同样一个模型,提示词写得不一样,结果质量能差很多。这里分享五个我日常在用的技巧。

1. 先说清楚"你是谁、我是谁"

让模型进入角色,输出的专业度和口吻都会稳定很多:

你是一名熟悉 Python 后端开发的工程师,我在维护一个中小型网站,
现在需要你帮我审查下面这段代码的并发安全问题。

比一句"帮我看看代码"效果好得多。

2. 把背景信息一次给足

模型不知道你的项目、你的约束。与其挤牙膏式地来回追问,不如第一次就把 相关上下文贴上:技术栈、版本、报错信息、你已经试过什么。 信息给得越全,第一轮回答的可用率越高。

3. 明确输出的格式

要列表就说要列表,要表格就说要表格,限定长度就说限定多少字。 格式要求写在提示词里,比事后自己整理省事。

4. 让模型先复述任务再动手

在复杂任务前加一句:

开始之前,先用三句话复述你理解的任务和交付物,确认无误后再开始。

这一步能拦住大部分"方向跑偏"的回答。

5. 迭代比完美提示词更重要

不要追求一次写出完美提示词。先拿到初版结果,再针对不满意的地方 具体地指出"第二点太笼统,请展开",两三轮迭代通常就能到位。 把好用的提示词存下来,下次直接复用。