标签： AI教程

一句话结论：把“想要什么”改写成带有输入、任务、约束、输出格式和验收标准的说明，通常比堆叠关键词更能提升 AI 输出的稳定性。

本教程参考 OpenAI 的提示工程文档，重点是通用的任务描述方法。不同模型和接口参数会影响结果，教程中的模板适合先做小样本测试，再根据业务数据迭代。

模糊要求和可验证要求的区别

模糊写法	可验证写法
帮我写一篇好的文章	面向首次使用者，写一篇 800 字教程，包含步骤、注意事项和 5 个 FAQ
分析这批客户	按行业、需求、预算和下一步行动输出表格，不确定字段标为待确认

五段式提示词

角色：你是负责内容质量审核的编辑。
输入：下面是一篇关于 AI 办公的初稿。
任务：检查事实、结构、重复表达和读者是否能照做。
约束：不得凭空增加数据；发现缺少来源时说明缺口。
输出：先给 5 行总体结论，再按“问题 / 证据 / 修改建议 / 优先级”输出 Markdown 表格。

实际操作流程

1. 先给一小段输入，确认模型理解了任务，不要一开始就投喂全部资料。
2. 要求模型先输出计划或检查清单，再让它执行复杂任务。
3. 对关键事实要求它标注依据；没有依据就输出“无法确认”。
4. 用第二轮提示只修改一个变量，例如只改结构、不改事实。
5. 把表现稳定的提示词和示例保存到团队知识库，定期复测。

如何设置验收标准

验收标准要能被人快速检查，例如“必须有 3 个步骤”“每条建议不超过 50 字”“表格不能出现空的负责人字段”。不要只写“高质量”“有深度”，这类词没有统一尺度。

安全和事实核验

AI 可以生成看起来合理但不真实的内容。法律、医疗、价格、政策和产品规格都应回到官方页面确认。不要把密码、身份证号或未公开客户信息放入测试提示词。对于需要稳定输出的接口，还要处理拒答、截断和超长输入。

常见问题

提示词中应该写模型名称吗？

只有在任务确实依赖某个模型的特性时才写。通用模板应描述任务，不要绑定一个可能更换的型号。

要不要把“请一步一步思考”写进去？

可以要求输出检查清单、依据和结论，但不要把内部推理当作业务交付物。更重要的是给出可验证的中间结果。

为什么同一提示词结果仍会变化？

模型版本、上下文、随机性、资料顺序和系统指令都可能影响结果。用固定样例集回归测试，比凭一次体验判断更可靠。

怎样降低编造？

限定资料范围、要求引用依据、允许回答“无法确认”，并对关键结论做人工复核。

适合直接用于生产系统吗？

先做小流量和失败场景测试，再加入超时、重试、敏感内容过滤与人工兜底。

信息来源与说明

本文参考 OpenAI 官方 Prompt Engineering 指南，内容为中文教程化整理。具体 API 参数应以当前官方文档为准。