把提示词写成小作文,AI 还是听不懂。核心不在写得多,在说清要什么、边界在哪、输出什么。

🦩 第 16 篇 · 2025 年 12 月 19 日
做了这么多 AI 项目,我最深的感受之一是:提示词写得烂,再强的模型也发挥不出来;提示词写对了,平庸的模型也能跑出好结果。提示词不是"给 AI 一段描述",是"给 AI 明确的指令和边界"。
一句话
提示词的核心不是"描述得多详细",是"说清楚三件事:我要什么、边界在哪、输出什么格式"。写提示词的本质是"把你的意图准确翻译成 AI 能执行的结构化指令",而不是文学创作。
提示词常见的四类问题
- 太模糊:AI 不知道你要什么 “帮我写一段好的介绍”——什么叫"好的"?谁读?什么场景?多长?AI 只能猜。
- 太长太绕:AI 抓不住重点 500 字的背景描述,但核心要求埋在倒数第二句。AI 通常更关注开头和结尾。
- 没有边界:AI 不知道什么不能做 “帮我给客户回一封邮件”——但没说"不要提竞争对手"、没说"要确认下单信息",AI 自作主张然后踩了红线。
- 缺少输出格式:AI 给你的是自由发挥 “分析一下这批数据”——给你一段散文,而不是一张表格。格式没说,AI 就按自己的理解给。
正确提示词的核心要素
- 角色/身份(说清楚 AI 是什么) “你是某水站的 AI 客服,负责……” 设定角色,AI 的语境和语气就锁住了。
- 任务(说清楚要做什么,动词开头) “根据以下客户问题,从知识库里找到最相关答案并回复”——动词开头,任务清晰。
- 约束(边界:不能做什么、要注意什么) “不要主动提及价格优惠、不要说’我可以帮你’这类套话”——约束是安全门。
- 输出格式(说清楚你要什么格式) “回复格式:问题 → 答案 → 建议下一步。如果找不到答案,转人工。”
- 上下文/参考(把需要的信息喂进去) 客户的问题、相关的知识库内容、历史会话——AI 不会自己去找,给它。
落地要点
- 从"模糊描述"改成"结构化指令":把"帮我写一封好的邮件"变成"帮我写一封促成下单的邮件,300字以内,语气亲切,不要提竞争对手,以优惠截止日结尾"
- 给示例(Few-shot):说清楚"像这样回复",比说"按某种风格回复"更准
- 约束要明确不要模糊:说"不要提竞争对手"比说"不要太过推销"更有效
- 测试提示词要穷尽边界 case:正常情况会跑不代表边界情况也对,要测"客户问了一个你知识库没有的问题"、“客户说了一句完全不相关的话”——边界清楚了提示词才过关
踩过的坑
- 以为提示词写一次就 OK:提示词需要迭代,在真实使用里发现不足,然后修。这是持续过程,不是写完就结束了。
- 以为模型越强提示词要求越低:其实越强的模型越需要清晰指令,模糊指令下强大模型反而更容易"自作主张"给出一个"听起来很对你但实际跑偏"的答案。
- 把"背景描述"当"指令":写了一大段业务背景,但核心任务没写清楚。背景是上下文,指令是任务,别混。
对真实场景的思考
提示词的本质是**“人机协作的接口”**——你把意图翻译成 AI 能执行的指令,AI 才能准确执行。用 OpenClaw 这类底座,提示词是 Agent 理解任务的窗口,窗口设计得好,Agent 执行准确率高;窗口设计得模糊,底座再强也没用。好的提示词工程师,不是"会写漂亮文案的人",是"能把业务需求准确翻译成结构化指令的人"——这是一种需要练习但可以学会的能力。
一句话总结:提示词的核心不是说得多,是说得准。结构化指令(角色+任务+约束+格式+上下文)比模糊描述有效得多。写提示词是翻译工作,不是写作工作。
延伸阅读
- 办公 Agent 想落地,先啃会议和流程两座山
- 本地生活门店的 Agent 团队,一次真实复盘
- 本体论:让 AI 理解业务而不是背答案
- 别急着做 AI 早报,先核对落地三环
- 别再堆 MCP 和 Skills,工具越多越乱
- 不是急着做AI和人的分工不是谁,是先核对AI落地
- 不是一岗配一 AI,我收敛成几个 Agent
- 餐饮后厨前厅供应链,AI 让每环少操心
- 餐饮老板要的 AI,是少请几个帮工
- 从本体论到知识图谱,三层架构怎么搭
相关阅读
标签
双号关注
扫码关注「广说新零售」公众号 + 视频号
本地生活 AI 落地、Agent 实操、真实门店怎么跑起来。扫码关注公众号与视频号「广说新零售」,持续看可收藏的做法;有场景也可私信聊合作。

公众号

视频号
继续读
同栏目相关文章,方便对照着看。
AI落地这条路,我为什么一直走下去
不是因为它热。踩过的坑越多越确认:AI只有放进真实业务跑,才知道哪些是真需求,先看AI落地。
AI 落地和创业一样,都要算清 ROI
上项目时轰轰烈烈,上完算账发现是负的。AI 落地不是技术选型,是商业决策,先算 ROI。
AI落地效果怎么衡量:北极星加配套指标
没有指标,AI运营要么靠感觉,要么靠注水的汇报。一个北极星指标加六个配套,价值才可量化,先看AI落地。
不是急着做AI和人的分工不是谁,是先核对AI落地
员工最怕被取代。真实落地里,花时间最多的不是调模型,是处理人和AI的关系与信任,先看AI落地。
Agent 架构设计:几张卡片把系统搭清楚
系统越复杂越容易乱。每个角色先写一张卡片,职责、边界、入口、出口说清,再往代码里落。
