一个令人失望的答案，和一个更准确的答案
什么是提示词（Prompt）？
令人失望的答案：你发给 AI 的那段话。
更准确的答案：你为 AI 构建的"工作上下文"——它决定了 AI 会从哪个角度、以什么方式、针对什么对象来完成你的任务。
这个区别很关键。"你发给 AI 的那段话"意味着提示词就是一个信息传递的载体，写清楚就好了。但"工作上下文"意味着提示词是在给 AI 构建一个完整的工作场景——谁在说话、在说什么、对谁说、要达成什么目标、有哪些限制。
餐厅点菜是个好比方。
你说"来一个菜"，服务员完全不知道你想要什么，只能随便给你端一盘；你说"来一份麻婆豆腐，少辣，我对花椒过敏，要分开上"，服务员明确知道你要什么，能直接做对。
提示词就是这个"点菜"——你说的越清楚、越完整，AI 越能给出真正符合你需要的结果。
提示词质量 = 你对自己需求的清晰程度。这句话值得反复回味：AI 给出烂答案，八成是因为你自己也没想清楚你要什么。
角色 + 任务 + 约束：一个够用的基础框架
提示词技巧有很多，各种框架也层出不穷。但如果你刚刚开始，只需要记住三个要素，就能把 90% 的日常任务做好：
三个要素，逐一解释
要素一：角色
你是谁？AI 扮演谁？
告诉 AI 你的身份背景（帮它理解你的需求层次），或者让它扮演一个角色（给它一个专业视角的框架）。
示例："我是一名中学语文老师……" 或 "请你扮演一名资深营销顾问……"
要素二：任务
你要 AI 做什么？
越具体越好。不只是"写一篇文章"，而是"写一篇面向职场新人、介绍时间管理的文章，重点讲番茄工作法的具体操作"。
任务 = 目标 + 对象 + 核心诉求
要素三：约束
有哪些限制和要求？
格式（表格/列表/段落）、长度（200字/5条/一页）、语气（正式/轻松）、不能做什么（不要用专业术语）。
约束让 AI 的输出"可控"。
来看一个完整的例子
拆解：一个优质提示词的结构
角色
我是一个刚入职两个月的产品助理，需要向部门主管汇报上周的工作进展。
任务
请帮我把以下原始的工作记录整理成一份简洁的周报，突出已完成事项、遇到的问题和下周计划。
约束
格式：三段式（已完成 / 遇到的问题 / 下周计划）。语气专业但不要太正式，总长度控制在 300 字以内。
有了这个结构，AI 几乎能给出一份可以直接使用的周报初稿。没有这个结构，它给你的是一份"通用的周报模板"，没有任何个人信息，你还需要自己填满它——那还不如自己写。
同一个任务，五个版本的提示词
我们用一个真实场景——"我要给下属写一封反馈邮件"——来看提示词是如何一步步升级的：
1
最初版：完全模糊
帮我写一封邮件
AI 完全不知道邮件的主题、对象、目的，只能输出一封通用模板。
2
加上任务：知道做什么了
帮我写一封给下属的工作反馈邮件
稍好一点，但还是很模糊——是表扬、批评，还是建设性反馈？
3
加上背景：开始有方向了
帮我写一封给下属小李的工作反馈邮件。他上个月独立负责了一个客户项目，最终完成了，但过程中有一次严重的信息沟通失误，导致客户投诉。
AI 现在知道事件背景，但还不知道你想达到什么效果。
4
加上目标 + 语气约束：可以用了
帮我写一封给下属小李的工作反馈邮件。他上个月独立负责了一个客户项目，最终完成了，但有一次严重的沟通失误导致客户投诉。我想要：①肯定他独立完成项目的成长，②指出沟通失误的具体问题，③提出改进要求。语气：正视问题但保留激励性，不要让他觉得被否定。300 字以内。
现在有目标、有约束、有背景，AI 可以给出一封结构清晰、情感拿捏较好的邮件了。
5
加上你的风格偏好：接近完美
帮我写一封给下属小李的工作反馈邮件。他上个月独立负责了一个客户项目，最终完成了，但有一次严重的沟通失误导致客户投诉。我想要：①肯定他独立完成项目的成长，②指出沟通失误的具体问题，③提出改进要求。语气：正视问题但保留激励性，不要让他觉得被否定。300 字以内。我平时写邮件比较直接，不喜欢绕圈子，也不喜欢"如有冒昧请见谅"这种客套话。
加上了你的个人风格偏好，AI 的输出更有可能"像你写的"，而不是通用模板感。
你不需要每次都写第五版的提示词——有时候任务简单，版本一就够了。但当你发现 AI 的回答"不对"，先问自己：我提供的上下文足够了吗？
很多人在这三件事上浪费了大量时间
误区一
背"万能提示词模板"
网上流传着各种"史上最强提示词模板"，很多人花大量时间收集和背诵它们。
真相：没有万能模板。不同任务需要不同的上下文信息。背模板不如理解原理——理解"为什么要给 AI 这些信息"，你就能为任何任务即时构建合适的提示词。
误区二
一次就要完美结果
发出提示词，对结果不满意，就觉得"AI 不行"或"提示词写得不好"，然后重新写一遍重新发。
真相：好结果是迭代出来的。第一次回答不满意，直接在那个回答基础上继续追加要求。多轮对话比重写一遍更高效。
误区三
以为越长的提示词越好
觉得写得越详细越好，于是写出几百字甚至上千字的超长提示词。
真相：不是越长越好，而是越相关越好。冗余的信息会稀释核心指令，让 AI 不知道该重点关注什么。提示词的艺术是精炼，不是堆砌。
这三个误区的共同根源是：把提示词当作一个"技巧"来学，而不是把它当作"沟通"来练。跟 AI 沟通和跟人沟通的底层逻辑是一样的：说清楚你是谁、你要什么、你有什么限制，然后在来回中对齐。
提示词只是冰山一角
在你刚开始学习用 AI 的时候，"提示词"是你需要掌握的最核心技能。但随着你用 AI 做越来越复杂的事——比如让 AI 帮你管理一个多日项目、搭建一个自动化工作流——你会发现单靠"一条提示词"是不够的。
Anthropic（Claude 的开发公司）的工程团队提出了一个更大的概念：上下文工程（Context Engineering）。
它的核心思想是：在有限的 AI 注意力预算内，策略性地安排所有进入 AI 的信息——不只是你的"这一条指令"，而是整个工作场景的设定：你是谁、AI 该扮演什么角色、有哪些工具可以用、历史对话是什么、需要参考哪些外部资料……
提示词工程（Prompt Engineering）是上下文工程的一个子集。在入门阶段，掌握提示词就够了。当你开始做更复杂的 AI 工作时，你会自然进入上下文工程的领域——届时回到这章，你会有更深的理解。
现阶段你只需要记住：提示词写得好，本质上是你在帮 AI 构建一个最有利于完成任务的工作上下文。这是一项可以不断精进的能力。
我们会在第 13 章（认知科学）和第 49 章（高级技巧）继续深入这个话题。现在，让我们先把基础打牢。
本章练习
找出你最近一周里效果最差的一次 AI 对话（AI 给的答案完全不对、或者毫无用处）。把那个提示词重新写一遍，这次用三要素模型：加上角色、说清任务、给出约束。
然后把新的提示词发给 AI，对比两次的结果差距。这一次，相信你会有明显的感受。
本章要点回顾
- 01提示词 = 你为 AI 构建的工作上下文，不是一句指令。上下文越完整，结果越贴近你的需求。
- 02三要素模型：角色（你是谁 / AI 是谁）+ 任务（做什么）+ 约束（怎么做 / 不怎么做）。
- 03提示词升级路径：任务 → 加背景 → 加目标 → 加约束 → 加个人风格。不是越长越好，是越相关越好。
- 04三个误区：背模板（不如理解原理）、一次求完美（要迭代）、写超长提示词（要精炼）。
- 05提示词质量 = 你对需求的清晰程度。AI 给的烂答案，大多是因为你自己也没想清楚。
- 06上下文工程是提示词的升级版——在有限注意力预算内，策略性地安排所有进入 AI 的信息。入门阶段先掌握三要素模型。
→
现在你知道了提示词的底层逻辑。但 AI 的"工作台"是有限的——它不能记住无限长的对话，也不能同时处理无限多的信息。下一章，我们讲清楚这个"工作台"的大小和限制，以及它为什么会在长对话里"变笨"。