AI提示词使用技巧

chenjie 2025/12/22 AI

# AI 提示词使用技巧

# 一、前言

在使用 AI 的过程中，我们常常会有这样的感受：

有时它非常聪明
有时却明显答非所问

多数情况下，问题并不在模型本身，而在于：

需求是否被准确、清晰地表达出来。

# 二、AI 提示词是什么？

具体定义：AI 提示词是用户与大语言模型进行交互时的指令、问题或上下文信息。
简单理解：可以把 AI 比作一个 “超级助手”，那么提示词就是你下达的 “任务说明书”。
- 没有提示词：助手由于不知道你的意图，只能原地待命或随机猜测。
- 模糊的提示词：就像你说“我想要一个水果”，助手可能会给你一个苹果，也可能是一根香蕉，不一定是你想要的。

# 三、提示词实战技巧

我们将提示词的构建拆解为四个维度：基础设定、内容约束、逻辑增强、迭代优化。

# 1. 基础设定

技巧	核心要点	示例
1️⃣ 赋予角色	明确 AI 的专业领域，让其回答更专业性。	“你是一名资深前端开发专家，擅长高性能中后台系统设计。”
2️⃣ 明确受众	告知 AI 读者的背景，决定其输出的深浅度。	“我是刚入职的实习生，请用通俗易懂的语言解释。”

# 2. 内容约束

3️⃣ 提供更多的上下文信息
- ❌ “帮我用 React+TS 写个 Table 组件。”
- ✅ 设计一个【业务层封装】的 Table 组件，目标是提升复用性
  - 业务场景：后台管理系统，包含大量异构数据展示（数据来源多、结构差异大）。
  - 技术栈：React 18 + TypeScript + Ant Design5。
  - 痛点：现有 Table 组件在每个页面重复实现，维护成本高，业务逻辑耦合重。
4️⃣ 限制输出格式与长度
- 明确结果的物理形态（JSON, Markdown, 表格, 50 字以内）。
5️⃣ 提供范例
- 这是提升成功率最高的手段。给 AI 一个样本，它会模仿其风格和结构。

# 3. 逻辑增强

6️⃣ 引导思维链 强制 AI 在给出答案前进行逻辑推导，提升问题的回答质量。

话术： “请先分析当前方案的优缺点，最后再给出代码实现。”
7️⃣ 复杂任务分阶段执行 不要指望 AI 一次性完成一个大需求，每完成一步，再进行下一步。这样出错率会低很多

步骤： 方案拆解 -> 接口定义 -> 核心逻辑编写 -> 异常处理。

# 4. 迭代优化

8️⃣ 允许 AI “反问” 打破单向输出，通过补齐信息差来提高准确度。

话术： “在我提供的背景不足时，请先向我提问，不要直接生成。”
9️⃣ 要求自我评估与修正 让 AI 扮演自己的 Code Reviewer。

话术： “给出答案后，请自查是否存在逻辑漏洞、是否遗漏关键约束、是否有可优化的地方，并给出优化建议”

# 四、综合案例

通过上述技巧的组合，我们可以构建一个高生产力的模板：

# 角色设定

你是一位资深的前端开发专家，深耕 React 技术栈，在复杂组件库设计与中后台系统架构方面有深厚造诣。

# 任务背景

-   业务场景：后台管理系统，包含大量异构数据展示（数据来源多、结构差异大）。
-   技术栈：React 18 + TypeScript + Ant Design5。
-   痛点：现有 Table 组件在每个页面重复实现，维护成本高，业务逻辑耦合重。

# 核心任务

设计一个【业务层封装】的 Table 组件，目标是提升复用性。

# 任务要求

1. 分析并对比“通用 UI 组件”与“高度封装业务组件”在设计上的权舍。
2. 定义核心 Props 接口，必须涵盖：分页逻辑、Loading 状态切换、错误边界处理以及数据格式化。
3. 优先考虑代码的可维护性，而不是过度抽象。

# 输出约束

-   提供一个简洁、直观的组件使用示例。
-   使用 JSON 格式展示 Props 定义。

# 协作反馈

-   如果你认为当前业务背景或数据结构描述不够完整，请在开始设计前向我提问。
-   在输出最终方案前，请进行自查：是否存在逻辑漏洞？是否遗漏了关键的业务边界？是否有更好的优化建议？

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29

# 五、常见问题

Q1：什么样的场景值得认真写提示词？

简单场景： 查个单词、问个天气，一句话足矣。
复杂场景： 架构设计、逻辑复杂的算法、需要多轮决策输出的任务。

Q2：提示词需要每次都从头写吗？

可以通过自定义指令或模板，提前预置提示词
- ChatGPT: 设置 -> 个性化 -> 自定义指令
- Copilot: 设置 -> 提示文件 -> .github/prompts
- Cursor: 设置 -> Rules -> User Rules

Q3：提示词从哪里获取？

Prompt 库： aishort.top (opens new window)、prompts.chat (opens new window)。
AI 辅助： 直接问 AI：“我要完成 [XX] 任务，请帮我优化一个专业的 Prompt。”

# 六、写在最后：比 Prompt 更重要的能力

提示词本身并不是护城河，随着模型理解能力的增强，对 Prompt 的修饰性要求会越来越低。

真正不可替代的核心能力是：

需求拆解力：将模糊的业务需求拆解为可执行的逻辑单元。
结构化表达：能将复杂系统有条理地表述清楚。

推荐做法：每次提问前，先试着自己梳理逻辑、划定边界，再让 AI 来辅助修正。这样产出的不仅是一个高质量的答案，更是一次高强度的思维训练

作者：chenjie
链接：https://webchenjie.cn
来源：ChenJieBlog