使用ChatGPT或Claude一段时间后，你会发现，效果较好和较差的提示词往往有不同的结构。一旦能说出相关部分的名称，你就可以诊断回答为何不理想，而不是盲目重写。
下面将介绍这五个部分并给出完整示例，随后说明如何将它们组合起来。读完后，你将获得一个可根据不同工具和重要提示词灵活调整的模板，以及一个用于检查结果的验证步骤。
对于重复性工作，可以把提示词视为一份任务契约。它应明确角色、上下文、任务、约束、输出格式，以及如何处理不确定性。这样一来，提示词就能重复使用，也便于审查。
五个部分
依次是：
- 角色：这条提示词要求AI采用什么视角或工作立场？
- 上下文：你是谁、当前情境如何、此前发生了什么。
- 任务：你究竟希望AI做什么。
- 约束：长度、语气、需要避免和需要包含的内容。
- 格式：你希望输出采用什么形式。
并非每条提示词都需要包含全部五部分。随口一问不必如此完整，示例或源材料有时也比角色更重要。对于结果重要的工作，应把这份清单当作诊断工具，而不是强制公式。当前厂商指南同样强调清晰指令、相关上下文、示例、输出要求和评估，但没有哪家把这套方法定义为严格的五部分标准（OpenAI提示词工程指南；Anthropic提示词工程概览）。
1. 角色
角色是你希望模型采用的视角或工作立场。它可以帮助明确预期受众、用词和处理方式，但直接给出任务指令也可能同样有效。角色不会赋予模型真实资质，也无法让它获得原本不具备的专业判断。
较差：
解释一下养老基金如何运作。
较好：
你是一名清晰的讲解者，帮助爱沙尼亚处于职业生涯中期的员工理解养老金制度。你使用通俗英语，对专业术语只解释一次，并停留在概念层面：不推荐具体产品，不提供缴费金额，也不制定个人退休计划。
解释一下养老基金如何运作。
模型并不会真的变成顾问。这条指令只是要求它采用清晰说明文的风格和信息密度。这样可以让回答更具体，同时不把概念说明变成受监管的建议。
关于角色，有几点需要注意：
- 优先提供与任务相关的细节。“一名细致讲解爱沙尼亚企业会计，并能区分概念说明与申报建议的人”比“一名专家”具有更清晰的边界。
- 角色用于界定受众、语气和范围，不应用来代替申报或提供建议。角色不等于执照或专业能力证明。
- “持怀疑态度的审核者”“耐心的老师”或“细致的编辑”等工作倾向，在确实会改变所需行为时可能有用。如果一致性很重要，应将其与同等具体的指令进行测试比较。
- 避免虚构履历和叠加身份。“你是拥有二十年经验的世界级权威”不会创造这些资质。应直接说明所需方法、受众和限制。
2. 上下文
上下文是模型需要了解、但无法从任务本身明显得知的所有情境信息。包括你的角色、团队、正在进行的项目、已经尝试过什么、哪里失败了、受众是谁，以及任何会影响理想回答样貌的因素。
较差：
帮我起草一份给经理的项目进展汇报。
较好：
关于我：我在塔林一家B2B SaaS公司担任产品经理。两个月前，我开始负责一个身份验证系统迁移项目。
目前情况：上周，我们在一家第三方身份提供商处遇到了一个重大问题。修复该问题意味着交付时间将比原计划晚两周。除此之外，团队进展顺利。
我的经理：产品高级副总裁，偏好非常直接的汇报，不喜欢道歉和“我们致力于……”之类的套话，希望了解风险以及我准备如何应对。
起草一份项目进展汇报。
请留意：一旦模型知道你是谁、发生了什么、谁会阅读，回答会发生多大变化。这不是“为了增加上下文而增加上下文”。每一行都在塑造输出。
检查上下文时，重点看这三个字段：
- **你是谁。**你的职位、资历以及工作内容。
- **此前发生了什么。**事情的来龙去脉、以前的尝试、之前作出的决定。
- **输出给谁看。**受众是谁，以及他们的偏好、专业程度和约束。
如果你反复运行同一类获准提示词，可以在套餐和工作区支持时，把稳定指令保存在Custom GPT或Claude Project中。除非账户、合同和组织政策允许，否则不要放入机密或受监管数据；工作流程变化时也要复查已保存的指令。
3. 任务
任务就是实际请求。这是大多数人开门见山写出的部分。你平时的写法往往已经够用，例如“起草一封邮件”“总结这份文档”或“给我三个方案”，前提是周围的其他部分各司其职。
以下是几种实用的任务模式：
- 生成多个版本。“给我三份草稿。”“提供五个方案。”多个版本能提供可比较的选择，不必让一份草稿承担整个决定。
- 先访谈，再执行。“起草前，先问我五个你需要知道答案的问题。等我回答后再继续。”当缺失信息会实质改变草稿时使用这种方式。
- 批评，但不要重写。“找出这段内容的问题。引用具体语句。不要重写。”当你希望模型改进你的作品、而不是取代它时，这种方式很有用。
- 比较并推荐。“从以下四个维度比较X和Y。然后推荐其中一个，并告诉我哪些因素会改变你的结论。”适用于措辞、版式、会议议程等低风险选择；不要让它替你选择贷款、医疗方案或法律立场。
- 应用框架。“使用 [STAR / SWOT / RACI / Five Whys / ICE] 框架分析这件事。”
贯穿始终的原则都一样：明确告诉模型你希望它完成什么动作。
4. 约束
约束是对输出的限制：长度、语气、格式、用词、需要包含的内容和需要避免的内容。
缺少相关约束时，模型只能自行推断长度、语气、范围和受众等选择。明确边界可以减少歧义，也让结果更容易评估。
实用的约束包括：
- 长度。“不超过100个英文单词。”“最多三句话。”“一个段落。”“两页。”应根据用途选择限制，不要假设细节越多越好。
- 语气。“亲切但专业。”“犀利直接。”“口语化，略带自嘲。”“模仿[paste example]的语气。”
- 词汇。“不要使用‘leverage’‘utilize’或‘going forward’。”“避免行话。”“只使用12岁孩子能理解的词语。”
- 格式层面的约束。“不要开场白。”“不要结尾总结。”“不要以‘问得好’开头。”
- 需要包含的内容。“包含一个具体示例。”“引用我刚才提供的数据。”
- 需要排除的内容。“不要以道歉开场。”“不要用‘问得好’开头。”在低风险写作中，可以要求减少多余的模糊措辞；涉及金钱、健康、法律或安全时，不要删掉不确定性标记或专业建议边界。
优先用积极、具体的指令描述理想结果，再针对反复出现的问题加入范围窄的排除项。例如：“直接从建议开始。不要以‘问得好’开头。”一长串禁令可能比一句简短的优质输出说明更难遵循。
5. 格式
格式是输出的呈现形式：项目符号、表格、编号列表、段落、JSON、Markdown、代码块或纯文本。指定格式可以减少事后的整理工作。
示例：
以Markdown表格返回，包含三列：方案、优点、缺点。
以JSON对象返回，键名为 “summary”、“decisions” 和 “open_questions”。
以三个短段落返回，不要标题。
以包含五项的编号列表返回，每项一句话。
如果你要在后续环节使用输出（粘贴到文档、传入另一条提示词、发布到某处），一种特别实用的做法是用简短模板向模型展示格式：
按以下格式返回：
决定： […]
支持的三条主要论据：
- […]
- […]
- […]
反对的三条主要论据：
- […]
- […]
- […]
哪些因素会改变你的结论： […]
模型可以填补空白，让输出更一致，也更容易审核。如果软件必须解析结果，应尽可能使用产品的结构化输出或模式功能，并验证返回数据，而不是只依赖视觉模板。
6. 验证
第六部分不一定属于提示词本身，却是任何严肃工作流程的一部分：你如何判断回答是否足够好？
实用的验证指令包括：
如果你提出事实性主张，请注明它来自我提供的源文本，还是来自一般背景知识。
如果缺少任何必填字段，请填写
[missing]，不要猜测。
给出最终答案前，列出你作出的三项假设。
起草完成后，给我一份简短清单，列出使用前应核实的事项。
验证之所以重要，是因为看似完善的答案仍可能出错。好的提示词不只是要求模型生成输出，还会让模型明确呈现不确定性、缺失的输入和需要审查之处。
组合起来：一个完整示例
现在把五个部分组合到一个真实任务中。假设客户要求免费增加项目范围，你需要写一封礼貌但坚定的回复。
不使用模板时：
我的客户想让我免费多做一些工作，帮我写一封回复。
得到的内容会很泛泛。使用模板后：
**角色：**帮助我以一名直接、友善的自由职业设计师身份写作，明确项目边界，同时不要捏造政策、合同条款或客户历史。
**上下文：**我是一名自由职业设计师。一位客户（我已合作一年的初创公司创始人）刚刚要求我为一个已进入最终阶段的项目增加两个新页面。合同中已经明确约定了项目范围。除此之外，我们关系良好。我不想失去这个客户，但也不想免费完成这些工作。
**任务：**起草三个回复版本。
约束：
- 每个版本不超过150个英文单词
- 语气亲切但意思明确：我拒绝免费工作，不是在讨价还价
- 提供清晰的替代路径（例如，一项小型追加合作）
- 不要写“I hope this finds you well”，也不要为设定边界而道歉
- 不要包含“Best regards”或任何落款；我会自行添加
**格式：**三个编号版本，每个版本标注语气（例如“1. 亲切且解释充分”），并在下方用一行说明“何时适合发送此版本”。
第二条提示词给模型规定了更清晰的起草任务。审核全部三个版本，检查是否捏造事实或承诺，选择最接近要求的一份，编辑后再发送。
组合这五部分的常用模式
下面是几种值得尝试的提示词结构：
**反向访谈。**给出角色和上下文，然后让任务以“问我五个你需要知道答案的问题，以便把这件事做好”开头。让模型帮助你完善提示词本身。
**三版本起草器。**角色 + 上下文 +“起草三个版本”+ 长度和语气约束 + 编号格式。适合把比较多个选项作为工作的一部分。
**结构化分析师。**角色 + 上下文 +“应用此框架”+“严格采用以下章节结构”+ 格式。适合任何分析任务。
**耐心的辅导老师。**角色（辅导老师）+ 上下文（你和你的水平）+ 任务（教我并测试我）+ 约束（“一次只问一个问题，等我回答”）+ 格式（按阶段组织）。它结合全部五部分，形成实用的辅导循环。
你会逐渐发展出自己的模式。这些模式都是同一个模板的变体：五个要素按实用的起始顺序排列，而不是一条普遍规律。
一个会产生复利的小习惯
每当AI给出不太理想的回答，停顿两秒。问问自己：五个部分中，我漏掉了哪一个？
- 模型没有按所需身份或立场回答？→ 角色。
- 模型不了解我的情境？→ 上下文。
- 模型误解了要执行的动作？→ 任务。
- 输出太长、太正式或废话太多？→ 约束。
- 回答的呈现形式不对？→ 格式。
你可能会发现缺少某个要素、指令不够清晰，或示例质量不高。修复具体缺口，再试一次。这种习惯让你从自己的提示词和实际结果中学习，而不是只依赖通用公式。
五个部分，加上验证。有意识地使用它们，直到你能自然而然地想到它们。
