提示词怎么写：五段式模板 + 生成器什么时候有用

写提示词这件事，最反直觉的一点是：官方指南里明说，指南和模板只是起点。你照着抄一份看起来很像样的模板，跑出来不对，问题往往不在模板，在你没按自己观察到的输出改过它。提示词是给语言模型的自然语言请求，作用是让它给出准确、高质量的回答。Gemini的官方指南把提示词设计定义成「创建能让语言模型给出准确、高质量回答的自然语言请求」这个过程，同一页还有一句更重要的：提示词设计是迭代的，要按你自己的用例和观察到的模型输出反复实验调整。

对做出海站、用AI写内容的人来说，提示词决定的是返工次数。同一份需求，把角色、任务、上下文、格式、示例说清楚，模型第一次给的东西就能用；说得含糊，改十遍还是那个味。猎者出海的工作流里大量用AI，skills都是自己按项目写的，提示词是里面最基础的零件。

• 提示词是什么：发给模型的自然语言请求，可能是一个问题、一个任务、一段要处理的原文，或者一段要它接着写下去的内容。
• 官方怎么说：这是迭代出来的，指南和模板只是起点，改到你的用例上才算数。
• 怎么写：指令清晰具体、给输入、写约束、定输出格式、放示例、补上下文，复杂任务拆成几条。
• 要盯的数：temperature设0拿稳定输出，topP默认0.95，1个token大约4个字符。
• 容易白改的地方：示例格式不统一、示例给太多、不是所有失败都该回到提示词上改。

下面讲出海场景里的五段式写法、一份能直接抄的模板，以及生成器和优化器什么时候值得用。

提示词是什么，和提示词工程差在哪

一个是你发出去的那段话，一个是让它稳定生效

提示词落到手上就是你发给模型的那段话。它可能很短，一句「把这段英文改成美国人读得懂的说法」；也可能很长，前面贴着几千字资料，最后一句才是要求。官方的说法是自然语言请求，意思是你用日常语言把要什么说清楚，不用写代码。

提示词工程是另一个词。OpenAI的定义是为模型写出有效的指令，让它稳定生成符合你要求的内容。差别在那个稳定上：写出一条能用的提示词，靠的是一次手感；让它换一批输入还能用、换个模型不崩，才算工程。

为什么同一个提示词跑两次结果不一样

模型生成的内容是非确定性的。OpenAI的说法是，因为输出不确定，调提示词这件事是艺术和科学的混合；微软写得更直接，提示词构造在实践中更像艺术而非科学，常常要靠经验和直觉。两句话说的是同一件事：同样的提示词跑两次结果不同，不代表你写错了。

知道这一点有用。它意味着你不能拿一次结果判断一条提示词好坏，得跑同一批输入看稳不稳。也意味着后面那些改一处、重跑、对比的动作才有意义。

你给的到底是哪一种输入

Gemini把提示词里要模型回应的那部分文本叫输入，分成四种：让模型回答的问题、让模型执行的任务、让模型操作的实体、让模型补全的半截内容。分清这个不是学术问题。问题型输入你要的是答案，任务型输入你要的是交付物，实体型输入你要的是处理结果，补全型输入你要的是接着往下写。

类型不同，验收方式就不同。任务型输入不写输出格式，模型会自己挑一个，你就没法验收。

还有一句要记住。Anthropic说提示词工程聚焦的只是那些能靠提示词控制住的成功标准。模型本身能力不够、任务不适合这个模型，这些不在提示词能管的范围里。

想先上手一个工具再回来看写法，可以先看ChatGPT测评和使用教程。

提示词怎么写：官方推荐的做法，一条对一个失败

Gemini把提示词拆成六步：给清晰具体的指令、给输入、写约束、定输出格式、放示例、补上下文。复杂任务再加两条，拆子任务和链式提示词。微软和OpenAI的文档里还有几条补充，任务放开头、末尾重复指令、用Markdown或XML分节。合起来看，每一条都在解决一个具体的失败。

指令要清晰具体，任务放在最前面

Gemini的建议是精确直接，把目标说清楚说短，别用不必要的、过度说服性的语言。微软补了位置：把你想让模型做的任务放在提示词开头，再给上下文和示例，输出质量会更高。落到写法上，第一句就该是把下面的英文改写成什么这种动作句，而不是先铺垫三百字背景。

关键约束、角色、格式放最前面，分隔符只用一种

Gemini 3的建议是把关键的行为约束、角色定义和输出格式要求放进系统指令，或者放在用户提示词的最前面。

分隔符这件事三家口径一致。Gemini建议用XML风格标签或Markdown标题区分提示词的不同部分，选一种并在一条提示词里保持一致；微软说拿不准语法就用Markdown或XML，因为模型在大量这类网页内容上训练过；OpenAI说Markdown的标题和列表能标出不同部分、传达层级，XML标签适合界定一段内容从哪开始到哪结束。你只要记一条：一条提示词里只用一种分隔方式，别上面是XML标签，下面换成三个等号。

上下文长的时候，先给材料，问题放最后

Gemini 3的建议是长上下文场景先把资料全部给完，具体指令或问题放在提示词最后，并且在大块数据之后加一句过渡语，把上下文和问题接起来。

微软从另一个角度说了同一件事：模型可能受近因偏差影响，提示词末尾的信息对输出的影响可能比开头更大，所以在末尾重复一遍指令、看输出有没有变化，是值得做的实验。你写长提示词时，开头放角色和约束，中间放资料，最后放问题，再把最关键的那条要求抄一遍收尾。

示例要具体、多样、格式统一，但别给太多

Gemini的说法很硬：建议提示词里始终带few-shot示例，没有示例的提示词效果可能更差；示例如果足够清楚地展示了任务，甚至可以把指令删掉。同时给了三个限制。示例要具体且多样。结构和格式必须一致，XML标签、空白、换行、示例之间的分隔符都要统一，否则会得到不想要的输出格式。示例给太多，模型可能开始对示例过拟合，输出变成照着示例抄。

别假设模型知道你的背景，复杂任务拆开

官方的说法是，把模型解决问题需要的信息写进提示词，而不是假设它已经知道。这条最容易漏：你脑子里有一堆前提，模型一条都看不到。

任务复杂时，Gemini给了两个做法。一是拆分指令，一条提示词只放一个指令，而不是把一堆要求塞进一条；二是链式提示词，把多步任务的每一步做成一条提示词，上一条的输出作为下一条的输入，最后一条的输出就是结果。微软的说法一样，任务拆成更小的步骤，模型往往表现更好。

拿一个平台照着改最快：DeepSeek测评和使用教程。

五段式落地：角色、任务、上下文、格式、示例一步步填

五段式不是什么新东西，它是把上面那些推荐压成一个能照着填的骨架：角色、任务、上下文、输出格式、示例。顺序按官方说的排，关键指令放最前面，大块资料放中间，问题和格式要求放最后，末尾再收一句。

1. 第一步，角色。写清模型扮谁、按什么口吻说话、不做什么。比如「你是一名英文网站编辑，读者是美国的普通消费者，只改语言和结构，不新增事实」。依据是Gemini 3把角色定义列在必须放最前面的关键指令里。回查：输出全是空话套话，先看角色那句是不是只写了你是专家四个字。
2. 第二步，任务。一句话说清要它干什么，一条提示词只放一个任务。依据是Gemini把清晰具体的指令列在第一步，微软也建议任务放开头。这一项必须你自己填，模型替你决定任务，后面四段全废。
3. 第三步，上下文。把模型解决问题需要的信息贴进去，原文、读者是谁、什么不能写，都写清楚。依据是别假设模型知道背景那一条。回查：输出里出现你没给过的事实，就是上下文缺了，或者你没写不许新增事实。
4. 第四步，输出格式。表格还是列表，几列，列名叫什么，每格多少字，写死。依据是Gemini把定输出格式单列一步，可选表格、项目符号列表、关键词、句子、段落。这一项也必须你自己填，格式就是验收标准。
5. 第五步，示例。给几组输入输出对照，字段顺序、标点、换行完全一致。依据是few-shot那三条限制。回查：输出格式跑偏，先去比对示例本身的格式。

填完不要一次改五段。跑一遍，只改一处，重跑，留下变好那版。Gemini说提示词设计有时要几轮迭代才能稳定拿到你想要的回答；一次改五处，你分不清是哪一处起的作用。

输出不对怎么回查，后面单列一个顺序。这里先记一条：一次只动一个变量，其余全部保持上次的样子。

这套东西要在团队里反复用，就固化进智能体，不用每次手写：扣子Coze智能体教程。

一个出海场景的提示词模板，可直接抄

Gemini给了一份组合最佳实践的通用模板，同时提醒始终要按具体用例迭代修改。下面这份是照那个结构拼的，字段按写英文站的需求填，你换个品类就把示例换掉。

• # 角色：你是一名英文网站编辑，读者是美国的普通消费者。只改语言和结构，不新增事实，不改原文观点。
• # 任务：读下面的文章草稿，列出需要改的地方。这一条只做这一件事，不要给润色后的全文。
• # 上下文：<context>把文章草稿粘在这里</context>。基于上面的草稿，列出需要改的地方。
• # 输出格式：表格三列。第一列是原文那一句，第二列是问题类型，只能填用词、语序、冗余三个值之一，第三列是改法。一行只说一个问题，表格以外不写任何话。
• # 示例一：We provide the best quality products. ｜ 用词 ｜ 改成更具体的说法，不用best这类空词。
• # 示例二：Our team have many years experience. ｜ 语序 ｜ 改成Our team has years of experience.

逐段对一下出处。角色和格式两句是按关键指令放最前面写的。上下文用XML标签包起来，是按选一种分隔符并保持一致写的。最后那句基于上面的草稿，是按长上下文里加过渡语、把问题和材料接起来写的。两组示例的字段顺序和三列格式完全一样，是按示例格式必须一致写的。任务那句只放一件事，是按一条提示词一个指令写的。

模板只是起点，Gemini的原话是要按具体用例迭代修改。你换一个品类、换一个模型，示例就要重写，别把上一份的示例直接搬过去。用的时候把尖括号里的内容换成你的原文，别留着占位符跑。

提示词生成器和优化器：什么时候有用，什么时候没用

生成器解决从零到一。Anthropic在讲提示词工程之前，先要求三样东西：清楚的成功标准、能按标准做实证测试的方法、一份想改进的初稿提示词。它给的是一个能改的起点，不是一个能上线的成品。

Anthropic还给了一个官方点名的入口：没有初稿的时候，用Claude Cookbook里的metaprompt配方生成一份。

优化器解决从一到十。你有一版能跑的提示词，输出时好时坏，要按官方结构重排。重排有明确的检查项：关键约束在不在最前、长上下文是不是先给材料、问题在不在最后、分隔符是不是只用一种、末尾有没有把最关键的要求再说一遍。

它替不了的有两件。一件是任务，一件是输出格式。这两项是验收标准，让模型自己定标准，它一定满足得了，你就没法拿它验收。还有一件它看不见的是示例：格式是否一致、数量是否合适，得人一条条比对字段顺序、标点、换行。

还有一种情况根本不该动提示词。有时候问题不在写法上，换一个模型比改十遍提示词更省，这一条放到后面的误区里展开。

另外提醒一句，提示词注入是安全问题，本文不给做法。凡是会把用户输入、网页正文直接塞进提示词的场景，别当成纯写法问题处理。

大模型不按提示词要求输出，按这个顺序排查

输出不对的时候最忌讳乱改。按下面这个顺序，一次只试一条，每条都跑同一批输入。

1. 换措辞。同一个意思换不同的词或说法，官方说这常会让模型给出不同回答。
2. 换一个类似任务。某个任务它就是不按指令做，就给它一个能达到同样结果的相近任务。
3. 调内容顺序。官方说提示词里内容的顺序有时会影响回答。
4. 在末尾重复指令。微软说模型有近因偏差，末尾信息的影响可能更大，重复一遍再对比输出。
5. 检查示例格式是否一致。结构和格式不统一，会直接带出不想要的输出格式。
6. 检查示例是不是给多了。示例太多，模型可能开始对示例过拟合。
7. 检查上下文有没有漏。你脑子里的前提，模型看不到，缺什么补什么。
8. 还是不行，考虑换模型。Anthropic说不是每个失败的评估都最适合用提示词工程解决，换模型有时更容易改善延迟和成本。

还有一种情况是模型返回兜底回答，也就是提示词或回答触发了安全过滤。官方的建议是可以试着提高temperature。注意这条只对还接受temperature的模型有效，新版Gemini已经忽略这个参数。

排查时还有一条纪律：同一批输入重跑。一次结果说明不了什么，模型输出本身不确定，你要看的是三次里有几次对。

写提示词要盯的几个数和限制

写提示词本身不需要记很多参数，下面四个数够用，其余基本是设置一次就不动。

判断一条提示词改得对不对，先把不确定的那部分按住，temperature设0，再看输出差在哪。不这么做，你分不清是提示词写得不好，还是这一次采样抽到了别的说法。

参数这块有一条变化要提前知道。Gemini 4和Gemini 3.6+模型会忽略temperature、top_p、top_k的自定义值，返回弃用警告头，未来版本会直接返回400错误，官方要求从请求配置里把这三个参数移除。更早的Gemini 3模型则是把这三个参数保持在默认值，避免推理性能下降。

OpenAI那边是另一个方向的变化。提示词创建从2026年6月3日起弱化，v1/prompts计划2026年11月30日关停。官方的建议是把生产提示词存在应用代码里，而不是建可复用的提示词对象，理由是代码能管类型化输入、能做代码评审、能跑测试、能走正常部署流程。同时把应用固定到具体的模型快照，再建一套测试和评估来衡量提示词行为。

常见误区：这几个想法会让你白改

下面每一条都是一句结论加一句官方依据，对上了就少走一轮。

• 以为提示词写一次就够。Gemini说提示词设计有时要几轮迭代才能稳定拿到你想要的回答。
• 以为所有失败都该改提示词。Anthropic说不是每个失败的评估都最适合用提示词工程解决。
• 以为一套技巧对所有模型通用。微软说每个模型行为不同，学到的经验未必同样适用于所有模型。
• 以为一份写好的提示词能到处用。微软说某个场景下有效的提示词不一定能更广泛地泛化到别的用例。
• 以为示例越多越好。Gemini说示例太多，模型可能开始对示例过拟合。
• 示例格式不统一。Gemini说结构和格式不一致，就会得到不想要的输出格式。
• 以为模型知道你的背景。官方说要把解决问题需要的信息写进提示词，而不是假设它已经知道。

还有一条边界容易被忽略：微软明确说这些技巧不推荐用于gpt-5和o系列这类推理模型。同一份文档里的示例是针对基础GPT-4用英文测的，部分技巧在新模型上结果可能不同。

最容易一起犯的是第五条和第六条：示例给太多，格式又不统一，输出会稳定地错在同一个地方。这时候你改十遍指令都没用，问题在示例里。

用AI写提示词：能帮哪几步，人要核什么

写提示词这件事可以分给AI一部分，省的是重复劳动，省不了的是判断。能帮的活有四步。

1. 把一句模糊需求扩成五段式初稿：角色、任务、上下文、格式、示例都先摆出来，你再删改。
2. 把已经能跑的提示词按官方结构重排：关键约束提到最前、长上下文放前面、问题放最后。
3. 生成示例草稿：一次给一批few-shot示例，格式是否一致、数量是否太多，由你检查。
4. 列失败原因清单：把原提示词和失败输出一起交给它，让它分类列出可能的原因，你按上面的排查顺序一条条试。

必须你自己动手的有三件。一件是亲手填任务和输出格式这两项，它们决定成败，不能让模型代填。一件是在所用平台的后台把模型固定到具体快照版本，再跑同一批输入看输出稳不稳。还有一件是拿到排查清单后，自己逐条改一处、重跑一次，看哪一处让输出变好，决定留哪一版。

下面三条是本文给的示例，不是官方模板，用的时候按你的任务改。

• 请把下面这句需求改写成包含角色、任务、上下文、输出格式、示例五部分的提示词，每部分用Markdown标题分开，不要添加我没提供的事实。
• 下面是我的提示词和模型输出。请只指出提示词本身的问题，按指令不清、缺上下文、缺示例、格式未指定、约束冲突五类各列一条，不要重写全文。
• 请为这个任务生成3组输入输出示例，三组示例的字段顺序、标点、换行必须完全一致，用于few-shot。

写站这边，把同一份官方原文整理成对照表，这类活可以交给猎者出海的AI Agent。

常见问题

提示词工程是不是一次就能定稿

不是。Gemini说提示词工程是迭代的，指南和模板只是起点。按同一批输入跑几轮，每轮只改一处，输出稳了才算定稿。

没有初稿提示词怎么办

Anthropic给了入口：用Claude Cookbook里的metaprompt配方先生成一份初稿，再按你的用例改。生成器给的是起点，任务和输出格式这两项还是你自己填。

提示词工程解决不了的问题怎么办

先确认问题是不是落在提示词能管的范围里。Anthropic的说明是提示词工程只覆盖能靠提示词控制住的那部分成功标准，不是每个失败的评估都最适合用提示词工程解决。

复杂JSON输出怎么保证格式

简单的JSON可以在提示词里直接指定格式。更复杂的JSON Schema，Gemini建议用API的结构化输出功能，不要靠提示词硬约束。

模型可能编造事实怎么办

只在提示词里写一句不许编，管不住这件事。Gemini可以用工具减少幻觉，需要冷门或近期事实的时候启用Google Search grounding，把模型接到实时网页内容上。

需要算数怎么办

把算术交给工具，不要让模型心算。Gemini的代码执行工具能让模型生成并运行Python代码，涉及算术、计数或计算时应该启用。

相关文章：想往提示词这条线找收入，可以看提示词工程师赚钱和AI工具赚钱15个方法。

提示词这件事没法一次改完。先把任务和输出格式这两句写死，剩下的按输出一轮轮改，改到同一批输入能稳定给出你要的东西，再谈模板和工具。长稿要反复改，成稿和本地化这类活可以交给猎者出海的AI Agent，改到哪一版、留哪一版还是你自己定。