格式是“分点论述每个点必须引用热图中的具体区域或数据片段作为证据”关键约束是“优先考虑移动端用户的体验”。最终AI给出的分析报告结构清晰、证据明确直接支撑了团队的决策。2.3 CHAT框架持续对话与迭代的“教练手册”对于需要多轮深入探讨、创意发散或知识深挖的开放式对话CRISPER和BROKE可能显得过于刻板。CHAT框架这里指一种对话方法论非特指某个模型专注于管理对话的节奏和深度让AI成为你的思考伙伴。C - Clarify (澄清与确认)在对话开始时主动要求AI确认它对你问题的理解。例如“我计划推出一款面向Z世代的健康零食你能先复述一下你理解的关键要素并提出两个最关键的问题来帮助我聚焦吗”这可以避免后续对话跑偏。H - Hypothesize (假设与猜想)引导AI提出多种可能性或解决方案不求立即正确旨在打开思路。例如“基于健康零食和Z世代的特点你可以先大胆提出5个可能的产品概念方向吗哪怕有些听起来有点天马行空。”A - Analyze (分析与论证)对提出的假设进行深入分析评估其优劣。例如“现在我们针对你提出的‘情绪调节软糖’这个概念从原料可行性、法规风险、营销卖点三个维度进行SWOT分析。”T - Test Iterate (测试与迭代)提出具体的测试方法或下一步行动。例如“为‘情绪调节软糖’设计一个用于社交媒体投票的简短概念描述不超过50字和三个备选品牌名称。”CHAT框架的精髓在于“将一次大型问答拆解为多次有结构的微型问答”。我常用它来辅助头脑风暴或撰写复杂文档。比如写一份技术方案我不会直接让AI“写一份XX系统架构设计”而是会开启多轮对话第一轮澄清系统核心指标和约束第二轮假设可能的技术选型微服务vs单体不同数据库对比第三轮分析每种选型在性能、成本、团队能力上的匹配度第四轮生成架构图的Mermaid代码描述。这样产生的方案融合了我的领域知识和AI的广博信息质量远高于一次性指令的产出。2.4 思维链解锁复杂推理的“钥匙”严格来说思维链Chain-of-Thought, CoT不是一个独立的框架而是一种必须内化到所有提示中的核心技巧。它的原理是要求AI“展示其思考过程”就像数学题要写演算步骤一样。这对于数学计算、逻辑推理、因果分析等任务至关重要。基础用法在提示词中直接加入“让我们一步步思考”、“请先推理出原因再给出结论”等指令。例如不要问“小明现在几岁”而是问“小明妈妈35岁时生下小明今年妈妈年龄是小明的6倍。让我们一步步推理小明现在几岁”进阶技巧 - 零样本思维链对于未知任务可以鼓励AI自行分解。提示词可以是“为了解决这个问题我们将首先分解关键信息然后逐步推理。第一步我们需要明确已知条件是什么...”实操中的威力在代码调试中我经常使用思维链。输入“这段Python函数本应过滤出列表中的正数但返回了空列表。请一步步分析可能的原因1. 检查循环逻辑2. 检查条件判断3. 检查输入数据。” AI会沿着这个路径推理往往能精准定位到某个边界条件错误而不是直接给一个可能错误的修改方案。避坑指南思维链有时会让AI“编造”看似合理的推理步骤最终得出错误结论。应对方法是要求AI在每一步推理后都对其确信度进行简单评估例如“基于以上信息这一步的确定性是高、中还是低”并在最终答案前进行交叉验证“在给出最终答案前请用另一种方法快速验证一下结果”。2.5 角色扮演与领域专家模拟注入灵魂的“情景剧”这是将AI能力进行“垂直化”、“专业化”的最快路径。通过精细的角色设定你可以瞬间获得一个“虚拟专家团队”。基础角色扮演如前所述让AI扮演特定职业。关键在于细节。不要说“你是个律师”要说“你是一位专注于互联网创业公司股权激励和知识产权法律事务的资深律师拥有10年一线经验擅长用通俗易懂的语言向技术背景的创始人解释复杂条款。”多角色辩论这是产生深度见解的利器。你可以开启一个对话让AI同时扮演正反两方或多种利益相关者。例如“请就‘远程办公是否将成为未来主流’进行辩论。你首先需要以一位硅谷科技公司CEO的身份陈述支持理由然后立即以一位中层项目经理的身份陈述面临的挑战和反对理由最后以一位人力资源顾问的身份进行总结并提出平衡建议。” 这种设置能极大拓展思考的维度。领域知识库注入对于高度专业的领域角色扮演可能还不够。你需要将领域知识作为上下文喂给AI。例如在撰写医学相关科普前你可以先提供一段权威指南的摘要然后说“基于以上最新的临床实践指南请你以三甲医院心血管内科主治医师的身份向一位刚被诊断为高血压的患者解释他需要做的生活方式调整列出前5个最重要的建议。”在我的内容创作工作中我建立了一个“虚拟创作团队”提示词包含“策略编辑”负责定方向和框架、“爆款写手”负责打磨标题和开头、“事实核查员”负责验证数据和引用、“挑剔的读者”负责从用户角度挑刺。通过多轮对话让这个“团队”协作产出的文章在深度、可读性和准确性上都有质的提升。3. 从框架到实战复杂任务的分层提示词设计掌握了单个框架就像学会了各种武术招式。但真正的实战往往是组合拳。面对一个复杂的项目我们需要进行“分层提示词设计”这类似于软件工程中的系统架构。3.1 战略层用BROKE或CHAT定义任务与范围在开始具体创作或编码之前先用一个高层级的对话明确战略。例如启动一个“开发一款个人知识管理AI助手”的项目。使用BROKE框架Background:我是一名重度笔记用户使用过Notion、Obsidian等工具但信息仍很碎片化难以连接和提取。Request:请帮我规划一个AI助手的核心功能蓝图它应能帮我管理、连接并主动启发我的知识。Output:一份包含愿景陈述、3-5项核心功能描述、以及一个技术实现难度评估矩阵高/中/低的文档。Key:优先考虑基于现有工具如Obsidian插件、ChatGPT API的轻量级实现方案暂不考虑从零开发独立应用。Example:可提供一个简单的产品功能列表范例。这轮对话的输出将成为整个项目的“宪法”确保后续所有具体工作不偏离核心目标。3.2 战术层用CRISPER生成具体交付物基于战略层输出的功能蓝图我们可以对每个功能模块使用CRISPER框架来生成具体方案。任务设计“智能问答”功能模块。CRISPER提示词Context:这是为我个人知识库设计的AI助手功能模块。知识库包含数千条Markdown格式的笔记涵盖技术、阅读心得、项目复盘等领域。用户我本人希望通过自然语言快速找到并串联相关知识。Role:你是一位资深的全栈工程师兼产品设计师特别擅长设计开发者工具的用户体验。Instructions:设计“智能问答”模块的具体实现方案。包括1. 用户交互界面UI的简单描述或草图思路2. 后端处理的技术流程图用文字描述3. 需要调用的AI API如OpenAI, Claude及其提示词设计要点。Steps:请按以下步骤输出一、功能概述与用户价值二、系统架构与数据流三、核心提示词设计示例四、潜在挑战与缓解方案。Parameters:输出一份结构清晰的Markdown文档技术部分需准确产品部分需注重用户体验。Example:可附上一个简单的“待办事项AI解析”功能设计范例。Refinement:根据第一版输出进行迭代。3.3 执行层用思维链与角色扮演打磨细节在战术层产出的方案中涉及具体算法或复杂逻辑的部分可以单独拎出来用思维链进行深度推演或用角色扮演进行审查。子任务推演“相关笔记召回”的算法逻辑。思维链提示词“当用户提问‘Python中异步编程有什么优缺点’时我的知识库里有关于‘asyncio库详解’、‘GIL全局解释器锁’、‘并发与并行区别’的笔记。请一步步推理1. 首先如何将用户问题转化为可检索的关键词或向量2. 其次如何计算这些关键词/向量与库中每篇笔记的相似度3. 最后设定一个阈值决定召回哪几篇笔记请用伪代码描述核心逻辑。”角色扮演审查将战术层输出的完整方案交给一个“挑剔的技术评审专家”角色进行找茬“现在你是一位有20年经验、以严谨和苛刻著称的系统架构师。请评审这份‘智能问答模块设计文档’找出其中技术上的模糊点、潜在的性能瓶颈、以及可能的安全风险。请以列表形式分‘严重问题’、‘建议改进’、‘细节疑问’三类给出反馈。”通过这种“战略-战术-执行”的三层设计提示词工程就从零散的技巧上升为一种系统化的项目管理方法能够可靠地驾驭复杂度极高的AI协作任务。4. 高级技巧与避坑指南来自一线的经验沉淀框架是骨架而真正决定项目血肉丰满程度的是那些在文档中不会写的细节和技巧。4.1 温度与随机性控制创造力的“油门”大模型有一个关键参数叫“温度”Temperature它控制输出的随机性。温度越低如0.2输出越确定、保守、重复温度越高如0.8输出越有创意、多样、但也可能更不稳定。代码生成、事实问答、格式翻译使用低温度0.1-0.3。你需要的是准确和稳定。头脑风暴、创意写作、生成多个方案使用高温度0.7-0.9。你需要的是惊喜和多样性。我的常用策略对于重要任务我采用“两段法”。先用高温度生成3-5个不同版本获得创意种子然后从中选出最满意的方向或组合用低温度生成最终确定版。这既保证了创意广度又确保了最终输出的质量稳定。4.2 系统提示词设定对话的“底色”在API调用或一些高级聊天界面中你可以设置一个“系统提示词”System Prompt它在整个对话会话中持续生效用于设定AI的底层行为模式和身份。这比在每次用户消息中重复角色设定更有效。示例“你是一位乐于助人且极其严谨的编程助手。你总是优先考虑代码的安全性、可读性和性能。在给出代码示例时你会同时解释关键行的工作原理。如果你不确定你会明确说明。你从不编造不存在的API或函数。”重要原则系统提示词应描述“你是什么”而不是“你要做什么”。具体的任务指令放在用户消息中。一个好的系统提示词像员工的岗位说明书确立了基本工作原则。4.3 结构化输出让机器更好地理解机器当你需要AI的输出被其他程序使用时务必要求结构化格式如JSON、XML或YAML。示例提示词“请分析以下文章的情感倾向并以JSON格式输出包含三个字段sentiment取值为‘积极’、‘消极’或‘中立’、confidence一个0-1之间的浮点数、key_phrases一个包含3个最能体现该情感的关键短语的数组。”好处这极大地简化了后续的数据处理流程避免了用正则表达式从自然文本中艰难提取信息的麻烦。4.4 常见“翻车”场景与补救措施即使提示词写得再好AI也可能“翻车”。以下是几种典型情况及应对策略问题现象可能原因诊断与补救措施答非所问胡言乱语上下文过长导致模型“失焦”或前序对话中有矛盾指令。1.简化上下文开启新对话只保留最核心的背景信息。2.重申指令明确说“忘记之前的指示我们重新开始。请严格遵循以下新指令...”。内容空洞陈词滥调指令过于宽泛缺乏具体的约束和示例。1.增加约束指定字数、格式、必须包含的关键点、必须避免的套话。2.提供范例给出一个你期望的“样板段”让AI模仿其信息密度和风格。中途遗忘长文档内容模型有上下文长度限制超出部分会被遗忘。1.分而治之将长文档分成多个部分分别总结或分析最后再综合。2.摘要接力让AI先对已处理的部分生成摘要将摘要作为新对话的上下文继续处理后续部分。固执于早期错误模型在对话早期形成了错误假设并在后续坚持。1.外部纠正明确指“你在第X点做出的Y假设是错误的事实是Z。请基于Z事实重新思考。”2.角色重置让AI切换到一个新角色如“现在你是一位审稿人”从新视角审查之前的错误。生成内容存在事实错误模型的知识截止日期或幻觉问题。1.要求标注不确定性指令中加入“如果你对任何信息不确定请明确标注‘此信息可能需要核实’。”2.交叉验证对于关键事实要求AI提供多个角度的信息来源描述或自行用搜索引擎核实。4.5 提示词的版本管理与迭代不要满足于一个能用的提示词。像管理代码一样管理你的提示词。建立提示词库用笔记工具如Notion、Obsidian建立分类提示词库。为每个成功的提示词添加标签如#CRISPER、#代码评审、#营销文案。记录迭代过程保存提示词的迭代历史。记录下每次修改了什么以及对应的输出质量变化。这能帮你快速积累经验。A/B测试对于关键任务可以设计两个略有不同的提示词版本生成结果后对比选择更优者。例如版本A强调“简洁”版本B强调“生动”看看哪个更符合当前需求。5. 融合应用一个完整的内容创作工作流示例让我们看一个综合运用上述所有框架和技巧从零开始创作一篇专业博客文章的真实工作流。第一阶段战略规划与选题使用BROKE框架提示词“背景我是一名专注于AI产品化的技术博主我的读者主要是产品经理和创业者。我想写一篇关于‘如何用AI提升产品评审会效率’的文章。请求请帮我规划这篇文章的核心论点结构和需要寻找的案例类型。输出一份包含文章核心价值主张、3个主要章节大纲、以及每个章节下需要准备的2-3个真实或假设性案例描述的文档。关键约束避免过于技术化的术语重点放在工作流程和实际收益上。”产出获得文章骨架和案例需求清单。第二阶段资料收集与案例深化使用CHAT框架角色扮演提示词角色扮演“你现在是一位资深产品总监经历过数百次产品评审会。请根据以下章节大纲[附上大纲]为‘利用AI进行会前材料自动摘要’这个案例详细描述一个具体的工作场景1. 会前遇到了什么痛点2. 具体使用了什么AI工具可泛称和提示词3. 实施后会议效率发生了哪些可感知的变化请用讲故事的方式描述。”产出获得生动、具体的案例素材。第三阶段内容撰写使用CRISPER框架提示词“根据我们已确定的文章大纲和案例素材撰写文章的第二章节‘会前准备让AI成为你的最佳协作者’。角色你是一位文风干练、善用短句和排比的科技专栏作家。具体指令1. 以我们讨论过的‘自动摘要’案例开篇2. 介绍会前可用AI辅助的另外两个环节如评审焦点预测、原型图问题预检3. 每个环节需包含具体操作步骤和示例提示词片段4. 章节结尾用一个小结强调价值。参数字数约800字使用Markdown格式适当使用加粗强调关键动作。”产出获得高质量的章节初稿。第四阶段润色与审查使用思维链多角色提示词1思维链审查逻辑“请严格检查以下文章段落中的逻辑链条[附上段落]。逐步思考1. 核心论点是什么2. 每个论据是否直接支撑了论点3. 论据之间的衔接是否顺畅4. 找出并指出任何存在逻辑跳跃或论证薄弱的地方。”提示词2角色扮演挑剔读者“你现在是一位时间宝贵、挑剔的创业公司CEO。请以最快速度阅读以下文章并告诉我1. 前三段是否能抓住你的注意力2. 全文中最让你觉得‘有收获’的一点是什么3. 哪个部分显得冗余或可以删减”产出获得逻辑性和可读性方面的修改意见。通过这样一个流程AI不再是简单的内容生成器而是贯穿了从规划、调研、创作到打磨的全流程协作伙伴。你始终是导演和主编而AI则扮演了策划、研究员、写手、评论家等多个专业角色最终产出的内容质量、深度和效率是单打独斗或简单问答无法比拟的。这就是提示词工程从“技巧”升维为“工程”的真正意义。
1. 项目概述从“猜谜”到“协作”的范式转变如果你用过ChatGPT、Midjourney或者Claude大概率经历过这样的挫败你问“帮我写个产品介绍”它给你一篇空洞的套话你让它“画一只猫”结果出来一只像狗又像狮子的奇怪生物。问题出在哪里绝大多数时候问题不在AI而在我们与AI沟通的方式。我们习惯了与人对话的模糊性但AI尤其是大语言模型和文生图模型本质上是“超级文本预测器”它们需要清晰、结构化的指令才能发挥最大效能。这就是“提示词工程”的价值所在——它不是教你几个“魔法咒语”而是构建一套让人类意图与AI能力精准对齐的沟通框架和思维模型。过去一年我深度参与了数十个AI项目的落地从智能客服、代码生成到创意营销一个核心体会是项目成败的差距往往就体现在提示词的质量上。那些抱怨AI“不好用”、“不智能”的团队通常还在用搜索引擎的思维和AI聊天而能稳定产出高质量内容的团队背后都有一套成熟的提示词设计与迭代方法论。这不再是简单的技巧而是一项必须掌握的核心工程能力。本文将为你彻底拆解当前最受业界认可的五大提示词框架CRISPER、BROKE、CHAT以及同样重要的思维链和角色扮演。我会结合大量真实的一线实操案例告诉你每个框架适合什么场景、具体怎么用、有哪些必须避开的坑目标是让你看完就能用用了就见效。2. 五大核心框架深度解析与实战选型面对一个具体任务该选用哪个框架这不是选择题而是策略题。每个框架都有其独特的思维模式和适用边界理解其底层逻辑比死记硬背模板更重要。2.1 CRISPER框架任务执行的“瑞士军刀”CRISPER是我个人在解决明确、单一任务时的首选框架它的名字本身就是其步骤的缩写结构清晰极度适合新手入门和标准化作业。C - Context (背景与上下文)这是最容易被忽略却往往决定成败的一步。背景不是简单地说“我要写文章”而是定义文章的舞台。例如同样是写一篇“无线耳机”的评测给科技极客看和给普通消费者看背景完全不同。给AI的上下文必须包含目标读者是谁他们的知识水平、兴趣点、发布平台是什么专业媒体、小红书、知乎、文章所处的竞争环境市面上已有哪些同类评测我们要突出什么差异点。一个完整的背景描述能立刻将AI的“发散模式”收拢到特定轨道上。R - Role (角色)让AI扮演一个特定角色本质上是为它加载一个专业的“思维模型”。你说“写一份商业计划书”AI可能给你一个泛泛的模板。但你说“你是一位拥有10年风险投资经验的资深分析师请以评估初创公司投资价值的视角为我梳理这份智能硬件项目的商业计划书重点分析市场风险和技术壁垒”输出的内容立刻会具备深度和针对性。角色设定越具体、越有专业性AI的“演技”就越好。I - Instructions (具体指令)这是任务的核心骨架必须清晰、可操作、无歧义。避免使用“好一点”、“更有创意”这类模糊词汇。要用可量化和可检查的指令。例如不是“写长一点”而是“文章总字数控制在1200-1500字之间”不是“多给点例子”而是“在每个主要论点后至少提供一个真实的市场案例或数据支撑”。指令的颗粒度决定了产出的精细度。S - Steps (步骤分解)对于复杂任务将指令分解为有序的步骤引导AI逐步思考。这模仿了人类的项目管理思维。比如生成一个营销方案步骤可以是1. 进行目标用户画像分析2. 提出三个核心营销主题3. 为每个主题设计一个社交媒体帖子创意包含文案方向和视觉风格建议4. 制定一个为期四周的发布节奏表。AI会按照这个流程一步步输出逻辑性大大增强。P - Parameters (格式与参数)明确输出格式要求。你需要的是Markdown报告、JSON数据、HTML代码、纯文本摘要还是五点列表同时设定风格参数专业严谨、幽默风趣、热情洋溢、冷静客观。例如“请以Markdown格式输出包含二级标题关键数据用加粗显示整体语气积极且有说服力”。E - Examples (示例)提供一两个输入-输出的例子这是最强大的对齐工具。如果你想要特定风格的邮件最好的方法不是描述一百遍而是直接给它看一封你理想中的邮件范例。这相当于给AI提供了“参考答案”它能瞬间理解你所谓的“好”是什么标准。R - Refinement (反馈与修正)首次输出很少是完美的。你需要建立一个“反馈循环”。基于首次输出给出具体的修改指令如“第二个论点不够有力请补充一个2023年的行业数据来支撑”、“将第三个步骤的行动计划用表格形式重新组织”。记住反馈也要符合CRISPER原则要具体、可操作。实操心得CRISPER框架的威力在于其顺序性。在实际操作中我习惯先快速草拟一个CRISPER指令生成初稿。然后重点针对最不满意的部分回溯到对应字母的步骤去加强指令。比如觉得内容肤浅就强化Context和Role觉得结构乱就细化Steps。把它当作一个可调试的“参数面板”而非一次性咒语。2.2 BROKE框架问题分析与解决的“手术刀”当你的任务不是“生成”而是“分析”或“解决”一个复杂问题时BROKE框架更为强大。它引导AI进行结构化思考特别适合商业分析、学术研究、故障排查等场景。B - Background (背景与问题界定)清晰地陈述问题的现状、历史和相关环境。比CRISPER的Context更聚焦于“问题本身”。例如“我们的一款SaaS产品最近30天新用户注册量环比下降了15%但老用户活跃度保持稳定。下降主要来自搜索引擎自然流量渠道。”R - Request (核心请求)用一句话明确你希望AI完成的分析类型。例如“请分析可能导致新用户注册量下降的潜在原因并按可能性高低排序。”O - Output (预期输出格式)提前规定好分析结果的呈现形式。例如“请以树状因果图的形式列出主要原因和子原因并以表格形式总结每个原因的可能性权重高、中、低和初步证据。”K - Key (关键约束与考量)设定分析的边界条件和必须考虑的因素。这能防止AI天马行空。例如“分析需重点考虑过去一个月内搜索引擎算法的可能更新、我们网站内容的变化以及竞争对手的动动作。暂不考虑宏观经济因素。”E - Examples (参考范例)提供一个类似问题的分析范例让AI模仿其深度和风格。例如“类似的分析结构可参考[附上一个关于‘用户留存率下降’的简短分析范例]”。这个框架强制你和AI都进行深度思考。我曾在一次产品功能决策会上使用BROKE框架与AI协作背景是A/B测试中两个设计方案的点击率数据胶着核心请求是“基于附上的用户行为热图和数据分析哪个设计更符合用户直觉”输出格式是“分点论述每个点必须引用热图中的具体区域或数据片段作为证据”关键约束是“优先考虑移动端用户的体验”。最终AI给出的分析报告结构清晰、证据明确直接支撑了团队的决策。2.3 CHAT框架持续对话与迭代的“教练手册”对于需要多轮深入探讨、创意发散或知识深挖的开放式对话CRISPER和BROKE可能显得过于刻板。CHAT框架这里指一种对话方法论非特指某个模型专注于管理对话的节奏和深度让AI成为你的思考伙伴。C - Clarify (澄清与确认)在对话开始时主动要求AI确认它对你问题的理解。例如“我计划推出一款面向Z世代的健康零食你能先复述一下你理解的关键要素并提出两个最关键的问题来帮助我聚焦吗”这可以避免后续对话跑偏。H - Hypothesize (假设与猜想)引导AI提出多种可能性或解决方案不求立即正确旨在打开思路。例如“基于健康零食和Z世代的特点你可以先大胆提出5个可能的产品概念方向吗哪怕有些听起来有点天马行空。”A - Analyze (分析与论证)对提出的假设进行深入分析评估其优劣。例如“现在我们针对你提出的‘情绪调节软糖’这个概念从原料可行性、法规风险、营销卖点三个维度进行SWOT分析。”T - Test Iterate (测试与迭代)提出具体的测试方法或下一步行动。例如“为‘情绪调节软糖’设计一个用于社交媒体投票的简短概念描述不超过50字和三个备选品牌名称。”CHAT框架的精髓在于“将一次大型问答拆解为多次有结构的微型问答”。我常用它来辅助头脑风暴或撰写复杂文档。比如写一份技术方案我不会直接让AI“写一份XX系统架构设计”而是会开启多轮对话第一轮澄清系统核心指标和约束第二轮假设可能的技术选型微服务vs单体不同数据库对比第三轮分析每种选型在性能、成本、团队能力上的匹配度第四轮生成架构图的Mermaid代码描述。这样产生的方案融合了我的领域知识和AI的广博信息质量远高于一次性指令的产出。2.4 思维链解锁复杂推理的“钥匙”严格来说思维链Chain-of-Thought, CoT不是一个独立的框架而是一种必须内化到所有提示中的核心技巧。它的原理是要求AI“展示其思考过程”就像数学题要写演算步骤一样。这对于数学计算、逻辑推理、因果分析等任务至关重要。基础用法在提示词中直接加入“让我们一步步思考”、“请先推理出原因再给出结论”等指令。例如不要问“小明现在几岁”而是问“小明妈妈35岁时生下小明今年妈妈年龄是小明的6倍。让我们一步步推理小明现在几岁”进阶技巧 - 零样本思维链对于未知任务可以鼓励AI自行分解。提示词可以是“为了解决这个问题我们将首先分解关键信息然后逐步推理。第一步我们需要明确已知条件是什么...”实操中的威力在代码调试中我经常使用思维链。输入“这段Python函数本应过滤出列表中的正数但返回了空列表。请一步步分析可能的原因1. 检查循环逻辑2. 检查条件判断3. 检查输入数据。” AI会沿着这个路径推理往往能精准定位到某个边界条件错误而不是直接给一个可能错误的修改方案。避坑指南思维链有时会让AI“编造”看似合理的推理步骤最终得出错误结论。应对方法是要求AI在每一步推理后都对其确信度进行简单评估例如“基于以上信息这一步的确定性是高、中还是低”并在最终答案前进行交叉验证“在给出最终答案前请用另一种方法快速验证一下结果”。2.5 角色扮演与领域专家模拟注入灵魂的“情景剧”这是将AI能力进行“垂直化”、“专业化”的最快路径。通过精细的角色设定你可以瞬间获得一个“虚拟专家团队”。基础角色扮演如前所述让AI扮演特定职业。关键在于细节。不要说“你是个律师”要说“你是一位专注于互联网创业公司股权激励和知识产权法律事务的资深律师拥有10年一线经验擅长用通俗易懂的语言向技术背景的创始人解释复杂条款。”多角色辩论这是产生深度见解的利器。你可以开启一个对话让AI同时扮演正反两方或多种利益相关者。例如“请就‘远程办公是否将成为未来主流’进行辩论。你首先需要以一位硅谷科技公司CEO的身份陈述支持理由然后立即以一位中层项目经理的身份陈述面临的挑战和反对理由最后以一位人力资源顾问的身份进行总结并提出平衡建议。” 这种设置能极大拓展思考的维度。领域知识库注入对于高度专业的领域角色扮演可能还不够。你需要将领域知识作为上下文喂给AI。例如在撰写医学相关科普前你可以先提供一段权威指南的摘要然后说“基于以上最新的临床实践指南请你以三甲医院心血管内科主治医师的身份向一位刚被诊断为高血压的患者解释他需要做的生活方式调整列出前5个最重要的建议。”在我的内容创作工作中我建立了一个“虚拟创作团队”提示词包含“策略编辑”负责定方向和框架、“爆款写手”负责打磨标题和开头、“事实核查员”负责验证数据和引用、“挑剔的读者”负责从用户角度挑刺。通过多轮对话让这个“团队”协作产出的文章在深度、可读性和准确性上都有质的提升。3. 从框架到实战复杂任务的分层提示词设计掌握了单个框架就像学会了各种武术招式。但真正的实战往往是组合拳。面对一个复杂的项目我们需要进行“分层提示词设计”这类似于软件工程中的系统架构。3.1 战略层用BROKE或CHAT定义任务与范围在开始具体创作或编码之前先用一个高层级的对话明确战略。例如启动一个“开发一款个人知识管理AI助手”的项目。使用BROKE框架Background:我是一名重度笔记用户使用过Notion、Obsidian等工具但信息仍很碎片化难以连接和提取。Request:请帮我规划一个AI助手的核心功能蓝图它应能帮我管理、连接并主动启发我的知识。Output:一份包含愿景陈述、3-5项核心功能描述、以及一个技术实现难度评估矩阵高/中/低的文档。Key:优先考虑基于现有工具如Obsidian插件、ChatGPT API的轻量级实现方案暂不考虑从零开发独立应用。Example:可提供一个简单的产品功能列表范例。这轮对话的输出将成为整个项目的“宪法”确保后续所有具体工作不偏离核心目标。3.2 战术层用CRISPER生成具体交付物基于战略层输出的功能蓝图我们可以对每个功能模块使用CRISPER框架来生成具体方案。任务设计“智能问答”功能模块。CRISPER提示词Context:这是为我个人知识库设计的AI助手功能模块。知识库包含数千条Markdown格式的笔记涵盖技术、阅读心得、项目复盘等领域。用户我本人希望通过自然语言快速找到并串联相关知识。Role:你是一位资深的全栈工程师兼产品设计师特别擅长设计开发者工具的用户体验。Instructions:设计“智能问答”模块的具体实现方案。包括1. 用户交互界面UI的简单描述或草图思路2. 后端处理的技术流程图用文字描述3. 需要调用的AI API如OpenAI, Claude及其提示词设计要点。Steps:请按以下步骤输出一、功能概述与用户价值二、系统架构与数据流三、核心提示词设计示例四、潜在挑战与缓解方案。Parameters:输出一份结构清晰的Markdown文档技术部分需准确产品部分需注重用户体验。Example:可附上一个简单的“待办事项AI解析”功能设计范例。Refinement:根据第一版输出进行迭代。3.3 执行层用思维链与角色扮演打磨细节在战术层产出的方案中涉及具体算法或复杂逻辑的部分可以单独拎出来用思维链进行深度推演或用角色扮演进行审查。子任务推演“相关笔记召回”的算法逻辑。思维链提示词“当用户提问‘Python中异步编程有什么优缺点’时我的知识库里有关于‘asyncio库详解’、‘GIL全局解释器锁’、‘并发与并行区别’的笔记。请一步步推理1. 首先如何将用户问题转化为可检索的关键词或向量2. 其次如何计算这些关键词/向量与库中每篇笔记的相似度3. 最后设定一个阈值决定召回哪几篇笔记请用伪代码描述核心逻辑。”角色扮演审查将战术层输出的完整方案交给一个“挑剔的技术评审专家”角色进行找茬“现在你是一位有20年经验、以严谨和苛刻著称的系统架构师。请评审这份‘智能问答模块设计文档’找出其中技术上的模糊点、潜在的性能瓶颈、以及可能的安全风险。请以列表形式分‘严重问题’、‘建议改进’、‘细节疑问’三类给出反馈。”通过这种“战略-战术-执行”的三层设计提示词工程就从零散的技巧上升为一种系统化的项目管理方法能够可靠地驾驭复杂度极高的AI协作任务。4. 高级技巧与避坑指南来自一线的经验沉淀框架是骨架而真正决定项目血肉丰满程度的是那些在文档中不会写的细节和技巧。4.1 温度与随机性控制创造力的“油门”大模型有一个关键参数叫“温度”Temperature它控制输出的随机性。温度越低如0.2输出越确定、保守、重复温度越高如0.8输出越有创意、多样、但也可能更不稳定。代码生成、事实问答、格式翻译使用低温度0.1-0.3。你需要的是准确和稳定。头脑风暴、创意写作、生成多个方案使用高温度0.7-0.9。你需要的是惊喜和多样性。我的常用策略对于重要任务我采用“两段法”。先用高温度生成3-5个不同版本获得创意种子然后从中选出最满意的方向或组合用低温度生成最终确定版。这既保证了创意广度又确保了最终输出的质量稳定。4.2 系统提示词设定对话的“底色”在API调用或一些高级聊天界面中你可以设置一个“系统提示词”System Prompt它在整个对话会话中持续生效用于设定AI的底层行为模式和身份。这比在每次用户消息中重复角色设定更有效。示例“你是一位乐于助人且极其严谨的编程助手。你总是优先考虑代码的安全性、可读性和性能。在给出代码示例时你会同时解释关键行的工作原理。如果你不确定你会明确说明。你从不编造不存在的API或函数。”重要原则系统提示词应描述“你是什么”而不是“你要做什么”。具体的任务指令放在用户消息中。一个好的系统提示词像员工的岗位说明书确立了基本工作原则。4.3 结构化输出让机器更好地理解机器当你需要AI的输出被其他程序使用时务必要求结构化格式如JSON、XML或YAML。示例提示词“请分析以下文章的情感倾向并以JSON格式输出包含三个字段sentiment取值为‘积极’、‘消极’或‘中立’、confidence一个0-1之间的浮点数、key_phrases一个包含3个最能体现该情感的关键短语的数组。”好处这极大地简化了后续的数据处理流程避免了用正则表达式从自然文本中艰难提取信息的麻烦。4.4 常见“翻车”场景与补救措施即使提示词写得再好AI也可能“翻车”。以下是几种典型情况及应对策略问题现象可能原因诊断与补救措施答非所问胡言乱语上下文过长导致模型“失焦”或前序对话中有矛盾指令。1.简化上下文开启新对话只保留最核心的背景信息。2.重申指令明确说“忘记之前的指示我们重新开始。请严格遵循以下新指令...”。内容空洞陈词滥调指令过于宽泛缺乏具体的约束和示例。1.增加约束指定字数、格式、必须包含的关键点、必须避免的套话。2.提供范例给出一个你期望的“样板段”让AI模仿其信息密度和风格。中途遗忘长文档内容模型有上下文长度限制超出部分会被遗忘。1.分而治之将长文档分成多个部分分别总结或分析最后再综合。2.摘要接力让AI先对已处理的部分生成摘要将摘要作为新对话的上下文继续处理后续部分。固执于早期错误模型在对话早期形成了错误假设并在后续坚持。1.外部纠正明确指“你在第X点做出的Y假设是错误的事实是Z。请基于Z事实重新思考。”2.角色重置让AI切换到一个新角色如“现在你是一位审稿人”从新视角审查之前的错误。生成内容存在事实错误模型的知识截止日期或幻觉问题。1.要求标注不确定性指令中加入“如果你对任何信息不确定请明确标注‘此信息可能需要核实’。”2.交叉验证对于关键事实要求AI提供多个角度的信息来源描述或自行用搜索引擎核实。4.5 提示词的版本管理与迭代不要满足于一个能用的提示词。像管理代码一样管理你的提示词。建立提示词库用笔记工具如Notion、Obsidian建立分类提示词库。为每个成功的提示词添加标签如#CRISPER、#代码评审、#营销文案。记录迭代过程保存提示词的迭代历史。记录下每次修改了什么以及对应的输出质量变化。这能帮你快速积累经验。A/B测试对于关键任务可以设计两个略有不同的提示词版本生成结果后对比选择更优者。例如版本A强调“简洁”版本B强调“生动”看看哪个更符合当前需求。5. 融合应用一个完整的内容创作工作流示例让我们看一个综合运用上述所有框架和技巧从零开始创作一篇专业博客文章的真实工作流。第一阶段战略规划与选题使用BROKE框架提示词“背景我是一名专注于AI产品化的技术博主我的读者主要是产品经理和创业者。我想写一篇关于‘如何用AI提升产品评审会效率’的文章。请求请帮我规划这篇文章的核心论点结构和需要寻找的案例类型。输出一份包含文章核心价值主张、3个主要章节大纲、以及每个章节下需要准备的2-3个真实或假设性案例描述的文档。关键约束避免过于技术化的术语重点放在工作流程和实际收益上。”产出获得文章骨架和案例需求清单。第二阶段资料收集与案例深化使用CHAT框架角色扮演提示词角色扮演“你现在是一位资深产品总监经历过数百次产品评审会。请根据以下章节大纲[附上大纲]为‘利用AI进行会前材料自动摘要’这个案例详细描述一个具体的工作场景1. 会前遇到了什么痛点2. 具体使用了什么AI工具可泛称和提示词3. 实施后会议效率发生了哪些可感知的变化请用讲故事的方式描述。”产出获得生动、具体的案例素材。第三阶段内容撰写使用CRISPER框架提示词“根据我们已确定的文章大纲和案例素材撰写文章的第二章节‘会前准备让AI成为你的最佳协作者’。角色你是一位文风干练、善用短句和排比的科技专栏作家。具体指令1. 以我们讨论过的‘自动摘要’案例开篇2. 介绍会前可用AI辅助的另外两个环节如评审焦点预测、原型图问题预检3. 每个环节需包含具体操作步骤和示例提示词片段4. 章节结尾用一个小结强调价值。参数字数约800字使用Markdown格式适当使用加粗强调关键动作。”产出获得高质量的章节初稿。第四阶段润色与审查使用思维链多角色提示词1思维链审查逻辑“请严格检查以下文章段落中的逻辑链条[附上段落]。逐步思考1. 核心论点是什么2. 每个论据是否直接支撑了论点3. 论据之间的衔接是否顺畅4. 找出并指出任何存在逻辑跳跃或论证薄弱的地方。”提示词2角色扮演挑剔读者“你现在是一位时间宝贵、挑剔的创业公司CEO。请以最快速度阅读以下文章并告诉我1. 前三段是否能抓住你的注意力2. 全文中最让你觉得‘有收获’的一点是什么3. 哪个部分显得冗余或可以删减”产出获得逻辑性和可读性方面的修改意见。通过这样一个流程AI不再是简单的内容生成器而是贯穿了从规划、调研、创作到打磨的全流程协作伙伴。你始终是导演和主编而AI则扮演了策划、研究员、写手、评论家等多个专业角色最终产出的内容质量、深度和效率是单打独斗或简单问答无法比拟的。这就是提示词工程从“技巧”升维为“工程”的真正意义。
)
