L1-2、Prompt 的基础结构拆解
——写得“清楚”,AI才“聪明”
Prompt 不只是“让 AI 帮我做事”的指令,它是一种对任务的精准建模,写得越准、越具体,AI 表现就越像你想象中的“助理”甚至“合伙人”。
Prompt 的两大基本结构
我们可以将大多数 Prompt 写作归纳为两种核心结构:指令式和描述式。
1. 指令式 Prompt(Instructional)
这种方式就是告诉 AI “你是谁、你要干啥、怎么干、干到什么程度”。有点像写函数调用 + 规则说明。
示例:
请以第三人称撰写一段 100 字左右的产品文案,介绍一款面向上班族的智能水杯,突出智能提醒和续航优势。
分析结构:
- 角色:请以第三人称…
- 任务:撰写产品文案
- 内容要素:突出提醒与续航
- 约束:100 字左右
适合需要输出格式稳定、语言规范、结果可控的场景,比如:简历生成、电商文案、数据摘要等。
2. 描述式 Prompt(Descriptive)
更像给模型讲故事 / 构建场景,让 AI 自主“理解”任务。
示例:
想象你是一名品牌文案策划,现在要写一段介绍文案。产品是一款面向上班族的智能水杯,它能提醒喝水,还有超长续航。请写得有创意一点。
特点是:高自由度,适合创意性任务。但缺点是结果不够一致,有时风格跑偏。
适合写诗歌、段子、广告脚本、角色扮演等内容。
模型对关键词真的“敏感”吗?
是的,非常敏感。尤其是指令型大模型(如 GPT 系列),对语言中关键词的把控非常精准。
我们来做一个对比实验
可运行代码:试试关键词对输出的影响
from openai import OpenAI
from dotenv import load_dotenv
load_dotenv()
# Initialize OpenAI client
client = OpenAI()
def try_prompt(prompt):
response=client.chat.completions.create(
model='deepseek/deepseek-r1-distill-llama-70b',
messages=[{"role": "user", "content": prompt}],
)
return response.choices[0].message.content.strip()
prompt_1 = "介绍一款智能水杯,突出它的实用性和功能性。"
prompt_2 = "介绍一款智能水杯,突出它的科技感和创新感。"
print(" 实用导向文案:\n", try_prompt(prompt_1))
print("\n 科技导向文案:\n", try_prompt(prompt_2))
输出示例对比:
实用性:
这款智能水杯具备自动提醒功能,帮助用户按时补水,搭配持久电池续航,让日常使用更便捷,是现代上班族的健康助手。
科技感:
拥有温度监控、AI 饮水分析与蓝牙同步,这款智能水杯将科技融入生活,为你带来全新的智能饮水体验。
结论:只改动了两个关键词,“模型输出的方向、口吻、细节”就发生了明显变化。
✍️ 写好 Prompt 的黄金四要素
每一条高质量 Prompt,都具备下面 4 个关键元素:
| Prompt 组成 | 说明 | 示例 |
|---|---|---|
| 角色 | 让模型代入一个身份 | “你是一位简历优化专家” |
| 任务 | 说明你希望 AI 做什么 | “写一段产品介绍文案” |
| 限制 | 明确格式/字数/风格 | “150 字以内、第三人称” |
| 风格 | 决定语气与调性 | “语气要亲切、有创意” |
♀️ 明确 vs 模糊:写 Prompt 的“爆改示例”
我们来看一组对照练习:
| 模糊表达 | 明确表达 |
|---|---|
| 写一段产品文案 | 以第一人称写一段 80 字以内的宣传文案,介绍一款智能水杯,突出它的喝水提醒和长续航特点,语气活泼。 |
| 帮我总结一下文章 | 请将以下文章的核心观点浓缩为三句话,语气专业,不加入个人观点。 |
| 给我起个标题 | 请为以下内容起一个引人注意的标题,字数不超过15字,语言简洁有力。 |
实战练习:Prompt 改写训练
原始 Prompt:
帮我写一个公众号的文案。
改写思路:
- 公众号类型?
- 内容主题?
- 面向哪类人群?
- 风格要什么样?
优化后 Prompt:
请以轻松、有趣的语气,帮我写一段适合发布在互联网产品类公众号的推文文案,用于介绍一篇关于“用户调研的5种方法”的文章,
字数控制在100字以内,吸引读者点击阅读全文。
进阶建议:Prompt 模板化
你可以构建一套 Prompt 模板来“批量复制优秀思维方式”,比如
简历自我介绍模板:
你是一名专业的简历优化师。请帮我写一段适用于 {岗位} 岗位的自我介绍。
背景信息:我有 {经验} 年工作经验,擅长 {技能列表}。语气 {语气要求},字数控制在 {长度} 字以内。
填入变量,就能重复高质量生成。
UI设计模板:
你是一位全栈工程师,同时精通产品规划和UI设计。
我想开发一个AI英语口语学习助手app,现在需要输出完整的APP原型图,请通过以下方式帮我完成app所有原型图片的设计。
1、思考用户需要AI英语口语学习助手app实现哪些功能
2、结合用户需求,以产品经理的视角去规划APP的功能、页面和交互;
3、作为设计师思考这些原型界面的设计,并以设计师的视角去输出完整的UI/UX;
4、使用html在一个界面上生成所有的原型界面,颜色风格按照图片上提供的色彩搭配,原型以文件命名为:english_learn_app.html,
可以使用FontAwesome等开源图标库,让原型显得更精美和接近真实
5、我希望这些界面是需要能直接拿去进行开发的Cursor+Claude-3.7-sonnet 生成一整套APP原型图UI稿;



总结 & 提醒
| 常见误区 | 正确姿势 |
|---|---|
| “AI 懂我意思就行” | AI 不是读心术,Prompt 写得越清晰,结果越精准 |
| “写得越长越好” | 长并不代表好,结构清晰才是关键 |
| “随口说” | Prompt 是“写作”而非“说话”,它有明确的语法与结构 |
动画/案例交互的?我也能帮你设计 UI 页面(适合发布到个人网站或公众号小程序)
L1-2、Prompt 的基础结构拆解的更多相关文章
- Robot Framework+adb框架自动化测试Android设备案例⑸——L1层测试用例
一.L1层测试用例 1.初始化.robot *** Settings *** Resource ../L2层关键字.robot *** Test Cases *** 切换EMMC模式 [Tags] A ...
- Shell prompt(PS1) 与 Carriage Return(CR) 的关系?-- Shell十三问<第二问>
Shell prompt(PS1) 与 Carriage Return(CR) 的关系?-- Shell十三问<第二问> 当你成功登录进一个文字界面之后,大部份情形下,你会在荧幕上看到一个 ...
- AI 绘画咒语入门 - Stable Diffusion Prompt 语法指南 【成为初级魔导士吧!】
要用好 Stable Diffusion,最最重要的就是掌握 Prompt(提示词).由于提示词对于生成图的影响甚大,所以被称为魔法,用得好惊天动地,用不好魂飞魄散 . 因此本篇整理下提示词的语法(魔 ...
- Apworks框架实战(六):使用基于Entity Framework的仓储基础结构
在前面的章节中,我们已经设计了一个简单的领域模型,接下来我们希望能够实现领域模型的持久化及查询.在Apworks中,实现了面向Entity Framework.NHibernate以及MongoDB的 ...
- prompt() 方法,弹框带输入框
prompt() 有alert的风格,却带着输入框,这是怎么实现的呢? 语法 prompt(text,defaultText) 参数 描述 text 可选.要在对话框中显示的纯文本(而不是 HTML ...
- HTML DOM prompt() 方法
1. 定义和用法 prompt() 方法用于显示可提示用户进行输入的对话框. 语法 prompt(text,defaultText) 参数 描述 text 可选.要在对话框中显示的纯文本(而不是 HT ...
- zsh 命令提示符 PROMPT
使用上zsh后,发现命令提示符显示不了当前的路径,和一般的Linux系统默认提示不一致.配置自己的提示符: 更改配置文件.zshrc,添加配置PROMPT='%m:%. $',重新打开一个窗口生效. ...
- 开放式管理基础结构 OMI
Windows 长久以来在 CIM 实施领域一直傲立桥头,而这一切都是从 WMI(Windows 管理基础结构)开始的.分布式管理任务组 (DMTF) 通用信息模型 (CIM) 是一种开放式标准,用于 ...
- 一步一步拆解一个简单的iOS轮播图(三图)
导言(可以不看): 不吹不黑,也许是东半球最简单的iOS轮播图拆分注释(讲解不敢当)了(tree new bee).(一句话包含两个人,你能猜到有谁吗?提示:一个在卖手机,一个最近在卖书)哈哈... ...
- jquery自定义对话框alert、confirm和prompt
jQuery Alert Dialogs,又一个基于jQuery的提示框插件,主要包括Alert.Confirm.prompt这三种,还有一个高级范例,可以在提示框内嵌入HTML语言,可以自定义风格样 ...
随机推荐
- 洛谷P1191 矩形 题解
笛卡尔树的介绍 笛卡尔树,是一种二叉搜索树,它满足如下条件: 每个节点的编号满足二叉搜索树的性质. 每个节点的权值满足小根堆或大根堆的性质. 大概是这个样子: 笛卡尔树的建树 请看这里. 笛卡尔树的用 ...
- Qt关于使用QSqlQuary::size()这个函数值返回是-1
QSqlQuary::size( ) 今天做项目的时候,用Qt连接Oracle数据库,前面都是连接成功,但是用SQL语句去操作数据库的时候,发现老是读不到内容,卡了好久. QSqlQuery Rule ...
- 查看oracle数据库编码格式;ORACLE数据库NLS_CHARACTERSET和NLS_NCHAR_CHARACTERSET区别
查看Oracle数据库字符编码格式得方法,有以下两种,第二种方法有注释,第一种没有Select * from nls_database_parameter;Select * from sys.prop ...
- 从零开始开发一个 MCP Server!
大家好!我是韩老师. 最近,在 AI 开发领域,MCP (Model Context Protocol) 是越来越火了! 前几天,我我也开发了一款 Code Runner MCP Server: Co ...
- 第一次记录自己的java学习日常,之前都是看其他博主的java知识,现在该自己记录一下了。
对知识做总结 在学校呢,走过了非常多的坑,参加了一些比赛,但是也没有学到什么(含金量高的比赛可以参加,但是需参加之前先沉淀好自己的技术,不要报名了才去准备,得在准备中去报名),学校教的知识都是理论化, ...
- 代码块--java进阶day03
1.代码块 1.局部代码块 定义在方法中的一对大括号,可以提早释放内存,走完{}里的逻辑后就会被释放,在之后的编程中无法使用 2.构造代码块 位置在类中,方法外的{},在构造方法执行的时候,构造代码块 ...
- StringBuilder的介绍、构造方法及成员方法
1.StringBuilder的介绍 1.StringBuilder是字符串缓冲区,可以认为是一种容器,能装任何类型的数据,但被装入的数据都会变为字符串 如图 无论是什么类型的数据,被装入字符串缓冲区 ...
- study Python3【4】字符串的判断
判断类型: result为True和False str = '1122abc' str.isalnum()是数字或者字母 str = 'MDCA' str.isalpha() 是字母 str = '1 ...
- ubantu&windows搭建gis开发环境(qt+osg+osgearth+osgqt)
一.ubantu22.04中搭建地图开发环境(qt5.15.2 + osg3.7.0 + osgearth3.7.1 + osgqt) (1)下载安装qt5.15.2 : (2)下载编译安装osg3. ...
- windows10环境下,remote wsl链接wsl ubuntu使用ubuntu 开发环境,报错:VS Code server for WSL closed unexpectedly check WSL terminal for more details
报错提示这样 在windows的vscode里面的关键报错信息是:vscode wsl Unable to detect if server is already installed: Error: ...