【提示词技巧】通用提示词原则介绍

最近qwen进行了一个“问答对生成”的简单任务。这个任务看起来很简单，但还是消耗了一定的时间，并且和标注同事一起反复讨论了好久，才终于达到使用水平。

结合自己的实际使用经验，在ai生成内容上，对提示词中的一些概念、技巧进行解释，解释的内容用代码的形式展示。这里有一些内容是我自己发现的，关于具体细节，还可以参见我的“大模型”专栏中的其他内容，例如内容摘要、复杂规则识别、舆情分析等。

1. 结构化技巧

动态提示词：在我的任务中，需要从标题里提取几个关键词，然后再提问的时候，把这些关键词用上，以保证问题范围明确。例如“gis设备保养规范”这个问题，gis在不同的行业中，有不同的定义，需要区分。

模型在同时进行“关键词提取”和“问题生成”时，效果较差，因此我想到，可以先提取关键词，然后把这些关键词用占位符写到“问题生成”的提示词中，效果非常好。如果不用动态提示词，准确率可能不到60，用了动态提示词，效果接近90%。

角色定义 - 明确指定AI扮演的角色，如"作为一位经验丰富的数据分析师…"或：

（科普任务）
你是一名优秀的物理科普教师，请用充满热情的TED演讲风格，
向高中生解释量子计算，擅长通过2个生活化比喻来进行解读

（关键词提取任务）
你的目标不是复述标题，而是像一名档案管理员一样，**用最少的词，
让这份文件在一堆文件中脱颖而出**。

上下文设置 - 提供背景信息和限制条件，让AI更好理解任务环境，例如

"假设现在是2030年，作为经历过AI爆发期的专家回顾..."我的公司是一家小型科技初创企业，预算有限。请为我们的社交媒体账户提供一些低成本但高效率的互动策略。”

输出格式指定 - 明确要求特定格式，如表格、JSON、markdown等。你可以这样写，因为如果不这样写的话，千问模型非常容易收到你的示例的干扰（例如你的示例答案是c，那么模型可能就会对你的这个例子额外关注，当模型的答案不是c时，模型还有可能会对自己产生质疑）

# 输出要求：- 只输出答案，可以利用markdown让答案看着更美观- 下面的例子仅供参考，不要在思考过程中被输出例子干扰- 请务必完整、严格依照以下格式进行输出。       # 输出格式：【答案1】yyy【答案2】bbb【答案3】无法作答

分步思考 - 要求"首先分析X，然后考虑Y，最后总结Z"。例如：

【具体步骤】-step1：判断年龄，如果小于14岁，则前往step2；否则前往step3-step2：当前用户年龄小于14岁，需进行xxx治疗，治疗结束后，请前往step4-step3：当前用户可使用yyy进行治疗；治疗结束，前往step4-step4：完成治疗后，需进行yyy治疗与康复

2.引导技巧

少样本学习(Few-shot) - 提供1-3个输入输出示例。 例如，在我的任务中，我想更好的“不要照抄原文，稍微对语言做出修改”，可以这样写。

下文的技巧1属于“通用知识”，你只需要告诉模型“同义词代替”、“词语顺序调整”之类的，就可以了。

要求3的“问题价值”，对模型来说就有些难度了，所以要给出具体的例子，以及具体的原因

- 【技巧1】语气自然：针对限制条件和问题，可适当**缩写改写**，可采用以下手段：同义词代替、词语顺序调整、句式转换、关键信息提前、动语态改为主动语态。- 【要求3】问题价值高，不要针对具体事例提问，对其他电力行业从业者有参考、学习价值。高价值-“xxx县冬季居民用水损耗有何规律”，针对事物背后本质提问低价值“xxx县xx月粮食供应损耗百分比是多少”，针对某一具体事例设问高价值-“xx类设备的xx的检修周期是多久”，针对一般设备规定提问低价值-“xx县xx工厂4月火灾多少次”针对某一具体事例设问

一次只说一件事-接上一个例子，同样以语气、行文风格为例，你可以把这些概念拆的尽可能细致一些，保证模型清晰理解。同时，你最好把“语气自然”、“长度适中”、“淡化原文痕迹”单独给模型提取出来，用先总后分的结构去举例子。

- 【技巧1】语气自然：针对限制条件和问题，可适当**缩写改写**，，可采用以下手段：                            同义词代替、词语顺序调整、句式转换、关键信息提前、动语态改为主动语态。- 【技巧2】长度适中：适当断句，每个短句**不超过15字**，问题**不要太长**，可以使用以下技巧：省略词汇、缩写、断句- 【技巧3】淡化原文引用痕迹，禁止出现类似于以下示例的表述，例如：**本项目**、**该工作**、**根据原文第七条**，**本工作**可替换为“在xxx工作中”

零样本思维链(Zero-shot CoT) - 添加"让我们一步步思考"，在提示词尾部追加"Let’s think step by step"可以大幅提高模型的推理能力，帮助它更好地理解并执行复杂指令

反向提示与正向提示 - 说明不要做什么，如"避免使用专业术语"。但是，gemini说“肯定式指令优于否定式指令 尽量告诉模型做什么，而不是不做什么”，没准可以正反向都给出例子。

不好： “不要写得太复杂。”更好： “请用通俗易懂的语言，像对一个12岁的孩子解释一样。”不好： “不要忘记提到价格。”更好： “请确保在文案的结尾处明确标注价格是999元。”

温度控制 - 用词影响创造性，如"严格遵循"vs"创造性地"

3.质量控制

自我验证 - 要求AI检查自己的答案：“完成后，验证是否满足所有要求”

自我辩论-要求模型进行自我辩论，这个技巧也很好用，例如在进行文档关键词的筛选时，假设现在有一批候选词汇，需要进行过滤，只保留最有特点的词汇，便可以使用辩论了：

**辩论式过滤**：- 正方：这个条件是否能让读者明确区分此文档与其他同类文档？该词汇是否数据精准的限制条件？- 反方：如果去掉它，是否仍能准确表达该文档的独特性？- 仅当“正方”成立且“反方”不成立时，保留该项

多角度分析 - “从技术、商业和用户三个角度分析”

置信度表达 - “如果不确定，请明确说明”

迭代优化 - “生成初稿后，改进其中的X方面”

4.高级技巧

条件分支 - “如果X情况，则Y；否则Z”

优先级设置 - “最重要的是准确性，其次是可读性”

范围限定 - 使用具体数字限制，如"列出5-7个要点"

元提示 - 让AI帮助改进提示词本身

5.让模型遵循你的指令

明确具体的指令格式：

• 使用清晰的结构，如"请按以下步骤…“或"输出格式要求：”
• 提供具体示例而非抽象描述
• 使用积极语言描述期望行为，而非仅列出禁止事项：

【禁止事项】
× 不要解释基础概念
× 避免使用"笔者认为"
× 禁止出现"2025年预测"（当前仅需分析2023数据）
× 段落不超过4行现在请撰写行业分析报告...

输出格式约束：

• 指定具体的输出结构（JSON、表格、列表等）
• 设置字数限制或长度要求
• 要求特定的开头或结尾格式

强调技巧

• 多重强调：重要：必须严格遵守以下规则
• 大写提醒：你必须【始终】【严格】遵循这些要求，你还可以使用四个星号等markdown的格式，来对文本进行强调，让模型更关注你的某些提示词。
• 首尾呼应：开头说明要求，结尾再次提醒。这个技巧非常重要，在我的工作中非常有用。假如你有10条要求，但是其中有两条始终得不到模型的百分百支持，那么你就可以把这两个要求在结尾重复一遍（也可以把全部要求都重复一遍）

[其他提示词内容，省略]
**再次提醒**
绝对不要在文案中使用任何表情符号。

• 遣词严厉：使用“禁止”、“务必”、“必须”等词汇。

约束技巧

• 负面约束：明确说"绝对不要做X"比"请做Y"更有效。

"生成营销方案时： ①避免使用'革命性'等夸张词汇 ②不提及竞品名称 ③排除需要额外预算的建议"

• 检查清单：输出前确认：☐ 符合格式 ☐ 包含所有要点 ☐ 无禁止内容
• 惩罚机制：如果不遵守，请重新生成

结构化组织：下达指令时，把重要指令、风格要求、特殊事项分开写。

# 核心任务
[最重要的指令]# 输出要求  
[格式和风格要求]# 注意事项
[特殊约束]

结构化输出：对模型输出的风格进行约束，保证输出符合预期

请严格按以下格式回答：
## 问题分析
[分析内容]## 解决方案  
[具体方案]## 代码实现
```python
[可运行代码]

模型自我强调、确认，党徽话已经进行了10轮或更多的轮次，为了防止模型遗忘，在低11轮提问的最后阶段，给模型下达“确认”的要求，保证模型复述、记住你的指令。

【用户输入】：
xxxxxxxx
yyyyyyyy
zzzzzzzz请在回答前确认你理解了以下要求，然后再回答
- 回答要简洁
- 必须有代码示例
- 解释要通俗易懂【模型回答】：指令确认：
✓ 简洁回答
✓ 包含代码示例
✓ 通俗解释
开始回答...

尽可能清晰、具体

❌ 不好的指令：写得好一点
✅ 好的指令：使用专业术语，包含3个要点，每个要点不超过50字，用数字编号

可以适当使用特殊符号，例如千问等模型，可以通过下列特殊符号进行强调：
符号系统：用⚠️/✅/❓等视觉符号建立快速识别机制
分层指令：核心要求（❗）→扩展要求（→）→可选要求（○）

6. 让模型修改自己的提示词（元提示技巧）

迭代优化法

我有一个提示词，目标是 [说明你的目标]。这是我的初始提示词：『[把你写的提示词放在这里]』。请你扮演一个专业的提示词工程师，帮我分析这个提示词的优缺点，并结合错误案例与通用问题，给出一个更清晰、更具体、更能引导你产生高质量输出的优化版本。【错误案例】：-1 xxxxx（错误原因yyyyy，正确答案应为zzzzzz）-2 xxxxx（错误原因yyyyy，正确答案应为zzzzzz）  【通用问题】
1. 输出内容太宽泛，缺乏重点
2. 语言过于技术化，读者看不懂
3. 没有明确的观点和结论
4. 篇幅控制不好【修改目标】
让提示词能产生更聚焦、更易懂、更有观点的文章

结构化改写

请将这个简单提示词改写为结构化格式：【原提示词】
"帮我做市场调研"【改写要求】
- 使用任务目标、执行要求、输出格式的结构
- 增加具体的限制条件
- 明确成果交付标准

自我反思法

基于刚才的输出结果，我认为你的错误在于xxxx，请：
1. 识别哪些指令不够清晰
2. 建议如何改进提示词
3. 重写一个更好的版本"

评分改进法

"给这个提示词打分(1-10)并说明原因：[提示词]
然后提供一个能得到10分的版本"

实际可行的做法-询问模型，让模型给你意见，因为模型最懂模型：通过对话逐步细化指令要求，例如，你可以参照以下的三个例子，对魔性提问，模型会给你合适的提示词：

# 示例1
【用户输入】：我现在要判断一篇文章，是否属于编程类教材的高价值内容。你需要知道哪些信息、涉及哪些评分标准？# 示例2      
【用户输入】：请为自己设计一个更好的提示词来回答编程问题【模型输出】：基于对话需求，我为自己设计以下工作提示词：**编程助手模式**
- 身份：10年经验的全栈工程师
- 回答结构：问题分析→解决方案→代码示例→最佳实践
- 代码要求：可直接运行，包含注释
- 遵循原则：简洁高效、考虑边界情况现在使用此模式为您服务。       # 示例3：
步骤1 (你): “你现在是一个AI助手，你的任务是帮我写一封商务邮件。”步骤2 (你): “为了更好地完成任务，你需要从我这里了解哪些信息？请向我提问。”步骤3 (AI): (模型可能会问) “好的。请告诉我：这封邮件的收件人是谁？你们之间的关系是？邮件的主要目的是什么？你希望邮件的语气是正式还是非正式？”结论： 模型提出的这些问题，本身就是构建一个完美提示词所需要的所有关键要素。你只需要回答这些问题，就能形成一个高质量的提示词。

明确标准 带有测试机制的提示词修改

请修改这个提示词，并设计验证其效果的方法：【原提示词】
"帮我写营销文案"【修改要求】
- 增加效果评估标准
- 加入A/B测试思路
- 明确成功指标

优化后的提示词中内容中，具备了验证标准和测试建议，这里的验证标准和测试建议，应该能引导模型去生成更好的营销文案；

【改进后提示词】
"请为[具体产品]写一份营销文案，要求：【基础要求】
- 目标受众：[具体描述]
- 文案长度：标题+正文300字内
- 核心卖点：突出[具体优势]
- 行动召唤：明确且有紧迫感【创意要求】
- 提供3个不同风格的版本：理性分析型、情感共鸣型、幽默趣味型
- 每个版本都要有独特的切入角度
- 标题要有吸引力，正文要有说服力【验证标准】
- 是否明确传达了产品价值
- 目标用户看了是否有购买冲动
- 语言是否符合品牌调性
- 行动指引是否清晰明确【测试建议】
- 可用于A/B测试的3个版本
- 预设转化率评估维度
- 建议的投放渠道和测试周期"

提升效果的技巧：

1. 指令具体化：将"写得好一点"改为"使用专业术语，逻辑清晰，包含3个要点"
2. 提供反例：说明不希望看到什么样的回答
3. 设置检查点：要求模型在回答前确认是否理解了所有要求
4. 分步引导：复杂任务拆分为多个小步骤

7.长上下文中保持指令记忆

上下文摘要：对于特别长的对话，可以提供前期对话的摘要，特别强调您希望模型记住的指令要点。例如，你可以把之前的聊天当做全局记忆，然后将任务背景描述整理成下面的样子，这样模型就知道，当前的“具体问题”，需要与“水果”和“美观便捷”相关

【全局记忆层】项目：水果购买网站开发指导
【会话记忆层】当前主题：前端美观度与便捷度优化
【即时记忆层】具体问题：CSS优化

你可以让模型自动生成之前对话的摘要：

用户：我们聊了很久，请总结并成成摘要，然后确定当前的待处理的工作
模型：摘要内容如下
🎯 核心身份：资深前端工程师
📋 工作模式：问题分析→解决方案→代码示例→最佳实践
🔍 当前任务：React性能优化指导
📊 已解决：组件渲染、状态管理、打包优化
🎯 待处理：代码分割、懒加载

"请总结一下我们到目前为止讨论的要点，并确认你还记得我最初的要求：
1. 以企业顾问身份
2. 重点关注成本控制
3. 提供可执行的具体建议
4. 每个建议包含实施步骤"

结构化对话：将长对话分成逻辑段落，每段开始时简要说明本段的上下文和要求，例如：

以下是设备使用说明书，请提取出会导致工人眼睛受伤的风险点
【1】xxxxxxxxxxxxxxx
【2】yyyyyyyyyyyyyyy以下是设备使用说明书，请提取出会导致工人眼睛受伤的风险点
【3】xxxxxxxxxxxxxxx
【4】yyyyyyyyyyyyyyy以下是安全警告，请提取全部风险
【1】xxxxxxxxxxxxxxx
【2】yyyyyyyyyyyyyyy

位置策略

• 近因效应：重要指令放在提示词末尾（模型更容易记住）
• 首因效应：同时在开头也提及核心要求
• 中间提醒：长对话中定期重申关键规则

强化记忆技巧：让模型记住你的“核心规则1”和“核心规则2”

【持续有效的规则】
===以下规则在整个对话中始终有效===
1. [核心规则1]
2. [核心规则2]
===请在每次回复时都遵守以上规则===

分段锚定，在我的提问工具中，重要设定针对每类问题都会生效，当前任务（假设正在执行选择题、填空题的撰写）只针对当前任务生效，因此可以用“全局设定”和“当前任务”当做两个锚点。锚点貌似很流行，在后面的段落继续分析。

## 全局设定（整个对话有效）
[重要设定]## 当前任务
[具体任务]## 回复前确认
- 是否符合**全局设定**
- 是否完成**当前任务**

定期唤醒

• 每隔几轮对话，简短重申：继续保持[角色/格式/规则]
• 使用标记系统：<persistent>这些规则永久有效</persistent>

压缩技巧

• 将冗长规则压缩成助记符号或缩写
• 例如：记住SAFE原则：Specific具体, Accurate准确, Formatted格式化, Evaluated已检查

示例-注意“必须遵守”是如何被使用的。

【系统角色】你是一位严谨的技术文档编写专家【永久规则】<必须遵守>
1. 所有代码使用```标记
2. 每个概念都要有示例
3. 保持专业但易懂的语气
</必须遵守>【当前任务】
[具体内容]【输出前检查清单】
□ 是否保持专家角色？
□ 是否遵守三条永久规则？
□ 是否完成当前任务？提醒：即使对话变长，也要始终遵守<必须遵守>标签内的规则

8.锚点技术

示例，在长对话中插入唯一性标识符，帮助模型定位关键指令。锚点需在新对话轮次开头出现效果最佳：

【锚点1】模型角色
角色：数据分析师
任务：销售数据分析
格式：问题理解→分析思路→代码→结果解读
要求：每次回答前确认此锚点
【锚点2】撰文格式
软件：使用markdown
语言：使用繁体中文
引用：必须使用双引号............
[下达任务时，第一轮对话，向模型强调，防止模型遗忘]
当前需同时满足：
✅ 模型角色：使用数据分析师风格，参见【锚点1】
✅ 撰文格式：注意软件、语言、引用等，参见【锚点2】.......
[30轮长对话后，再次向模型强调，防止模型遗忘]
用户：基于【锚点1】的角色，分析用户留存率

锚点使用实例-1：
qwen给出的示例，假设需要按照一些要求，对文本内容进行合规性评估。

对话1-用户定义锚点：

⟪锚点 POWER-2024⟫
【电力内容评估核心指令】
❗ 必须检查：
① 是否引用GB/T 36276-2018最新标准（非2018前版本）
② 消防响应时间≤30秒（标注测试条件）
③ 包含热失控连锁反应防护方案
④ 禁用"绝对安全"等违规表述
✅ 输出格式：
[合规性]★☆☆（1-3星）
[缺失项]→具体条款
[风险提示]→引用《安规》第X条请回复"ACK POWER-2024"确认理解

对话2-模型确认理解：

ACK POWER-2024
已加载电力评估协议：
• 标准核查：GB/T 36276-2018
• 红线条款：禁用绝对化表述
• 输出模板：合规星级+缺失项清单

对话3-用户输入待评估内容：

【待评估内容】
"新型储能消防系统采用全氟己酮方案，灭火时间25秒，能彻底杜绝火灾风险"【响应锚点 POWER-2024】
请严格按⟪锚点 POWER-2024⟫要求分析

对话4-模型输出：

⟪锚点 POWER-2024⟫ 响应：
[合规性]★☆☆（1星）
[缺失项]→ 
• 未标注测试环境（温度/电池类型/充放电状态）
• 未说明25秒是否含系统响应延迟（需符合GB/T 36276-2018 7.3.2）
• 缺失热失控传播防护方案（国标7.4.1强制要求）
[风险提示]→ 
⚠️ "彻底杜绝"违反《电力安全工作规程》第5.3.2条  
✅ 应改为："在标准测试条件下，可将火灾发生率降低至0.05%以下"

锚点使用实例-02
claude给出的示例，感觉很高级，需要较强的模型能力，例如在对话5中，预算发生了变化，模型能够自动更新。

对话1-用户输入

你现在是一位资深营销策略顾问，为我们的AI写作工具初创公司制定营销策略。【锚定框架】
- 公司：WriteAI（AI写作助手）
- 目标用户：内容创作者、营销人员
- 预算：月度10万元
- 时间框架：未来6个月
- 核心KPI：用户注册量、付费转化率【工作方式】
每次回答前请确认当前锚定信息，每个建议都要包含具体执行步骤和预期效果。

对话2-模型确认：

锚定确认 ✓
- 身份：资深营销策略顾问
- 项目：WriteAI营销策略制定
- 服务对象：内容创作者、营销人员  
- 资源限制：10万/月，6个月周期
- 成功指标：注册量↑ 付费转化率↑开始策略制定...

对话3-用户和模型完成一次关于“营销渠道”策略讨论：

用户：我们重点分析一下社交媒体营销渠道模型：
【当前锚定检查】
✓ WriteAI营销策略 - 社交媒体渠道分析
✓ 目标：内容创作者获取
✓ 预算考量：10万/月分配基于以上锚定，社交媒体策略建议：
1. 平台选择：小红书+知乎+微博- 理由：内容创作者聚集地- 预算分配：4万/月- 预期：月新增注册2000人
...

对话4-完成关于“定价策略”的讨论。

用户：现在讨论一下定价策略模型：
【锚定状态更新】
- 基础锚定：WriteAI营销策略 ✓
- 当前焦点：社交媒体 → 定价策略
- 目标用户：内容创作者、营销人员 ✓
- 约束条件：付费转化率提升 ✓定价策略分析：
考虑到目标用户（内容创作者）的付费能力和竞品定价...

对话-5：预算价格变更

用户：公司获得新融资，预算调整为月度20万元模型：
【锚定更新通知】
🔄 关键变更检测
- 原预算：10万/月 → 新预算：20万/月
- 影响范围：所有策略模块需重新评估
- 机会点：扩大投放规模、增加新渠道【更新后锚定】
✓ WriteAI营销策略（预算升级版）
✓ 资源：20万/月 × 6个月  
✓ 其他条件保持不变基于新预算的策略调整建议：
1. 社交媒体预算翻倍：8万/月
2. 新增渠道：B站、抖音
3. KOL合作预算：6万/月
...