AI提示词：写出能得到有用回答的提示词的方法

写AI提示词就像给同事写一份好的工作简报。模型厂商都发布了自己的建议，例如OpenAI的提示词工程指南，下面的原则大多是它们的共识。我们关于提示词工程的词条介绍了相关术语。

什么是AI提示词？

提示词是模型回答前读到的全部内容：您的问题、指令、粘贴的文档以及对话中之前的消息。除此之外，模型对您的目标、受众和标准一无所知。模糊的提示词只会得到平庸的回答，因为模型会用最常见的通用选择来填补空白。

好的提示词由哪些部分组成？

1. 角色

告诉AI它应该是谁：“你是一名为财务总监写作的B2B文案。”角色决定了用词、语气和专业程度。

2. 背景

说明情况：公司、产品、受众、文本目的、已经做过的工作。这是大多数人省略的部分，却是对结果影响最大的部分。

3. 任务

用一个动作动词说明一项明确的任务：撰写、总结、比较、改写、列出。把大型工作拆成多个提示词。

4. 约束

篇幅、语气、要避免的词、必须包含的事实、阅读难度、语言。约束能把通用的回答变成符合您品牌的回答。

5. 格式

说明回答的形式：带指定列的表格、编号列表、三个版本、JSON对象、小标题加短段落。

6. 示例

给出一两个您期望的示例。这种技巧称为少样本提示（few-shot prompting），得名于研究论文Language Models are Few-Shot Learners，该论文表明，大模型只需提示词中的少量示例就能掌握一项任务。参见我们关于少样本学习的词条。

哪些提示词技巧最有效？

• 要求分步：在推理类任务中，要求模型一步一步解决问题能提高准确性。这一思路在关于思维链提示（chain-of-thought prompting）的研究中得到了系统阐述。
• 提供参考材料：粘贴原文、数据或风格指南，并要求模型只使用这些内容。这能减少编造的事实。
• 要求自我检查：“对照约束条件检查你的回答，并修正不符合的地方。”
• 先让它提问：“写之前，先问我你需要的问题。”当您不确定该提供什么背景时很有用。
• 反复迭代：把第一个回答当作草稿，用精确的反馈来完善（“再短一些”“更具体”“去掉术语”）。
• 把指令和内容分开：用清晰的分隔符包住粘贴的文本，避免模型把它和您的指令混淆。

差提示词与好提示词：营销示例

应避免哪些错误？

• 背景太少：模型只能猜测您的受众和目标。
• 一次多项任务：每项任务的质量都会下降。
• 指令相互矛盾：“简短但详细”“正式但随意”。
• 要事实却不给来源：模型可能编出看似合理却错误的数字。请提供数据，或逐一核实。
• 接受第一个回答：两三轮反馈通常就能带来明显差别。
• 粘贴机密数据到您未核查其数据政策的工具中。

如需基于这一方法、可直接使用的SEO和GEO提示词，请查看我们的SEO与GEO提示词库。如果想长期改进提示词，我们关于提示词优化的词条介绍了如何对不同版本进行对比测试。

客户输入的提示词又如何？

提示词在另一端同样重要。当买家问ChatGPT“小型代理公司该用哪款财务软件？”或问Perplexity“最适合房地产的CRM”时，回答只会提到少数几个品牌。这些提示词就像搜索查询：更长、更口语化、更具体，并越来越多地决定谁会进入考虑范围。

跟踪这类提示词清单并检查哪些品牌出现，被称为提示词监测。它能告诉您在哪些问题上被推荐、在哪些问题上缺席，以及AI在您的位置引用了哪些来源。这些数据随后会指导您的内容：用带来源的事实清楚回答这些问题的页面，正是助手会引用的页面。

好的AI提示词会给模型一位好同事所需要的一切：角色、背景、单一任务、明确的约束、格式和示例；而客户输入的提示词同样值得重视，因为它们决定了AI是否推荐您。如需在ChatGPT、Claude和Gemini中跟踪这些客户提示词，Sorank会根据方案跟踪25到150个提示词，显示谁在替代您被引用，并以autopilot 模式发布优化文章，提供3天免费试用。