提示工程是有意识地构造 AI 指令，以产出特定且有用结果的过程。不同于与 AI 工具的随意对话，设计良好的提示词将每次输入视为一个设计问题：模型需要知道什么、输出应采用什么格式、适用哪些约束？
提示工程不需要编程知识。它的核心是一种沟通训练。底层逻辑类似于向同事交代任务：你对任务、语境和预期输出定义得越精确，回复就越相关。
提示词不只是问题。它是一条指令，可以携带可选的语境、约束、示例和格式指导层。了解每层的作用，有助于构建能稳定交付高质量结果的提示词。
在要求 AI 做任何事前，先确定它是谁、适用什么情境、需要什么背景。这就是设定角色与语境。
“总结这份文档”这样的提示词要求模型猜测目的、受众和详细程度。以“你是一位为非技术管理团队撰写高管摘要的资深分析师”开头的提示词，则完全消除了这种猜测。
比较同一任务的两种方法。模糊写法：“写一份摘要。”具体写法：“为没有技术背景的普通受众撰写本报告关键发现的三句话摘要，重点说明与运营决策相关的发现。”
第二个提示词定义了长度、受众、词汇和范围。每一项约束都移除了模型可能偏离目标的一个维度。
最值得指定的约束包括：长度（字数或句数）、受众（技术或非技术）、语气（正式、直接或对话式），以及范围（关注哪些部分或主题）。
任何提示工程指南中最可靠的技巧之一，是提供你想要的输出示例。在 AI 研究中，这种方法称为少样本提示。
相比之下，零样本提示是在没有示例的情况下要求模型完成任务。它适合简单、定义明确的任务，但在所需格式不寻常时往往产生通用输出。
格式指令告诉模型如何组织回复。缺少它们时，AI 工具会默认采用该主题看起来最常见的格式，而这未必符合你的需要。
-
临时：“写一封跟进邮件。”
-
结构化：“在探索性通话后，为客户写一封 150 字跟进邮件。语气：温暖但专业。总结讨论的三个主题，并以一个明确的下一步结束。”
-
临时：“总结这个。”
-
结构化：“为没有技术背景的运营副总裁总结这份研究报告。聚焦与供应链决策最相关的三项发现，使用通俗语言。”
-
临时：“给我一些想法。”
-
结构化：“为面向人力资源总监的 B2B SaaS 产品列出五个营销活动角度。每个用一句话，优先强调节省时间而非降低成本。”
处理长文档或多份报告的分析师会用约束聚焦 AI 输出。“只用 100 字、用通俗英语总结本论文的方法部分”能产生无约束摘要通常会错过的定向结果。约束使输出变得有用。
有重复沟通需要的知识工作者（销售跟进、客户状态更新、内部简报）会建立可复用提示模板。一旦某个提示结构能稳定产生可用输出，保存并复用它便省去每次重新构建的工作；这种投入会随重复使用而累积。
问：如何知道提示词是否有效？
答：将输出与实际所需进行比较。如果你重写或丢弃的内容多于保留的内容，说明提示词定义不足。通常的解决办法是增加语境、收窄约束，或提供想要的输出格式示例。把每次失败输出当作诊断信息。