AI提示词三大原则

AI 的提示词现在已经越老越少人提及了，因为现在的 AI 模型发展已经很聪明了，以及各种 Agent 的发展，让 AI 执行任务这件事情的门槛越来越低了

以前需要靠各种词汇堆叠，才能让 AI 输出更加稳定的形式，现在反而成了干扰。

所以提示词还要不要学？

在阅读各大 AI 公司最新的相关模型的发布资料中，其都有提到提示词的书写

提示词的其实本质就是“语言表达能力”

所以写好提示词我总结了三大逻辑：“*简洁、框架、迭代”

还能改变你以后使用 AI 的方法(＾－＾)V

---

1.简洁

在 OpenAI Chat 5.5模型更新时的官方资料中，有这样一句话：

过度详细的提示词，可能会引起不必要的噪音，从而导致 AI 的回答过于机械化。

OpenAI API --- Model guidance | prompting-best-practices

所以提示词不需要写的特别长，给一大堆限制，反而会适得其反，使 AI 输出内容过于机械化。

所以当下写好提示词的第一大原则就是：简洁。

真正的简洁是：提供关键信息，明确目标即可。

比如你要让 AI 写个卖货文案，关键不在于让它 copy 什么文案大师，而是明确核心点：

• 产品的核心卖点是什么；
• 卖给谁；
• 主要面向什么用户群体；
• 希望向用户传达怎样一个信息。

只要明确这些基础信息，AI 的输出质量自然就会高。

关于提示词是否简洁，判断标准其实也很简单，也就是所谓的：可读性。记得，当下好的提示词，不单单是写给 AI 看的，也是写给人看的。

一个好的提示词，你是能一眼看出：

• 它需要让 AI 做什么；
• 重点是什么；
• 希望最后交付结果是什么样。

这里以大神卡帕西的一个 skill 项目举例，这个项目在 GitHub 上有 20w的 star。

而这个项目的核心，其实就是一个 64 行的 Markdown 文档但就是这样一个简单的文档，就能够很好地改善 AI 写代码乱飘的行为。

这个文档的核心就四项原则，分别是：

第一，什么时候该做。

第二，应该怎么做。

第三，什么不要做。

第四，最后交付什么。

这就是当下很典型的一个高质量提示词。

不是单纯堆叠各种名词，而是下达明确的指令：什么时候行动、按什么规则行动、什么不要做、最后交付什么。OK，那我们知道了，好的提示词是简洁的、可读性强的、明确目标的。

但问题来了。

能够清晰、简洁地表达信息，是极少数人拥有的能力。

而大部分人在面对 AI 输入框的时候，感觉脑袋里面有很多东西，就是表达不出来，只能零散地输出部分信息这个问题，也是我们接下来要解决的。

也就是写好提示词的第二大原则：

2.框架

大部分人写不出清晰明了、高质量的提示词，不是不会写，而是脑袋里面没有一个框。

表达的时候，你就只能想到啥说啥。

如果你现在有个框，再往里面填东西，想要表达的内容就不容易散，也不容易遗漏。

这个框不是指单纯的模板。

它本质上就是结构化的表达，用大白话来讲，就是：语言组织能力。

先把脑袋里面的碎片信息分为几个部分，然后按顺序说清楚，AI 就能够很清晰地知道你想要做什么。

这种表达能力，同样放到生活中也是如此。

假如你要和公司一个新的实习生交代一个文案任务，如果你直接说：

小曾啊，你待会儿写一篇 3 分钟的某某插件视频给我。
产品卖点我发你了。
对了，你要写得有人味一点，不能太 AI。

这确实是个活，也能干。

但小曾基本就只能凭以往经验瞎干。

如果你要是这样说呢：

小曾啊，写一篇 3 分钟的某某插件案例脚本。

现在大家刷到工具推荐，很容易警惕是不是广子。
如果你一上来就介绍功能，观众会觉得：又是广告。

所以你要从具体的场景痛点切入。
产品卖点我发你了，你挑 3 个来写，不要贪多。

受众人群主要以职场打工人为主。
然后让别人看完会有种：
哦，这样子是真正懂打工人的痛点，是为这个群体设计的。

这样交代任务，是不是清晰多了？

之所以更清晰，不是因为字数单纯变多了，而是因为你不只是派了一个活，还把执行这件事情的核心信息补充上了。

它可以分为：

背景、任务、结果。

这也是日常中最基础的一个表达结构：

为什么做，做什么，做到什么效果。

给人交代任务是这样，同样，给 AI 写提示词也是如此。

我以实习生为例，也是因为现在大家对 AI 最标准的一个共识，就是把它当成一个满级的实习生。能力是在线的，但前提是你要把需求交接清楚。

除了这种任务交代的框架，还有一种最常见的提示词框架：

RTF：角色、任务、格式。

除了这个，还有像 TAG、CO-STAR，巴拉巴拉很多。

当然，这些你不需要全部都记住。

这些框架看起来名字不一样，但无非都是那几个关键元素进行排列组合，或者某个元素分得更详细一点。

不用搞那么麻烦。

关于框架这个知识点，大家日常只需要记住两个动作就行。

第一，只记三四个关键元素即可。

像我自己平时手搓提示词，最常用的也就是：背景、任务、结果。

如果任务复杂，你自然就会继续填充其他元素，像例子、限制之类的。

第二，让 AI 帮你找框架，然后把它变成提示词。

是的，直接让 AI 来写，那么我这里直接上实战。

我这里就直接用“背景、任务、结果”这个框架来描述我的需求。

例如：

背景：我是一个做电脑软件和 AI 工具相关教程的视频创作者，主要面向用户是电脑小白和职场打工人。

任务：我需要你帮我检索一下常见的爆款视频框架，并且整理成可以复用的提示词形式。后续我只需在提示词里面填入产品信息和我的一些想法，就能够生成一篇直接使用的视频文案脚本。

结果：需要是被 B 站或者抖音等平台验证过的，并且要标注这个框架的来源是哪里，以及有哪些博主常用这个框架。

写到这里，我脑袋里突然想起来影视飓风他们之前分享的视频框架 HRKK。

那么我这里也可以补充上，相当于是给 AI 一个参考例子。

OK，我们将这段文字发给 AI，质量十分高，是可以直接干活的那种。

然后这里我再举一反三，写一个职场相关的，这样你就可以得到很多基于专业方法论来写的提示词框架，你就可以把它们收藏到自己的提示词仓库里面。

下次遇到相关问题，就可以利用这些提示词来辅助你进行思考。

那么，这些专业的提示词就一定对吗？

接下来我们讲一下写好提示词的最后一大原则：

3.迭代

优质、高质量的提示词，都不是一次性工程。

一定是经过反复迭代优化的，甚至还会有多个版本。

像我在浏览器插件 Qshot 里面提供给大家优化提示词的提示词，也就是所谓的元提示词，是我反复测试优化了将近 10 个版本，最终才得出来的。

 

并且还在不断进行迭代，这个优化提示词的提示词，大家可以尝试一下，这算是一个马上能落地的优化提示词方案，也就是：用元提示词优化提示词。

但除了这种马上用起来的方法，其实最重要的是养成两个迭代思维习惯。

拿到任何提示词，都要把它变成自己的

不知道多少人有这个习惯。

就是拿到一个提示词，哪怕它是某某大神分享的，而且本身就很优质了，基本都会在使用一两次后，对这个提示词进行一些小修改。

当然，这个修改不是为了改而改，而是尽可能去贴合自己的生产流程。

从一个通用的提示词，迭代成自己专属的提示词版本。

然后关于提示词修改，记得不要每次都推翻重写，而是从局部微调开始。

这也是在各大 AI 公司官方的提示词指南里面，反复提到的一个思路：

先尝试，再根据结果进行调整，而不是一上来就追求完美的模板。

在提示词里面加入交互逻辑

什么是交互逻辑呢？

其实很简单，就是：让 AI 反问你。

这个提示词技巧，应该有不少人在用吧？属于那种用了就回不去的技巧。

就是在提示词里面加上类似的话：

你可以对我进行提问，用于补充其他信息。

可以针对输出结果对我进行反问，甚至提供选项让我选择。

先不要着急输出答案，先确认你是否真的了解了我的需求。

这样就可以从你对 AI 单方面提需求，变成像和一个满级打工人进行交流，然后共同去解决一个问题。

像前面提供给大家的优化提示词的提示词，在末尾部分也是有这个提问要求的。

 

这样 AI 就会根据你提示词原本的内容，进行第二轮思考提问，来帮你不断明确自己的真实需求。

就是通过这种交互的方式，会让你和 AI 沟通的时候接触到更多的信息面，从而可以反过来去迭代、优化你原本的提示词。

通过这种交互方式，你能获取到更多角度的信息，然后利用这些信息来迭代你原本的提示词。而这个过程的本质，是让你对"提需求"这件事变得更立体。

OK，以上就是写好提示词的三大原则：简洁、框架、迭代。

这三大原则并不是孤立的，而是相互影响、相互配合的。

以及这三个原则不只是适用于提示词，他是一个通用创造思维
因为写提示词，本质上也是一种创作：把一个模糊的想法，整理成清晰、可执行的表达

这也是我为什么想从这三个点切入，因为模型迭代十分的快，过于技巧性的东西随时会被替代掉。而我们真正要掌握的，是怎么清晰的表达、怎么组织信息、怎么根据反馈继续调整

现在 AI 把创作的门槛拉得越来越低，但拥有了创作的工具，不代表就能够真正自由的创作，当你遇到创造的时候遇到遇到坎，可以想到这三点创造思维

是不是可以再精简一点？因为简洁不是单纯变短，而是尽可能接近问题最核心的部分。毕竟做减法比做加法难。

当脑子里有很多想法、不知道从哪里开始的时候，不妨先确定好一个框架，再往里面填东西。好的框架不会限 制发挥，而是让表达更加稳定。表达越稳定，创作反而会越自由。

以及，任何创造都不要指望第一版就完美，能不能先做一版，再进行迭代

迭代的本质是：把每一次输出，当做下一次的输入。先有，再优。不要想着一步到位。这三点原则，也是我现在做视频、做产品、做任何创作时都会反复用到的方法，希望能对你有所启发。