提示词基础：定义、结构、类型与通用编写原则

提示词（Prompt）是与大语言模型交互的“输入界面”，其质量直接决定模型输出的质量。如果把模型比作一个能力极强的“实习生”，提示词就是你的“工作指令”——指令越清晰、背景越完整、边界越明确，实习生交付的结果就越接近你的预期。本章将系统拆解提示词的定义、核心结构、四大类型（指令、上下文、示例、约束），并给出跨模型适配的通用编写原则，帮助你建立一套可复用、可迁移的提示词设计方法论。

2.1 提示词的定义与本质

提示词是用户提供给大语言模型的一段自然语言文本，用于引导模型生成特定类型、特定内容、特定格式的输出。它不仅是“问题”，更是包含目标、背景、约束和期望格式的完整“任务描述”。从技术角度看，提示词通过影响模型的注意力分布和生成概率，将模型从“通用生成模式”切换到“特定任务模式”。

理解提示词的本质，需要把握三个关键点：第一，提示词是“翻译器”——将人类的模糊意图翻译成模型可执行的明确指令；第二，提示词是“约束器”——通过限定范围减少模型的随机性，提高输出的可控性；第三，提示词是“知识注入器”——通过上下文和示例，将模型训练时未覆盖的领域知识或特定格式“临时注入”到生成过程中。

2.2 提示词的结构：五要素模型

一个结构完整的提示词，通常包含以下五个要素。在实际编写中，并非所有任务都需要五要素齐全，但理解它们有助于你系统性地设计提示词。

结构要素	作用	示例	缺失时的风险
角色设定	定义模型扮演的身份，影响语气、专业度和视角	“你是一名资深数据分析师”	输出可能过于通用，缺乏专业深度
任务目标	明确要完成的具体动作或产出物	“请分析这份销售数据的季度趋势”	模型不知道要做什么，输出发散
背景信息	提供完成任务所需的上下文、数据或条件	“数据覆盖2024年Q1-Q4，含华东/华北区域”	模型缺乏判断依据，容易臆测
输出格式	指定输出的结构、样式或长度	“用表格输出，包含环比和同比列”	输出格式混乱，难以直接使用
限制条件	设定边界、排除项或特殊要求	“只分析销售额，不分析利润；不超过300字”	输出可能包含无关内容或超出预期范围

在实际操作中，建议按照“角色→任务→背景→格式→限制”的顺序组织提示词。这种顺序符合模型的注意力机制——先建立身份和任务框架，再填充细节和边界，模型更容易抓住重点。

2.3 提示词的四大类型

根据功能侧重点，提示词可分为指令型、上下文型、示例型和约束型。实际使用中，这四种类型往往组合出现，但理解每种类型的独立作用，有助于你精准调整提示词。

2.3.1 指令型提示词

指令型提示词的核心是“动作词”，直接告诉模型要做什么。常见指令动词包括：总结、翻译、改写、分类、提取、生成、比较、推荐、解释、预测等。指令型提示词的关键在于动作的明确性和单一性——一个提示词最好只包含一个核心指令，避免多个动作混杂导致模型执行混乱。

# 指令型示例
❌ 模糊指令：“帮我看看这段文字，然后写个东西”
✅ 清晰指令：“请将以下产品描述翻译成英文，保持专业语气，并保留所有技术参数不变”

2.3.2 上下文型提示词

上下文型提示词提供背景信息、角色设定或参考数据，帮助模型理解“在什么情境下完成任务”。上下文可以包括：用户身份、目标受众、数据来源、历史对话摘要、行业背景等。高质量的上下文能显著提升输出的相关性和准确性。

# 上下文型示例
❌ 无上下文：“写一封邮件”
✅ 有上下文：“你是一名客户成功经理，需要给一位续约意向不明确的客户写一封邮件。客户使用我们的SaaS产品已2年，最近3个月登录频率下降。邮件目标是了解客户顾虑并推动续约沟通，语气要专业且温和。”

2.3.3 示例型提示词

示例型提示词通过提供“输入→输出”的样例，让模型模仿格式、风格或推理模式。这在需要特定输出格式、特定写作风格或复杂推理任务中尤其有效。示例通常放在提示词的后半部分，紧跟在指令和上下文之后。

# 示例型提示词结构
任务：将用户评论分类为“正面”或“负面”
示例1：
输入：“物流很快，包装也很仔细”
输出：正面
示例2：
输入：“等了三天还没发货，客服也不回复”
输出：负面
请对以下评论进行分类：
输入：“产品质量不错，但说明书太简陋了”

2.3.4 约束型提示词

约束型提示词设定输出的边界条件，包括长度限制、格式要求、内容排除项、风格限定等。约束能有效控制输出的“自由度”，防止模型生成冗余、跑题或不符合要求的内容。约束应当具体、可执行，避免模糊表述。

# 约束型示例
❌ 模糊约束：“写短一点”
✅ 明确约束：“请用不超过150字概括这段内容，使用分点列表，不要包含任何数字数据”

2.4 通用编写原则：跨模型适配的六条准则

不同大语言模型（如、Claude、文心一言、通义千问等）在训练数据、指令遵循能力和输出风格上存在差异，但以下六条原则具有跨模型普适性，能帮助你设计出在多数模型上表现稳定的提示词。

1. 明确具体，拒绝模糊：将“写得好一点”改为“使用正式书面语，避免口语化表达”；将“分析数据”改为“计算2024年各季度销售额的环比增长率，并指出增长最快的季度”。
2. 结构化表达，分点列出：使用编号、项目符号、分段等方式组织提示词，降低模型的解析难度。长段落容易被模型“压缩”或遗漏细节。
3. 提供足够上下文：不要假设模型“知道”你的背景。即使你觉得“显而易见”的信息，也应在提示词中明确写出，尤其是目标受众、使用场景、数据范围等。
4. 用示例引导格式：当输出格式有特定要求时，提供1-2个示例比文字描述更有效。示例能直接“展示”期望的输出样式，减少格式偏差。
5. 设定边界与约束：明确告诉模型“不要做什么”和“必须做什么”。例如：“不要使用专业术语”“必须包含数据来源”“不要超过500字”。
6. 迭代优化，测试对比：提示词设计是一个迭代过程。首次输出不理想时，不要急于更换模型，先尝试调整提示词——增加上下文、细化指令、补充示例或收紧约束。

2.5 案例拆解：从模糊到精准的提示词优化闭环

下面通过一个实际案例，完整展示提示词从“模糊”到“精准”的优化过程，以及每一步调整对输出质量的影响。

初始任务：某电商运营人员需要生成一份“618活动复盘报告”的摘要，用于向管理层汇报。

第一版提示词（模糊版）：

“帮我写一份618活动的复盘摘要”

模型输出问题：内容泛泛而谈，包含“活动总体成功”“用户参与度高”等空话，没有具体数据，也没有结构，无法直接用于汇报。

分析诊断：提示词缺少角色设定、背景数据、输出格式和约束条件。模型只能基于通用知识“编造”一份摘要。

第二版提示词（优化版）：

“你是一名电商运营分析师。请根据以下618活动数据，撰写一份复盘摘要，用于向公司管理层汇报。
数据：
- 活动周期：6月1日-6月18日
- 总销售额：2,350万元，同比增长18%
- 客单价：420元，同比下降5%
- 新客占比：35%，较去年提升8个百分点
- 退货率：4.2%，高于行业平均的3.5%
- 主推品类：数码产品（占比40%）、美妆（占比25%）
要求：
1. 用5个要点总结核心发现，每个要点不超过50字
2. 指出一个需要关注的风险点
3. 语气专业、客观，不要使用夸张形容词
4. 总字数控制在300字以内”

优化后的输出效果：模型生成了结构清晰、数据驱动、有洞察的摘要，包含“销售额增长但客单价下降，需关注价格策略”“退货率偏高，建议排查物流和产品描述问题”等具体结论，可直接用于管理层汇报。

复盘经验：本次优化主要增加了三类信息——角色设定（电商运营分析师）、背景数据（具体指标）、约束条件（格式、字数、语气）。这三类信息分别对应了提示词结构中的“角色”“上下文”“约束”要素，而“任务目标”从“写摘要”细化为“撰写复盘摘要并指出风险点”，指令更加具体。

2.6 常见误区与总结

在提示词编写中，初学者常犯以下四类错误，需要特别注意规避：

误区类型	具体表现	改进策略
指令过载	一个提示词包含多个任务，如“总结并翻译成英文，再提取关键词”	拆分为多个提示词，或明确优先级：“先总结，再翻译”
上下文缺失	只给任务不给背景，模型只能“猜”	补充“谁在用、给谁看、什么场景、有什么数据”
约束模糊	“写短一点”“专业一点”等无法量化的要求	改为“不超过200字”“使用行业术语并附解释”
示例缺失	要求特定格式但不说清楚，模型输出格式五花八门	提供1-2个“输入→输出”示例，直接展示期望格式