会写提示词和写得好，中间差着一条鸿沟。角色、约束、示例这三件套用对了，模型输出能从”大概对”变成”次次稳”。
快速结论
- 进阶提示词=角色定位+明确约束+少量示例，三者叠加。
- 约束要写边界和禁止项，而不只写”请写好”。
- 给一两个示例比写千字要求更管用，模型照着对齐。
- 提示词要迭代，用真实失败样本反推修改。
角色定位不是装饰
给模型一个清晰身份，它输出的语气、专业度、取舍都会随之收紧。比如”你是十年经验的数据分析师，只说结论和依据”，比”帮我分析”得到的回答更聚焦、更少废话。
角色要具体而非泛泛。”专家”太虚，”专注电商转化的增长顾问”才让模型知道该用哪套知识和口吻。角色越具体，输出越贴你的场景，这不是修辞而是控制手段。
约束要画红线
新手提示词爱写”请写好一点”，这等于没说。有效约束是边界和禁止：字数上限、必须包含的结构、不能出现的类型、输出格式。把”好”翻译成可执行的规则，模型才懂。
尤其要写禁止项：不许编数据、不许用某类词、超出资料就说不知。红线画清，模型越界的概率骤降。约束是提示词里最被低估、最该写满的部分。
示例比描述更省力
与其用一段文字描述”我要什么风格”，不如直接给一两个样本。模型从样本中抓到的隐含规则，远比你写明的多。一两个好示例，常顶过千字说明。
示例要典型且成对：一个展示目标风格，一个展示反例”别这样”。正反对照，模型对齐得最快。示例是提示词里性价比最高的投资，值得精挑。
结构化输出省下游
让模型按固定结构吐出，比如”结论一句、依据两点、动作一条”，下游系统才好解析，人也省去再读再整理。结构即接口，提前约定，前后端都轻松。
格式要机器友好：用明确分隔符、固定字段名、可解析的标记。模糊的”随便列几点”会让每次输出格式漂移，下游解析频频报错。把输出当契约来设计。
把任务拆给提示词
复杂任务别塞进一条超长提示词，模型容易顾头不顾尾。拆成多步，每步一个针对性提示词，上一步产出喂下一步。步子小，每步才稳。
拆分时显式传递上下文，别让模型丢前情。每步提示词写清”你现在是第几步、前面得到了什么、这步要产出什么”。拆解加传递，复杂任务的可控性直线上升。
用失败样本反推
提示词不是一次写定。收集真实跑偏的样本，分析它踩了哪条没写清的边界，再把那条补进约束。几轮下来，提示词越来越贴合你的真实分布。
建一个”错题本”：每条失败对应一条提示词修正。团队共享这本，新人不重复踩坑，提示词随业务一起长。迭代靠样本，不靠拍脑袋。
不同模型的脾气
强模型和弱模型对同一条提示词反应不同：弱模型要更细的步骤和更硬的约束，强模型给大方向即可。同一套提示词换模型常要微调，别 assumed 通用。
还要看模型是否支持系统提示、是否有默认安全护栏。把这些特性纳入提示词设计，而不是无视。懂模型脾气，提示词才不白写。
版本管理别漏
提示词改着改着会分不清哪版好。给每条提示词版本号，记录改动和对应效果，回滚有依据。提示词也是代码，该有版本纪律。
更稳的是把提示词接进评估：每次改动跑一遍固定样本集，看关键指标起落。用数据决定留哪版，而非凭感觉。版本加评估，提示词才能持续变好。
常见三个误区
误区一：提示词越长越好，结果重点被稀释。误区二：只写要求不写禁止，模型自由发挥踩雷。误区三：写好不迭代，真实分布早变了它还照搬。
三者都靠”约束写满、示例对齐、持续迭代”化解。提示词工程不是一次写作，而是一套用反馈打磨表达的实践。
衡量提示词好坏
看两个率：一次通过率（不用返工的比例）和达标率（抽样人工判是否满足要求）。两率升，说明提示词真的好，而非看起来工整。
再算投入产出：为调这条提示词花了多少工时、换来多少返工下降。提示词是资产，用指标判断它值不值得继续打磨。
提示词与 Agent 的分工
提示词管单步怎么说，Agent 管多步怎么走，两者是不同层的事。把”写好每一步的提示词”和”编排好步骤顺序”分开想，调试时才不会乱找原因。
常见混乱是既怪提示词又怪编排，结果两边都没改透。分清层：输出质量先看提示词，流程卡顿再看 Agent。层界清，优化才有的放矢，而不是一团乱麻里瞎调。
图：提示词三件套 核心要点（运营GO 整理）
| 要素 | 作用 | 写法 |
|---|---|---|
| 角色 | 收紧语气专业 | 具体身份 |
| 约束 | 画边界红线 | 写禁止项 |
| 示例 | 对齐风格 | 正反成对 |
| 结构 | 便于解析 | 固定契约 |
延伸阅读：什么是 Prompt（提示词）、什么是 MCP（模型上下文协议）。
下一步行动清单
- 给模型具体角色，而非泛泛的”专家”。
- 约束写满边界和禁止项，不写空话。
- 附一两个正反示例，比千字说明管用。
- 复杂任务拆多步，每步针对性提示词。
- 建错题本迭代，并用样本集评估版本。
