第一章 你好，提示词工程：别把大模型当搜索引擎用

上周刚接触AI的运营专员小A，对着电脑屏幕吐槽了不下十次：“这AI怎么还不如百度好用？”她上周五要交周报，随手在对话框里打了四个字“帮我写周报”，得到的回答全是“本周完成了上级交代的任务，参与了部门会议，学习了新技能”这种空泛到没法用的套话。她气得直接关了对话框，转头就去搜索引擎搜“周报模板”了。

其实小A的遭遇几乎是所有AI新手的共同经历：我们总觉得AI神通广大，却忘了和AI沟通和和人沟通一样，需要讲技巧、讲方法、讲背景。你给AI的信息越模糊，它给出的答案就越离谱；你给AI的指令越精准，它的表现就越超出你的预期。这种和AI“沟通的技巧”，就是整本书要讲的——提示词工程。

---

一、先搞懂：大模型根本不是“更聪明的搜索引擎”

很多新手对AI的第一反应就是“这不就是升级版的百度/谷歌吗？”，这个认知偏差，是大部分人用不好AI的根本原因。要搞懂提示词工程，首先得搞清楚：大模型和传统搜索引擎，完全是两种逻辑完全不同的工具。

1. 两者的核心逻辑，差着十万八千里

我们可以用一个生活化的比喻来理解两者的区别：搜索引擎是你家楼下的便利店店员，你只需要告诉他你要买什么，他就能从货架上帮你找到已经存在的商品；而大模型是你家的专属裁缝，你告诉他你要什么风格的衣服、什么场合穿、什么身材穿，他现场就能给你做一件独一无二的新衣服。

这个比喻背后是两者完全不同的技术逻辑：

• 搜索引擎的核心是**索引匹配**：它提前把互联网上的所有网页爬下来，建了一个巨大的“内容索引库”，你输入关键词，它就去库里找匹配的内容，然后按相关度排序给你。它的回答永远是“已经存在的东西”，不可能给你生成新的内容。
• 大模型的核心是**概率生成**：它提前学习了互联网上数以万亿计的文字数据，掌握了语言的规律和逻辑，你给它指令，它会基于训练出来的知识库，一个字一个字“生成”出符合你要求的新内容，回答永远是“第一次出现的新内容”。

用个更直观的序列图来看两者的交互差异： ```mermaid sequenceDiagram participant 用户 participant 搜索引擎 participant 大模型 用户->>搜索引擎: 输入关键词“李白简介” 搜索引擎->>用户: 返回10个相关网页链接，用户需要自己点进去筛选信息 用户->>大模型: 输入提示词“请用适合小学生阅读的语言，介绍李白的生平、代表作品和核心成就，字数300字左右” 大模型->>用户: 直接返回整理好的结构化内容，完全符合要求 ```

2. 用同一个问题，感受两者的回答差异

我们拿一个最常见的需求“怎么把大象装进冰箱”来对比两者的回答：

• 搜索引擎会返回一堆知乎回答、搞笑段子、百科链接，你需要自己翻半天才能找到有用的步骤；
• 大模型会直接给你分步骤的答案：“第一步，打开冰箱门；第二步，把大象塞进去；第三步，关上冰箱门”，如果你追问“如果大象是保护动物怎么办”“冰箱不够大怎么办”，它还能立刻给你扩展解决方案，甚至帮你写个申请运输保护动物的方案模板。

再拿一个更实用的需求“帮我写个给客户的道歉邮件”来对比：

• 搜索引擎会给你一堆道歉邮件的模板，你需要自己改客户名、改事件、改赔偿方案，改半天还可能不符合你的语气要求；
• 大模型可以直接给你生成符合你公司语气、对应具体事件、包含具体赔偿方案的邮件，你只需要改个客户名就能直接用。

这种差异本质上是：搜索引擎是“人找信息”，你得自己从一堆信息里扒你要的；大模型是“信息找人”，你只要说清楚你要什么，它直接把整理好的答案给你。这也解释了为什么很多人觉得“AI还不如搜索引擎好用”——因为你用搜索引擎的逻辑用AI，当然得不到想要的结果。

> 💡 【电子版侧边栏：小测试】 > 现在打开你的大模型工具，输入“2024年巴黎奥运会金牌榜”，看看它的回答：如果它接入了实时搜索插件，会给你准确的实时榜单；如果没有，可能会给你编造一些不存在的国家或者错误的数字，这就是大模型和搜索引擎的另一个核心差异：搜索引擎永远给你“已经存在的准确信息”，大模型如果没有实时数据支撑，可能会“编造”信息。

---

二、新手最容易踩的3个坑，你中了几个？

了解了AI和搜索引擎的差异，接下来我们看看普通人用AI时最常犯的三个误区，每一个误区都可能是你放弃使用AI的直接原因。

误区1：“问得越简单，AI越聪明”

这是90%的新手都会犯的第一个错：总觉得AI这么厉害，自己不用说太多，AI应该能懂自己的意思。就像小A只打“帮我写周报”四个字，指望AI能猜到她是个运营、这周涨了8000粉、对接了KOL合作，这相当于你让一个裁缝给你做衣服，却不说你要什么风格、什么场合穿、什么尺寸，最后做出来的衣服当然没法穿。

为什么简单提问没用？

大模型不是读心术，它的所有回答都是基于你给出的提示词来生成的：你给的背景越少、要求越模糊，它就只能靠“猜”你的需求，猜错的概率自然就高。我们可以拿同一个需求“推荐一道菜”来做对比：

• 差提示词：“推荐一道菜”，得到的回答是“推荐你尝试红烧肉，味道鲜美，营养丰富，适合家庭制作。”——太泛了，根本不知道合不合适你。
• 好提示词：“我是一名刚毕业租房住的95后，每周可支配生活费只有100块，厨房只有一口电煮锅，不会炒菜，推荐一道简单好做、成本不超过10块钱、不胖的菜，要包含食材清单和步骤。”——得到的回答是“推荐你尝试番茄鸡蛋面，食材只需要2个鸡蛋、1个番茄、一把挂面，总成本不到8块钱，步骤是把水烧开煮面，同时炒番茄鸡蛋，最后倒进去就行，全程10分钟，一份热量不到300大卡，非常适合你。”——完全符合你的需求，直接就能用。

很多新手还会觉得“我给AI的信息越多越好”，其实也不是：提示词的核心是“精准”，不是“冗长”。你给AI的信息必须是和你的需求相关的，无关的信息反而会占用AI的处理资源，甚至干扰它的判断。比如你让AI帮你写周报，完全不需要告诉它“我昨天中午吃了黄焖鸡米饭”，除非你的工作是美食博主，需要把吃饭的内容写进周报里。

差提示词vs好提示词的通用公式

我们可以把好的提示词拆成一个通用公式，新手直接套就能用： > 好提示词=角色+背景+任务+要求+格式 > - 角色：让AI扮演什么身份，比如“你是资深运营”“你是小红书美妆博主”； > - 背景：你的具体情况，比如“我是刚毕业的运营新人”“我和闺蜜去青岛玩”； > - 任务：你要AI做什么，比如“帮我写周报”“做旅行攻略”； > - 要求：具体的约束条件，比如“突出数据”“预算4000块”“不要早起”； > - 格式：你要的输出形式，比如“500字以内”“PPT大纲”“表格形式”。

比如刚才的写周报需求，套进去就是： > 角色：你是我所在的互联网公司运营部的直属领导 > 背景：我是负责抖音账号运营的专员，本周做了3件事：涨粉8000、对接了2个KOL合作、整理了用户反馈 > 任务：帮我写一份本周的工作周报 > 要求：语气正式，突出工作成果和数据，下周计划要具体可落地 > 格式：500字以内

用这个公式写出来的提示词，比“帮我写周报”有用10倍。

误区2：“AI什么都能做，做不好就是AI不行”

很多新手用了一次AI，发现它要么编造信息（也就是所谓的“幻觉”），要么算错数学题，要么写的代码跑不通，就立刻得出“AI就是智商税”的结论。这个误区本质上是对AI的能力边界没有清晰的认知。

首先要明白：AI的“幻觉”是固有特性，不是bug

大模型的回答是基于概率生成的：它学过海量的文本数据，知道在某个语境下，下一个字出现概率最高的是什么，所以它能生成连贯、合理的内容，但这种生成逻辑注定了它“不是查数据库”，而是“编故事”——如果它训练的数据里没有某个问题的答案，它不会说“我不知道”，反而会编造一个看起来非常合理、但实际上完全错误的答案。

比如你问它“《提示词炼金术》这本书的作者是谁”，如果它还没收录这本书的信息，可能会编造一个“作者是张三，2024年出版”的答案，说得有模有样，但完全是假的。再比如你问它“昨天上海的天气怎么样”，如果没有接入实时天气插件，它会给你编造一个温度、天气状况，看起来非常真实，但完全是错的。

AI的能力边界在哪里？

我们可以把AI的能力分成三个层级，新手一定要清楚： 1. 高可靠能力：适合AI独立完成，准确率90%以上，比如整理资料、写创意文案、写代码片段、翻译、做会议纪要、写小红书/公众号文案； 2. 需要校验的能力：AI可以辅助完成，但必须人工核查，比如写专业报告、算复杂数学题、查事实性信息、写法律/医疗相关的内容； 3. 完全做不到的能力：比如实时查询未公开的信息、做需要100%准确的专业判断、做涉及物理世界的操作。

所以不是AI什么都能做，而是你要把AI用在它擅长的领域，并且给它配上合适的工具：比如需要实时信息就给AI接搜索插件，需要准确数据就给AI接数据库插件，需要专业分析就 yourself 核查结果，这样才能发挥AI的最大价值。

误区3：“一次提问就能得到完美答案”

很多新手第一次问AI，得到的回答不满意，就立刻觉得AI没用，再也不想用了。这个误区本质上是把和AI的对话当成了“搜索引擎搜索”：你输入关键词，立刻就要得到完美的答案。但实际上，和AI对话更像和你下属沟通：你第一次说“做个活动方案”，下属做出来的肯定不符合你的预期，你会慢慢补充要求、调整方向，最后才能得到满意的结果。

提示词的本质是“迭代”

哪怕是专业的提示词工程师，写一个完美的提示词也要改好几次，从来没有谁能一次就写对。我们拿写活动方案来举例：

• 第一次提示词：“写个618活动方案”，得到的回答是通用的电商618方案，完全不符合你的需求；
• 第二次优化提示词：“我们是做美妆的，主打学生群体，预算10万，要在抖音和小红书做”，得到的方案就贴合你的品牌和渠道了；
• 第三次优化提示词：“要包含KOL投放比例、ROI目标、风险应对措施，格式是PPT大纲，每页要有核心观点”，得到的方案就几乎能直接用了。

这个迭代的过程就是提示词工程的核心：你不是在“提问”，而是在“调教”AI，慢慢把你的需求精准传递给它，最后得到你想要的结果。

---

三、真实案例：写好提示词前后，效果差10倍

为了让你更直观地感受到提示词的威力，我们拿三个普通人最常用的场景，对比差提示词和好提示词的答案差异。

案例1：职场人写周报

| 提示词类型 | 具体内容 | AI回答 | | --- | --- | --- | | 差提示词 | 帮我写个周报 | 本周工作总结：1. 完成了上级交代的任务；2. 参与了部门会议；3. 学习了新技能。下周计划：1. 继续完成工作任务；2. 提升专业能力。 | | 好提示词 | 你是我所在的互联网公司运营部的直属领导，我是负责抖音账号运营的专员，我这周做了3件事：1. 策划了3条美妆测评短视频，总播放量120万，涨粉8000；2. 对接了2个美妆KOL，确定了618的投放合作，单条合作费2万；3. 整理了上周的评论区高频问题，给产品部提了3条口红质地的优化建议。请帮我写一份周报，语气正式，符合互联网公司工作汇报风格，重点突出工作成果和数据，下周计划具体可落地，字数500字以内。 | 本周工作总结：1. 内容运营：本周共策划3条美妆测评短视频，总播放量达120万，账号累计涨粉8000，其中“黄皮口红实测”单条视频播放量突破50万，评论区互动率较上周提升12%；2. 商务对接：完成2位美妆垂类KOL的618投放合作洽谈，单条合作费2万元，已签订合作协议，预计6月1日正式上线投放；3. 跨部门协同：整理上周评论区高频问题27条，提炼口红质地厚重、沾杯等3项核心反馈，已同步至产品部需求池。下周工作计划：1. 跟进3条预热短视频的内容审核，确保6月1日前全部上线；2. 完成KOL投放内容的前期脚本审核，把控内容方向符合品牌调性；3. 整理近1个月评论区高频问题，输出《用户需求月度分析报告》。 |

你看，同样是写周报，差提示词得到的回答完全没法用，好提示词得到的回答直接就能交，连数据都不用改。

案例2：做旅行攻略

| 提示词类型 | 具体内容 | AI回答 | | --- | --- | --- | | 差提示词 | 帮我做个去青岛的旅行攻略 | 青岛是著名的海滨城市，有很多景点，比如栈桥、崂山、八大关，美食有青岛啤酒、海鲜，建议玩3-5天。 | | 好提示词 | 我是一名26岁的女生，打算下个月和闺蜜两个人去青岛玩4天3晚，预算总共4000块（不含往返机票），我们俩都喜欢吃海鲜，喜欢拍照，不想去太商业化的景点，讨厌早起，每天出门时间不会早于9点，住宿想在市南区，离海边近的民宿，预算300-400一晚。请帮我做一份详细的旅行攻略，包含每天的行程安排、景点推荐、美食店铺、住宿建议、交通方式，还要标注每个景点的拍照机位，预算精确到每天的花费，最后给出3个避坑提醒。 | 【青岛4天3晚旅行攻略】<br>✅ 住宿推荐：市南区栈桥附近民宿“海角小院”，350元/晚，步行到海边2分钟，带露台可以拍海景，提前订能送免费早餐。<br>✅ 行程安排：<br>Day1：下午2点出门→八大关景区（拍照机位：花石楼前面的台阶，拍欧式建筑+海景）→傍晚去第二海水浴场看日落→晚上去台东步行街吃海鲜（推荐“船歌鱼水饺”，人均80，鲅鱼水饺必点）<br>Day2：上午9点半出门→崂山仰口景区（避坑：不要买联票，只买仰口票就行，风景最好）→中午在景区附近吃农家宴（推荐“崂山人家”，人均100，海鲜新鲜）→下午去青山渔村拍海景村落→晚上去五四广场看灯光秀<br>……（后面两天行程省略）<br>✅ 避坑提醒：1. 海边卖的珍珠大多是假的，不要买；2. 打车不要坐路边喊客的，用滴滴就行；3. 吃海鲜不要在景区门口吃，往居民区走100米价格便宜一半。 |

这个攻略拿到就能直接照着走，连避坑提醒都给你准备好了，省了你查3天攻略的时间。

案例3：写小红书文案

| 提示词类型 | 具体内容 | AI回答 | | --- | --- | --- | | 差提示词 | 帮我写个推荐口红的文案 | 这款口红真的很好用，颜色很显白，质地很滋润，推荐大家购买。 | | 好提示词 | 你是小红书上的美妆博主，粉丝都是20-25岁的黄皮女生，主打平价美妆推荐，语气要活泼，像和闺蜜聊天一样，多用emoji，带点网络热梗。我要推荐的是colorkey的唇釉R666，颜色是烂番茄色，适合黄皮，质地是哑光的，不沾杯，价格是59块。文案要包含个人使用感受、上嘴效果、适合的场景、购买链接，开头要抓眼球，最后加话题标签，比如#口红推荐 #黄皮口红 #平价口红。 | 谁懂啊！黄皮涂这支直接白两个度！！😭 最近挖到的colorkeyR666真的把我美到失语！纯正烂番茄色，上嘴就是那种刚喝完红酒的娇艳感，哑光质地但是完全不干，我昨天吃了顿火锅都没沾杯，戴口罩都没掉！黄皮的姐妹放心冲，素颜涂也超显气色，上班、约会、蹦迪都能hold住，关键是才59块钱啊！两杯奶茶钱就能拥有的快乐，链接我放左下角了，手慢无！👇 #口红推荐 #黄皮天菜口红 #平价美妆 #好物分享 |

这个文案一看就是小红书爆款，发出去至少能拿几百个赞，而差提示词得到的回答根本没人看。

---

四、到底什么是提示词工程？

看完上面的案例，

看完上面的案例，你大概已经能感觉到：同样的AI工具，不同的提示词，得到的答案天差地别。那到底什么是提示词工程？它和我们平时随便跟AI“聊两句”有什么区别？这一节我们就彻底搞懂这个概念，顺便把新手最容易忽略的核心逻辑讲透。

1. 提示词工程的本质：不是“话术”，是“精准传递需求”

首先要明确两个基础概念：

• **提示词（Prompt）**：就是你输入给大模型的所有内容，不管是文字、图片、语音，甚至是上传的文件，只要是你给AI的输入，都属于提示词的范畴。很多人以为提示词就是“跟AI说的话”，其实远不止，你给AI的背景资料、参考案例、约束条件，都是提示词的一部分。
• **提示词工程（Prompt Engineering）**：就是系统化地设计、优化、迭代提示词，让大模型能够稳定、精准地输出你想要的结果的一门技术。它不是所谓的“AI话术”“聊天套路”，本质上和“怎么跟下属布置任务”“怎么跟设计师提需求”是一样的：你越能把需求说清楚，对方做出来的结果就越符合你的预期。

我们可以用一个生活化的比喻来理解：大模型是一个能力超强但完全不懂你需求的“超级员工”，提示词就是你给这个员工的工作需求说明书。你写的需求说明书越清晰、越具体，这个员工做出来的事就越符合你的要求；如果你只写“帮我做个方案”，那这个员工做出来的东西大概率不是你想要的。

> 💡 【电子版侧边栏：提示词工程师是个什么职业？】 > 你可能听过“提示词工程师”这个岗位，据2024年BOSS直聘发布的《AI岗位就业报告》显示，国内提示词工程师平均月薪为2.2万元，部分头部互联网大厂的资深岗位月薪可达5-8万元，部分自由职业者按项目收费，单个项目的费用可达数千到数万元不等[^1]。这个岗位的核心工作就是通过优化提示词，提升大模型在企业场景下的输出准确率和实用性，现在已经成了AI落地应用的核心岗位之一。

2. 提示词的核心逻辑：约束AI的输出空间

很多新手不明白：为什么我写的提示词和别人的差不多，效果就差这么多？核心原因是你没有给AI“划范围”。

你可以把大模型的生成逻辑理解成一个“概率填空游戏”：它读过了全世界数以万亿计的文字数据，知道在某个语境下，下一个字出现的概率最高的是什么，所以能一个字一个字地生成出连贯、合理的新内容。但如果没有约束，它的输出范围几乎是无限的：你让它写诗，它可能写爱情诗、写战争诗、写打油诗；你让它写方案，它可能写互联网方案、写制造业方案、写餐饮方案，完全不知道你要什么。

而提示词的核心作用，就是给AI划清输出边界，把它的输出范围从“无限大”缩小到“你要的那个范围里”。

我们拿“写一首诗”来举例：

• 没有约束的提示词：“写一首诗”，AI可能输出任何主题、任何风格的诗，完全不符合你的预期；
• 加了约束的提示词：“写一首七言绝句，主题是秋天，押ang韵，风格要清冷，写落叶和寒江的景色，不要用太生僻的字”，AI的输出范围就被锁死了，出来的结果几乎就是你想要的。

这个逻辑可以套用到所有场景：你让AI写周报，加了“我是抖音运营，本周涨粉8000，语气正式，突出数据”的约束，它就不会给你写空泛的套话；你让AI做旅行攻略，加了“我和闺蜜去青岛玩4天，预算4000，不要早起，喜欢吃海鲜”的约束，它就不会给你推荐需要凌晨起床看日出的景点。

我们可以用下面的流程图来理解这个过程： ```mermaid graph LR A[你的需求] --> B[转化为带约束的提示词] B --> C[AI缩小输出范围] C --> D[输出符合约束的结果] D --> E[你的