为什么同一个 AI，不同人用出来的效果差 10 倍

AI 模型的能力是有上限的，但大部分人连 30% 的能力都没用出来。差距就在提示词上。

提示词工程（Prompt Engineering）就是"怎么跟 AI 说话"的学问。不需要编程基础，不需要懂机器学习，只需要掌握几个原则。

原则一：说清楚你要什么

听起来像废话，但 80% 的低质量输出都是因为用户没说清楚。

差的提示词：帮我写一篇文章 好的提示词：写一篇 800 字的科普文章，主题是"为什么天空是蓝色的"，面向初中生，语气轻松有趣，包含一个简单的实验可以自己在家做

差别在哪？好的提示词指定了：长度、主题、受众、语气、额外要求。AI 不需要猜你的意图。

原则二：给 AI 一个角色

告诉 AI "你是谁"，它的表现会好很多。

你是一位有 10 年经验的 Python 后端工程师。
请审查以下代码，重点找出性能问题和安全隐患。

你是一位儿童科普作家，擅长用简单的比喻解释复杂概念。
请解释什么是人工智能。

角色设定影响 AI 的用词、深度、分析角度。

原则三：提供上下文和示例

AI 没有读心术。你脑子里的背景信息，它不知道。

差的：帮我写个邮件回复客户 好的：客户昨天发邮件投诉产品发货延迟（附邮件内容）。请写一封回复邮件，道歉并提供 10% 折扣作为补偿。语气要诚恳但不过分卑微。

如果对输出格式有要求，直接给一个示例：

请按以下格式输出：
标题：xxx
正文：xxx
关键词：xxx, xxx, xxx

原则四：分步拆解复杂任务

不要一次性让 AI 做太多事。复杂任务拆成步骤：

第一步：分析这篇文章的核心论点
第二步：列出支持论点的 3 个关键论据
第三步：对每个论据评估其逻辑强度
第四步：写出你的总体评价

比直接说"评价一下这篇文章"效果好得多。

原则五：用否定来约束

告诉 AI "不要做什么"和"要做什么"同样重要。

请用通俗语言解释量子计算。
不要使用专业术语。
不要超过 200 字。
不要用"首先...其次...最后"这种结构。

高级技巧

Few-shot prompting：给 AI 几个输入输出的例子，让它学习你要的模式。

输入：苹果 → 输出：水果
输入：桌子 → 输出：家具
输入：玫瑰 → 输出：

Chain of Thought（思维链）：让 AI "一步步想"，适合数学和逻辑推理。

请一步步思考这个问题，展示你的推理过程。

Self-consistency：让 AI 用不同方法做同一题，取多数答案。

常见错误

  1. 太模糊："帮我写个好文章"→ AI 不知道什么是"好"
  2. 太长太杂：一个提示词塞 10 个要求 → AI 顾此失彼
  3. 不给反馈：AI 输出不满意就说"不对"→ 应该具体说哪里不对
  4. 不迭代：一次不满意就放弃 → 应该根据输出调整提示词
  5. 忽视模型差异：同一个提示词在不同模型上效果可能差很多

练习建议

最好的练习方式就是多用。每次用 AI 的时候，有意识地优化你的提示词。记录下效果好的提示词，建立你自己的"提示词库"。