🧠 如何为人工智能构建优秀的 Prompt

创建一个好的 prompt 就像学会与一种新的智能对话。你沟通的方式决定了会得到何种类型和质量的回答。一个构建良好的 prompt 会把人工智能变成强大的工具；做得不好的则会产生通用或令人困惑的回答。

下面介绍如何构建真正有效的 prompts——无论是用于写作、生成图像、编程或自动化任务。

🎯 1. 从明确的目标开始

在输入任何内容之前，问问自己：

“我到底想让人工智能做什么？”

一个有效的 prompt 总是有明确的意图——解释、比较、生成、纠正、摘要、翻译、创建代码等。

示例：

• ❌ “讲讲营销。”（模糊）
• ✅ “写一段 200 字的摘要，介绍面向小型企业的主要数字营销策略。”

🧩 2. 提供上下文

人工智能直到你说明之前并不知道你想要什么。上下文引导回答。
包含情境细节、受众和期望格式。

示例：

“我是高中老师，想要一个最多两段、面向青少年的相对简单的相对论解释。”

🗣️ 3. 使用直接且结构化的指令

当指令清晰且分段时，人工智能更容易理解。
需要多个步骤时，请使用祈使动词和编号列表或要点。

示例：

创建一个包含 5 个咖啡馆 Instagram 帖子创意的列表。
对于每个创意，包含：

1. 帖子标题
2. 建议的文字说明
3. 推荐的图片类型

✍️ 4. 指定语气和风格

你想要正式、富有创意、技术性还是幽默的回答？说明这一点。
语气决定回答的“方式”。

示例：

• “用轻松有趣的语气解释，就像在跟朋友聊天一样。”
• “用法律化且客观的语言总结这段文本。”

🧠 5. 使用示例或模板

如果你想要特定格式，给出一个示例。
人工智能会根据你提供的模式学习。

示例：

按以下风格写一段产品描述：

'Camiseta básica feita com algodão orgânico, ideal para o dia a dia. Leve, respirável e com corte moderno.'

🔁 6. 精炼并测试变体

第一个 prompt 很少是最优的。
措辞上的细微变化可能产生截然不同的结果。
以迭代方式使用人工智能：测试、调整并请求改进。

精炼示例：

1. “解释区块链的概念。”
2. “向一个 10 岁的孩子解释区块链。”
3. “用共享笔记本的类比向一个 10 岁的孩子解释区块链。”

🤝 7. 请求帮助以创建完美的 prompt

你不需要一开始就写出理想的 prompt。
可以直接请求人工智能：

“帮我创建一个用于生成 [期望结果类型] 的 prompt。”

它可以通过提问引导你、建议格式，甚至帮你生成最终的 prompt。
之后，你可以将该精炼后的 prompt 用于另一款人工智能——甚至同一款——来生成最终内容。

当你同时使用不同工具（例如文本型人工智能与图像或代码型人工智能）时，这一点尤其有用。

🧰 8. 结合角色和限制

要求人工智能扮演一个角色（例如：教师、设计师、律师）并且设定限制（例如：时间、长度、语言）。

示例：

扮演 UX 顾问并根据可用性和导航清晰性分析此网站。
将回答限制在 3 段内。

💬 9. 用 Markdown 编写 prompt

以Markdown (MD) 编写的 prompts —— 带标题、列表和简单格式 —— 更容易被大多数人工智能正确解析。
这有助于模型理解你想要的结构并提高清晰度。

示例：

# 任务
Escreva uma carta formal de agradecimento a um cliente.

## Detalhes
- Nome do cliente: João Silva
- Empresa: Alfa Tech
- Tom: profissional e cordial

这种格式可以组织思路并提升回答的准确性。

⚙️ 10. 避免歧义

像“好”、“大”、“有趣”或“酷”这样的模糊词会让人工智能无所适从。
优先使用可衡量的、比较性的或带示例的术语。

示例：

• ❌ “写一段漂亮的文本。”
• ✅ “写一首受日出启发、4 行的诗意短诗。”

💡 11. 采用“Prompt → 结果 → 调整”循环

把过程当作一次创意对话：

1. 生成第一个结果。
2. 评估缺失之处。
3. 加强或纠正人工智能未理解的部分。

你与模型互动越多，模型越能学习你的风格和意图。

🚀 结论

一个好的 prompt 应当是清晰、具体、有上下文并且可迭代的。
你甚至可以使用人工智能来帮助创建理想的 prompt，然后再生成最终内容。
别忘了：使用Markdown 是一种简单而强大的方式，让你的请求更有条理、更易理解。

回答的质量总是反映提问的质量——所以，你的 prompt 越好，人工智能就越“聪明”。