Aiden在Blogger

很多刚使用 AI 的人都有这种疑惑：看着别人用 AI 干这干那，好像什么都干的挺好，怎么到自己手里用起来，得到的结果就聊胜于无呢？其实核心区别就在“提示词”上：你问 AI 只随口问一句话，别人问 AI，第一次就把需求和相关的背景信息完整的写了几百字，之后还会跟 AI 多轮沟通，不断调整结果，最终得到的效果自然天差地别。能写出高效的提示词，本质上考验的是高效地做信息沟通、精准描述自身需求的能力，更是在训练分析问题、解决问题的逻辑能力，是在创造性地探索解决问题的更多方向。美国发明家查尔斯·凯特灵说：“一个被清晰陈述的问题，就已经解决了一半。”无论未来 AI 发展得多么善解人意，不管是和人沟通还是和 AI 协作，精准表达、分析问题的能力，永远都是解决问题不可或缺的能力。下面我就给大家分享 28 个提示词使用技巧。

第一类：给 AI 定位与立规矩

这组技巧是协作的起点，决定了 AI 输出的“基调”。

1. 结构化提示框架： 别像发微信一样随口问，要给 AI 完善而具体的“信息包和行动指令”。交代清楚背景（你是谁）、任务（你要干嘛）、格式（做成表格还是列表）。这能防止 AI 给你一段和你具体问题不适配的相关信息。
- 例子： “我下周要带 3 岁孩子去上海自然博物馆（背景）。请帮我制定一份避开人流的游览路线（任务）。要求：以表格形式呈现，包含具体的时间点和休息区域（格式）。”
2. 专家角色与实战锚定： AI 什么话题都能聊上两句四平八稳的话，但只要你给它一个明确的专业人物设定，它就会被引导着调用对应领域的专业经验，给你更精准、更贴合需求的回答。
- 例子： “你现在是一名有 10 年经验的资深猎头。我想从传统制造业转行去互联网做产品经理，请分析我的简历，指出我最能吸引互联网 HR 的三个闪光点，并列出我需要弥补的具体技能。”
3. 设定目标受众： 同样的道理，讲给专家听和讲给外行听，语气和深度完全不同。指定受众，AI 就会自动切换成对方听得懂的语言。
- 例子： “帮我解释一下什么是‘指数基金’。受众是我 65 岁、没有任何投资经验的退休母亲，请多用菜市场买菜的例子来打比方。”

第二类：让 AI “多思考”

这组技巧专门解决 AI 的“逻辑跳步”和“胡言乱语”。

4. 思维链与分步推理 (CoT)： 要求它必须明确写出拆解步骤。这样即便结论错了，你也能一眼看出它在哪一步开始跑偏的。
- 例子： “我手里有 20 万闲钱，想在两年内买车。我应该如何处理这些钱？请不要直接推荐理财产品，先分步写出你需要考虑的风险因素、通胀率和不同产品的收益预期，最后再给建议。”
5. 任务拆解： 把一个庞大、让人焦虑的目标（比如“换工作”）变成一连串立刻就能动手做的小动作，并告诉你需要什么工具。
- 例子： “我想在三个月内减重 10 斤。请把这个目标拆解成每周的具体行动，比如第一周买什么食材、下载什么运动软件、每天几点睡觉。”
6. 逻辑提问模式： 要求 AI 在向你索要信息时，解释为什么要问这个。这能帮你理清自己到底在纠结什么。
- 例子： “我想换房。请向我提出 5 个关键问题，并解释这些问题如何影响地段选择和贷款方案。这能帮我梳理目前的真实需求。”
7. 原理先行模式： 别急着要方案，先让 AI 讲透背后的核心逻辑。懂了原理，你以后遇到类似问题就能自己判断，不被 AI 牵着鼻子走。
- 例子： “为什么我最近总是失眠？先跟我解释我失眠的原因和原理是什么，再给我具体的作息调整方案。”
8. 结果反向倒推： 先定好那个“百分百成功”的结果，让 AI 帮你反推第一步、第二步该干嘛。这能帮你发现那些容易被忽视的隐形坑点。
- 例子： “我希望一年后我个人的副业收入能超过主业。请从这个目标反推：为了实现它，我下个月必须积累多少客户？下周一我应该发什么样的朋友圈？”

第三类：找茬、防坑与审计

这组技巧是用来做“压力测试”的，防止你冲动决策。

9. 魔鬼代言人： 强制 AI 站在你的对立面。即便你的方案看起来很完美，也要让它找漏洞、泼冷水。这能帮你消除盲目乐观。
- 例子： “我打算在这一带开一家奶茶店。请你扮演一个极度尖酸刻薄的竞争对手，列举出 5 个让我开不下去的理由，并狠狠抨击我的选址计划。”
10. 迭代自我优化： AI 出的第一稿往往不够好。让它写完后自查一遍，找出逻辑不通、废话太多的地方，再重新写一版。第二版通常会好很多。
- 例子： “这是我写给房东的降房租申请。请先写一版，然后自查里面的说服力够不够、情感牌打得对不对，最后再给我一个更无懈可击的版本。”

第四类：给它“打样”

11. 少样本提示与实例化： 不要要求文字“要真诚”，直接扔给它几个你觉得真诚的例子。AI 的模仿能力远超它的理解能力，给榜样是最高效的沟通方式。
- 例子： “这是我以前写的两条好评（例子）。请参考这个语气，帮我给刚才那家服务特别好的火锅店写个 100 字的点评，要有具体的菜名细节。”

第五类：先沟通再干活

12. 先让 AI 问我问题： 当你的需求很模糊时（比如想买礼物），强迫 AI 先通过提问来缩小范围，而不是上来就给你一堆毫无意义的列表。
- 例子： “我想买一款 3000 元左右的手机送长辈。在你推荐之前，请先问我 5 个关于他们使用习惯、品牌偏好和续航要求的问题，等我回答后再推荐。”

第六类：多路径演练与预测

13. 多方案对比与情景模拟： 别只看一个方案。让 AI 给至少 3 个选择，并用“如果… 会怎样？”模拟不同选择的结果。这能帮你做“风险收益分析”。
- 例子： “我要给新房装空调，请对比‘中央空调’、‘风管机’和‘挂机’三种方案。模拟在极端高温和长期节能两种情景下，哪个选择性价比最高。”
14. 思维树 (ToT)： 遇到那种要一步步推演、中间全是未知变量的问题，别让 AI 只给你单一方案。你就让它像画一棵分叉的大树一样，从你的核心目标出发，尝试几条完全不同的实现途径，再把每条途径里可能遇到的顺利和意外、对应的解决办法、中途的调整方案，还有最终能不能达成目标，从头到尾完整推演一遍。
- 例子： “我打算国庆带家里 2 只猫、1 只狗自驾回老家，全程 800 公里要开 10 个小时，核心目标是路上宠物不应激、人也不折腾。请你用思维树模式，分出 3 条完全不同的实现路径，分别是「早出晚归单日直达」「中途住宠物友好酒店分两天开车」「每 2 小时进服务区休整的慢节奏路线」，把每条路径里可能遇到的宠物应激、堵车、服务区不让宠物进等各种意外、对应的解决办法、中途的调整方案，还有最终能不能达成目标，从头到尾完整推演一遍。”
15. 假设检验： 把你的想法当成一个待证实的“假说”。问 AI：如果要让这个想法成真，需要满足哪些条件？如果条件不满足，后果会怎样？。
- 例子： “假设明年房价会小幅上涨。请分析支撑这个假设的先决条件（如利率、政策）是什么？如果这些条件反向变动，我的购房计划应该如何调整？”
16. 方案预演与风险压力测试： 假设你的计划已经彻底失败了，让 AI 反推失败原因。这能帮你提前设计好“备用方案”。
- 例子： “假设我这次全家出国游搞砸了，最后闹得大家都很不开心。反推一下：可能是哪些细节出了错？（如签证、饮食、体力）基于这些可能，请给我做一份防踩坑清单。”

第七类：硬约束与格式控制

17. 约束驱动： 这种技巧是用来对付“理想主义”的。给 AI 设置钱、时间或人力的硬门槛，逼它给出一个穷人/忙人也能用的实用计划。
- 例子： “帮我设计一套装修后的去甲醛方案。硬限制：预算 200 元以内、冬季无法开窗；请给出最快见效的行动步骤。”
18. 结果格式锁定： 强迫 AI 闭嘴，只说重点。限制它只能说三句话，或者只能用表格。这能极大地节省你的阅读时间。
- 例子： “帮我总结这篇理财文章。要求：只准用三个短句，且必须包含具体的回报率数字。”
19. 负向约束： 明确划定“红线”，告诉 AI 禁止做什么。这比下达指令更有效，能强力过滤掉 AI 自带的礼貌废话、模棱两可的免责声明或空洞的互联网黑话。
- 例子： “分析这份行业报告。负向约束： 禁止出现任何开场白，严禁使用‘赋能’‘闭环’‘底层逻辑’等大词，不要提供任何投资建议相关的免责声明。”

第八类：信息去噪与知识管理

20. 知识整合与快速研究： 把你乱七八糟的笔记、截图里的文字喂给 AI，让它帮你找出其中的关联。这能帮你把“碎纸片”拼成“知识体系”。
- 例子： “这是我过去半年的买菜账单和外卖记录。请分析我的饮食结构是否失衡，并结合最新的膳食指南，指出我最缺乏哪类营养。”
21. 排除虚假信息 (信息去噪)： 专门用来对付那些情感煽动性强、立场偏激的报告。让 AI 剔除所有形容词和煽动性表达，只要原始数字。
- 例子： “读一下这款理财产品的推广页。把里面所有诱导性的词汇删掉，只给我提取：底层资产是什么？管理费是多少？历史最差回撤是多少？”
22. 建立个人知识基座： 告诉 AI：只准用我给你的文件，不准去网上瞎猜。这能解决 AI “一本正经编故事”的问题。
- 例子： “请只根据这份《公司报销制度》（附件）回答：我这次出差打车费超过 100 元能报销吗？不要引用网上的通用规定。”
23. 自动化琐碎流程 (代理执行)： 让 AI 像个秘书一样，帮你筛选信息、做摘要并存入你的数据库，不用你手动复制粘贴。
- 例子： “整理我邮箱里所有关于物业通知的邮件，把停水、停电、垃圾分类的信息提取出来，生成一个日期清单。”

第九类：顶级进阶策略

24. 自我一致性 (Self-Consistency)： 让 AI 对同一个复杂问题通过不同的角度/策略推演三遍，如果三次结果都一样，说明结论可靠性高；如果不一样，让它告诉你矛盾点在哪。
- 例子： “我计划暑假两大人一小孩，从杭州自驾去舟山玩 5 天 4 晚，帮我算这次旅行的总预算。请你用 3 种完全不同的逻辑独立推演计算：第一种按「单日花费」拆分计算，第二种按「交通 / 住宿 / 门票 / 餐饮 / 备用金」五大项目拆分计算，第三种按「大人人均花费 + 孩子人均花费」拆分计算。三次计算完成后，先核对结果是否一致，如果不一致，告诉我每一遍的计算差异和矛盾点在哪；如果结果一致，再给我最终的预算明细。”
25. ReAct 模式 (Reason + Act)： 像真人一样协作：先思考（原因），再尝试（行动），然后观察结果（调整）。这让 AI 的回答更具动态适应性。
- 例子： “我想找一家适合聚餐的餐厅。步骤：1. 先根据我的口味思考备选菜系；2. 搜索本地评价最高的几家；3. 帮我分析哪家停车最方便。”
26. 元提示 (Meta-Prompting)： 当你觉得自己写不出好提示词时，或 AI 给你的答案你不满意时，向 AI 说出你的不满和要求，让 AI 帮你写问题。它是最好的提示词工程师，能把你的大白话意图变成严谨全面的专业指令。
- 例子： “我想请你帮我做个人职业规划。你是顶级提示词专家，请帮我起草一段最专业、最能挖掘你潜力的指令，然后我确认后再执行。”
27. 逆向提示工程： 看到别人的好文案、好方案，扔给 AI，让它反推“用什么样的提示词AI才会输出这样的内容？”。这样你就掌握了那种创作风格的秘籍。
- 例子： “这篇房产分析文章逻辑非常清晰，数据也很硬。请反向解析出作者的写作框架，告诉我如果我也想写一篇类似水平的文章，应该给 AI 下什么样的指令？”

第十类：持续迭代

28. 建立 AI 协作闭环： 别指望一次就对。通过“提问-追问-自查-复盘”的循环，不断调优。好指令是通过不断试错、反馈、调整、修改形成的，不是一次写出来的。
- 例子： “你刚才的回答太学术了。请保留核心逻辑，叙述口语化，并增加两个现实生活中的理财案例。”

多技巧组合使用

这些技巧单独用是小技巧，组合用才能高效。

最推荐的组合公式是：角色设定 + 约束驱动 + 思维链 + 迭代优化。

先给它穿上职业装（专家角色）。
告诉它你的死任务（硬约束）。
强迫它写出推导步骤（思维链）。
最后让它自己审一遍（迭代优化）。

例如： “你现在是资深保险精算师（角色）。我有 5000 元预算给 60 岁老人买意外险（约束）。请分步列出你需要对比的条款，并解释为什么这么选（思维链）。写完后，请自查方案是否真正避开了‘高龄人群拒保’的坑，然后再输出（自查）。”