提示词（Prompt）是用户向 AI 模型发出的指令或输入内容。模型的输出质量，很大程度上由提示词决定：同一模型、同一任务，提示词写法不同，结果可能天差地别。
提示词可以是一句话、一段描述、一个带格式要求的任务，也可以是带示例的完整指令。广义的「提示工程」（Prompt Engineering）就是系统化地设计提示词，让模型稳定产出符合预期的结果。
- 模型是「概率预测器」：它根据输入预测最可能的输出。输入模糊，输出就发散；输入清晰，输出才稳定。
- 提示词决定「上限」：模型能力再强，也需要被正确引导。一个结构清晰的提示词，能让同样的模型产出质量明显更高的结果。
- 提示词影响成本与效率：写得好，一次就得到可用结果；写得差，反复重试既花时间又费 Token。
一个高质量的提示词通常包含四部分：
- 明确的任务：说清楚「让模型做什么」。不是「帮我写点什么」，而是「写一篇 800 字的产品介绍，语气专业、面向中小企业主」。
- 必要的上下文：给足背景信息。模型不了解你的业务，就默认用通用知识回答。
- 输出约束：指定格式、长度、结构（如「用 Markdown 表格输出」「分三点，每点不超过 50 字」）。
- 示例（可选）：给一个「想要的输入→输出」的例子，模型会模仿示例的风格与结构。
- 提示词越长越好：错误。无用的铺垫和重复会稀释核心指令，还可能把模型带偏。
- 「请」「礼貌」是必须的：礼貌用语不影响质量（某些场景反而占 Token），关键是任务描述清楚。
- 负面描述有效：对「不要做什么」模型理解不稳定，尽量正面描述你想要的。
- 一次成功才叫写得好：提示词是要迭代的。先粗后细，根据输出反馈调整，才是正常节奏。
- 角色设定：给模型一个角色（「你是资深 SEO 编辑」）能统一语气与视角。
- 分步指令：复杂任务拆成步骤（「先列大纲，再逐节展开」），比一次性大指令稳定。
- 固定模板：把常用任务（周报、文案、改写）写成提示词模板，只换变量，效率翻倍。
- 追问与修正：输出不满意时直接指出问题（「第二点太官方，换成口语」），比重新写一遍更快。
提示词是人与模型之间的「接口」：写得好，模型的强项才能被释放。掌握「明确任务 + 上下文 + 约束 + 示例」的结构，加上边用边迭代的习惯，就能让 AI 输出从「能看」提升到「能用」。具体能力以你使用的模型为准。
