提示工程五核心战术

五个日常最常用、且大多有学术研究背书的核心技巧,每个都配"提示词模板":

1. Role-playing(角色扮演):让 AI 代入专家/名人/角色的身份,借助其知识库模拟对应的风格、专业度和视角。模板:"You are an expert in [field] known for [key adjective]. Help me [task]."例:让 AI 扮演"擅长弥合产品愿景与技术实现的资深软件架构师",帮你准备和工程团队沟通技术可行性的谈话要点。
2. Style unbundling(风格拆解):不直接让 AI 模仿某人,而是先让它列出该风格的构成要素清单,再用这份清单去指导新内容生成——比直接模仿更可控,能挑着用你想要的元素。两步模板:①"Describe the key elements of [expert]'s style/skill in bullet points."②把①的输出作为风格指南喂给"Do [task] in the following style: [style]."
3. Emotion prompting(情感提示):给任务加上情感语境或利害关系(如"这件事对我的职业生涯很重要"),利用 AI 被训练为"乐于助人"的倾向换取更用心、更周全的输出。要谨慎使用——有时会适得其反,导致结果变差。
4. Few-shot learning(小样本学习/上下文学习):先给 AI 几个任务示例,再让它完成类似任务,能显著提高结果对齐目标格式/风格/结构的准确度,尤其适合容易产生歧义或有特定结构要求的任务(如按团队现有格式写 user story)。
5. Synthetic bootstrap(合成引导):让 AI 基于给定输入批量生成多个示例,这些生成物可作为后续 prompt 的 few-shot 素材或测试用例——在缺乏真实案例(如没有用户研究资源做 persona)时特别有用,能在没有领域专家参与的情况下引导 AI 表现提升。