3.2高质量提示词模式

先给直觉

基础 Prompt 像是把任务交代清楚。

高质量 Prompt 模式则像是给任务加上工作流程。

你不只是说：

帮我做完这件事。

而是说：

先分析目标，再列方案，再按标准评分，最后输出推荐结果。

模型擅长生成，但不一定自动选择最适合你的工作步骤。你把步骤设计好，它就更容易稳定工作。

模式 1：任务拆解

适合复杂任务。

低质量写法：

帮我设计一门 AI 课程。

更好的写法：

请分 4 步完成：
1. 先判断目标学习者。
2. 再列出课程模块。
3. 为每个模块写学习目标。
4. 最后指出最容易被误解的 5 个概念。

任务拆解的价值：

• 降低模型一次性处理的复杂度。
• 让输出过程更透明。
• 方便人类检查中间结果。

模式 2：Rubric 驱动

Rubric 是评分标准。

如果你只说“写得好一点”，模型不知道什么叫好。

更好的方式是给标准：

请根据以下标准改写文章：
- 清晰：每段只表达一个重点。
- 准确：不夸大 AI 能力。
- 读者友好：术语首次出现时解释。
- 克制：不使用标题党语气。

Rubric 适合：

• 文章修改
• 方案评审
• 作业评分
• Prompt 输出自检
• 模型回答质量评估

模式 3：对比式提示

让模型比较多个方案，而不是直接给一个答案。

例子：

请给出 3 种课程开篇方式，并按以下维度比较：
- 入门友好度
- 技术准确性
- 传播性
- 后续扩展性

最后推荐一种，并说明理由。

对比式提示适合决策任务，因为它能暴露取舍。

注意：模型给出的比较仍然需要人类判断，尤其是涉及商业、法律、财务或医学场景。

模式 4：结构化输出

结构化输出让结果更容易复用。

例子：

请按 Markdown 表格输出：
| 概念 | 人话解释 | 技术解释 | 常见误区 |

如果用于程序处理，可以要求 JSON，但必须注意：

• 明确字段名。
• 明确字段类型。
• 要求不要输出额外解释。
• 程序端仍然要做解析和校验。

模型生成 JSON，不代表永远是合法 JSON。产品里要有容错。

模式 5：给正反例

当你要求风格或判断标准时，正反例很有用。

例子：

好标题示例：
- 大语言模型到底“大”在哪里？
- Attention 到底在注意什么？

坏标题示例：
- 震惊！AI 彻底改变人类命运
- 学会这个 Prompt，效率暴涨 100 倍

请生成 10 个新标题，风格接近好标题，避免坏标题的问题。

正反例比抽象描述更清楚。不要只说“高级”“有网感”“不油腻”，这些词很容易让模型自由发挥到外太空。

模式 6：先问清楚再回答

当任务信息不足时，可以要求模型先提问。

例子：

我想设计一门 AI 课程。请先问我 5 个必要问题，不要直接给课程大纲。

适合：

• 需求不清的产品设计。
• 写作前定位读者。
• 复杂项目规划。
• 咨询式任务。

这个模式能减少模型过早给结论。

模式 7：基于资料回答

适合高准确性任务。

例子：

请只根据我提供的资料回答问题。
如果资料中没有答案，请说“资料中没有提供”。
不要使用外部常识补充。
回答时引用资料中的小标题。

这个模式不能彻底消灭幻觉，但能降低模型乱补的概率。

配合 RAG、引用和人工检查效果更好。

模式 8：生成后自检

让模型先输出，再按标准检查。

例子：

请先写一版课程介绍。
写完后用以下标准自检：
1. 是否夸大 AI 能力？
2. 是否说明目标读者？
3. 是否有明确学习结果？
4. 是否出现不必要术语？

最后给出修改版。

注意：模型自检不是最终审核。它能发现一部分问题，但不能替代人类判断。

组合案例：写课程单元大纲

目标：为“RAG 是什么”写课程单元大纲。

Prompt：

请为一节 AI 入门课程设计单元大纲。

主题：
RAG 是什么。

目标读者：
用过 ChatGPT，但不了解 AI 工程的产品经理和内容从业者。

请按 4 步完成：
1. 先写本单元要解决的核心问题。
2. 再列出 5 个必须讲清楚的概念。
3. 用 Rubric 检查这些概念是否适合入门者。
4. 最后输出课程大纲。

约束：
- 不使用公式。
- 必须说明 RAG 和微调的区别。
- 必须包含一个生活化类比，并说明类比边界。

输出格式：
Markdown，包含学习目标、核心解释、案例、常见误区、练习。

这个 Prompt 同时使用了任务拆解、Rubric、约束和结构化输出。

常见误区

误区 1：所有任务都要复杂 Prompt

简单任务用简单 Prompt。不要为了仪式感把“把这段话翻译成英文”写成项目章程。

误区 2：模型自检就等于质量保证

自检有帮助，但关键内容仍要人工审核或用程序校验。

误区 3：结构化输出一定稳定

模型可能漏字段、格式错误或混入解释。工程场景必须做校验。

误区 4：Prompt 模式可以替代资料

没有可靠资料，再漂亮的 Prompt 也可能生成漂亮的错误。

动手练习

选择一个任务，用至少 3 种模式改写 Prompt：

任务：

帮我判断这个 AI 产品方案是否靠谱。

要求至少使用：

• 任务拆解
• Rubric
• 对比式提示

然后比较三版 Prompt 可能带来的输出差异。