同一个 AI，不同的人用得到的结果天差地别。差距就在 prompt。
一、先理解：AI 不会读你的心
大多数人写 prompt 的方式：
"帮我写一篇好文章"
AI 拿到这个 prompt，只能给你一篇「平均水平」的文章。因为它不知道：
- 写给谁看？
- 多少字？
- 什么风格？
- 用在哪里？
- 你的水平在哪？
AI 的产出质量 = 你提供的信息量 × 你的约束清晰度
二、7 个让 AI 变聪明的技巧
技巧 1：给 AI 一个角色
❌ 「写一封商务邮件」
✅ 「你是 10 年外贸经验的销售总监，写一封商务邮件给德国客户」
加角色后，AI 会自动调整：用词更专业、语气更得体、考虑文化差异。
技巧 2：用「3 段式」把要求分清
任务：你是 XX，请帮我做 YY
背景：[相关上下文]
要求：
1. [硬要求]
2. [硬要求]
3. [硬要求]
例：
任务：你是高校 HR，请帮我评估这份简历
背景：候选人应聘新媒体运营，需要小红书、抖音运营经验
要求：
1. 找出 3 个亮点
2. 找出 2 个硬伤
3. 给出 3 个面试问题
技巧 3：给 AI 输出格式
❌ 「分析一下这家公司」
✅ 「分析这家公司，按以下格式输出：
## 业务概况
- 主营业务：
- 创立时间：
- 员工规模：
## 优势
1.
2.
3.
## 风险
1.
2.
3.
## 投资建议
- 评级：
- 理由：
明确的格式 = AI 不会乱发挥。
技巧 4：用 few-shot（给例子）
要 AI 学某种风格时，先给它 2-3 个例子：
我要你写一些「反差感」的小红书标题。
格式参考：
- 「月入 5 千，活成了 5w 的样子」
- 「在大厂干了 8 年，回老家当了村干部」
- 「30 岁辞职旅居，账户里只剩 3 万块」
现在，请帮我写 5 个关于「副业」主题的反差感标题。
AI 会从例子里学到「反差结构」，然后生成同类。
技巧 5：要求 AI 思考再回答
加一句话能让 AI 输出质量提升一个档次：
「请先在心里规划好答题思路，再给出最终答案」
或
「Let's think step by step.」
这是经典的 Chain-of-Thought 技巧，让 AI 内部推理过程更严密。
技巧 6：用「我会按 XX 检查」反向约束
❌ 「写一篇严谨的论文」
✅ 「写一篇论文，我会按以下 5 点检查：
- 论点是否有数据支撑
- 数据来源是否标注
- 反方观点是否提及
- 结论是否独立可重复
- 引用是否近 3 年内的」
AI 知道有「评分标准」后，会自动对齐。
技巧 7：分步交付，不要一次问完
对于复杂任务，分 3-5 轮：
第 1 轮：让 AI 先列大纲
第 2 轮：让 AI 选 1 个分支展开
第 3 轮：让 AI 改写优化
第 4 轮：让 AI 检查 + 润色
每轮你都可以调整方向，避免 AI 一次跑偏全跑偏。
三、3 个常见坑
坑 1：给的信息太少
「帮我做个 PPT」 → AI 给不出有针对性的内容。
不如告诉 AI：受众是谁、目的是什么、风格倾向、字数限制。
坑 2：一次问太多事
「帮我同时分析 A 公司、B 公司、C 公司，给出对比，再给买入建议」 → AI 会混乱。
应该：先逐个分析（3 次对话），再做对比（第 4 次对话）。
坑 3：不会 follow-up
很多人觉得 AI 第一次回答不好就放弃了。其实 follow-up 才是 AI 的强项：
- 「再深一些」
- 「换个角度」
- 「太学术了，改成口语」
- 「这一点我不同意，理由是…，请重新论证」
AI 的对话式调整能力，远比一次性 prompt 强大。
四、推荐资源
- Prompt 库 - 80+ 条精选 prompt，复制即用
- 写作类 Prompt 大全 - 小红书、知乎、公众号、剧本
- 编程类 Prompt - 代码 review、Bug 排查、单测生成
好的 prompt 是一种新的「读写能力」。值得花时间练。
