Prompt 工程入门：和 AI 对话的正确姿势

为什么你的 AI 总是”不太聪明”

你有没有过这样的体验——

“帮我写一篇关于 AI 的文章。”

然后得到一篇泛泛而谈、充满废话的文章？

问题不在 AI，在你的提示词。这就像你对一个极其聪明但完全不了解你的助手说”帮我做点事”——他能做，但不知道你要什么。

黄金法则：CRISPE 框架

一个好的 prompt 包含以下要素：

• Context（上下文）：你是谁，在做什么
• Role（角色）：AI 应该扮演什么角色
• Instruction（指令）：具体要做什么
• Specifics（细节）：格式、长度、风格等约束
• Perspective（视角）：从什么角度
• Examples（示例）：给出期望输出的样本

实战对比

差的 prompt：

写一篇关于 Python 的文章

好的 prompt：

你是一位资深 Python 开发者，正在给有 1 年编程经验的初学者
写一篇教程。

请写一篇关于 Python 装饰器的入门指南：
- 长度：800-1000 字
- 风格：友好、通俗，避免学术腔
- 结构：概念解释 → 简单示例 → 实际应用场景 → 常见陷阱
- 代码示例使用 Python 3.11+
- 每个代码块后附带运行结果

第二个 prompt 的输出质量会好 5 倍以上。

进阶技巧

1. Chain of Thought（思维链）

让 AI 展示推理过程，而不是直接给答案：

请一步一步分析这个 bug 的原因，
在给出修复方案之前，先列出所有可能的原因。

2. Few-shot Learning（少样本学习）

给 AI 看几个例子，让它学习你的风格：

以下是我之前写的文章开头，请模仿这个风格：

示例 1: "2026 年，AI 已经不是新闻了..."
示例 2: "你有没有过这样的体验..."

现在请用这个风格，写一个关于 [主题] 的开头。

3. 角色叠加

给 AI 多重角色，获得更有深度的输出：

你同时是一位技术架构师和产品经理。
从这两个角度分析这个方案的利弊。

常见误区

1. Prompt 越长越好？ 不是。精确比冗长重要。
2. 一次 prompt 搞定一切？ 不要。复杂任务分步来。
3. AI 说的都对？ 当然不是。永远验证关键信息。

我的 Prompt 工作流

第一轮：给出背景和粗略要求，看 AI 理解了多少
第二轮：根据输出纠正方向，补充细节
第三轮：微调格式和风格

这比一次性写一个超长 prompt 更高效，因为你可以在过程中观察 AI 的理解偏差并即时修正。

写在最后

Prompt Engineering 不是什么高深的学问。它的本质是清晰表达你的需求——这恰好也是日常沟通中最重要的技能。

和 AI 对话的过程，其实也是和自己对话的过程。当你不得不把模糊的想法变成精确的文字时，你会发现自己的思考变得更加清晰了。

---

漫游君 · 2026 年春 · 正在和 AI 对话中