提示词写不好的三个常见原因

引言

同样的模型，有人能让它写出高质量结果，有人觉得"AI 就那样"。差别往往不在模型，而在于需求有没有被翻译成机器能执行的指令。

提示词（Prompt）写不好，通常卡在下面三个原因上。弄明白这三点，提升会很明显。

原因一：把 AI 当搜索引擎用

最典型的写法是输入几个关键词："帮我写个方案""优化一下这段代码"。这类输入的问题不是太短，而是没有约束条件。

AI 不知道你的场景、受众、风格和禁区，只能给出最"平均"的答案——而平均的答案，通常等于没用。

改进方法：给四件套

四件套补齐，输出质量的差距通常是数量级的。

原因二：缺少示例，全靠描述

很多时候你想表达的风格，用语言描述很费劲。这时候给一个例子比写一百字描述有效。

这就是所谓的"少样本提示"：

参考下面的风格改写：
【示例输入】这个功能上线后，用户反馈加载有点慢
【示例输出】页面首屏加载耗时 3.2s，超出目标值 2.0s，主要瓶颈在首屏图片未做懒加载
请改写：
【输入】协议转换那块逻辑有点问题

给一个例子，模型就明白了你要的是"用数据说话、指出根因"的风格。给两三个例子，效果更稳定。

另外两个实用技巧：

• 给出反例同样有效："不要写成 Marketing 风格的夸大表述"
• 指定长度和语气："控制在 150 字以内，语气客观"

原因三：想一步到位，不愿意拆解

复杂任务一次性扔给 AI，成功率很低。正确的做法是拆成多轮对话：

比如说要做一份行业分析：

1. 第一轮：让它列出分析这类行业通常要覆盖的维度
2. 第二轮：挑选你认可的维度，让它逐个展开
3. 第三轮：给它你的实际数据，让它按框架填充
4. 第四轮：让它扮演审阅者，挑逻辑漏洞

这比一句话"写份行业分析"好得多。核心在于：你始终掌握方向，AI 负责执行每一步。

遇到结果不满意时，也不要从头再来，而是指出具体哪里不对：

• ❌ "不行，重写" → 它不知道哪里不行，会再生成一份同样平庸的
• ✅ "太笼统了，请补充具体的时间节点和负责人" → 精准调整

一个通用模板

把上面三点组合起来，可以直接套：

【角色】你是一位……
【背景】我要做的是……，受众是……
【任务】请帮我……
【约束】必须……，不要……，篇幅控制在……
【示例】像下面这样写：……
【输出】用……格式组织

不必每次都填满，但填得越具体，返工越少。

结语

写提示词的本质，其实是把自己的需求想清楚。很多时候你会发现，之所以写不好提示词，是因为你自己也没想清楚到底要什么。

三个改进点回顾：补齐四件套、善用示例、拆分多轮。做到这三点，你会发现同一个模型的表现完全不同——变的不是 AI，是你给它的指令质量。