很多用户已经掌握了基础的提示词技巧，比如"扮演专家"或"这一步一步来（CoT）"。但要真正释放大模型（LLM）的潜力，往往需要一些更细腻、甚至有些"反直觉"的高阶技巧。
以下是一些鲜为人知但极为有效的 AI 提示词技巧，我将它们分为 结构控制 、思维深化 和 交互策略 三个维度。
第一部分：基础高阶技巧
一、结构控制：让 AI 听懂"潜台词"
这一类技巧主要用于防止 AI 产生幻觉，或在处理复杂任务时保持逻辑清晰。
1. 使用"分隔符" (Delimiters)
这可能是被最严重低估的技巧。当你的提示词很长，且包含背景信息、指令和待处理文本时，AI 容易混淆。
技巧： 使用特殊的符号将不同部分隔开。
- 符号示例：
""",###,---,<article>,<instructions> - 原理： 这不仅帮助 AI 区分哪部分是"指令"，哪部分是"数据"，还能有效防止提示词注入。
示例：
请总结 `"""` 包含的文本。不要总结文本之前的任何指令。
"""
[这里粘贴你的长文本]
"""2. 指定输出格式为"伪代码"或结构化数据
即使你不需要写代码，要求 AI 以某种逻辑结构输出，也能强制它进行更有条理的思考。
技巧： 要求输出 JSON、Markdown 表格，或者"像伪代码一样思考"。
示例：
请分析这个商业案例。请不要直接写段落，而是以 Markdown 表格形式输出，包含以下列：[关键问题, 潜在风险, 建议方案, 预期影响]。3. "少样本提示" (Few-Shot Prompting) 的进阶版
很多人知道给 AI 一个例子（One-shot），但不知道给包含"思维过程"的例子威力有多大。
技巧： 不要只给"输入 -> 输出"，要给"输入 -> 推理步骤 -> 输出"。
示例：
任务：判断评论情感。
示例 1：
评论："书是破的，物流还慢。"
思考：用户提到了产品质量差（破）和物流差（慢），整体情绪为负面。
标签：差评
示例 2：
[你的新输入]...二、思维深化：提升内容的质量与密度
这一类技巧用于解决 AI 生成内容"车轱辘话多"、"空洞"或"不够深刻"的问题。
4. 密度链 (Chain of Density)
AI 写摘要或文章往往太啰嗦或遗漏细节。这个技巧能让内容既简练又信息量巨大。
技巧： 要求 AI 递归地修改同一个内容，每次增加新的实体或细节，但保持长度不变。
示例：
请为这篇文章写一段摘要。
接下来，请重写这段摘要 3 次。
每次重写时，请找出原文中遗漏的 1-2 个重要实体（人名、地点、概念），并将它们融合进摘要中，**但不要增加摘要的总字数**。5. 情感这根"杠杆" (Emotional Prompting)
这听起来很玄学，但研究表明 LLM 对某些情感暗示有反应。这可能与训练数据中的高质量语料通常伴随着严肃、紧急的语境有关。
技巧： 在提示词末尾加上紧迫感或重要性说明。
示例：
- "深呼吸，一步一步慢慢来。"（这能显著提高逻辑题的准确率）
- "这对我职业生涯非常重要，请务必准确。"
- "如果你做得好，我会给你 $200 的小费。"（虽然是虚拟的，但通常能换来更长的回答）
6. 指定"思维模型"而非仅仅指定"角色"
"扮演一个营销专家"太泛了。限定思维框架能得到更专业的回答。
技巧： 结合具体的名人、理论或框架。
示例：
- "请利用查理·芒格的'逆向思维'模型来分析这个商业计划的失败原因。"
- "请像史蒂夫·乔布斯在发布会演讲那样，介绍这个功能。"
三、交互策略：改变你与 AI 的关系
不要把 AI 当作"搜索引擎"或"自动售货机"，把它当作"咨询顾问"。
7. 翻转提问 (Flipped Interaction)
这是获取高质量定制方案的最强技巧。与其一定要一次性把所有背景喂给 AI，不如让 AI 来问你。
技巧： 要求 AI 在回答之前，先向你提问以收集必要信息。
示例：
我想制定一个马拉松训练计划。你是专业的跑步教练。
**在你提供计划之前，请先问我 3-5 个问题**，以了解我的体能状况、目标和可用时间。等我回答后，你再生成计划。8. "请批评我" (Critic / Devil's Advocate)
AI 默认倾向于讨好用户（Sycophancy），顺着你的话说。如果你需要客观建议，必须显式要求它反驳你。
技巧： 专门要求 AI 寻找漏洞。
示例：
这是我的项目方案。请不要通过它，而是**作为一个挑剔的投资人，列出 3 个你不会投资这个项目的理由**，并用尖锐的语气指出来。9. 模块化构建 (Modular Prompting)
对于超级复杂的任务（如写书、写长代码），不要试图在一个 Prompt 里完成。
技巧： 将任务拆解，用一个 Prompt 生成大纲，再用后续 Prompt 分别填充每个部分。
提示： 这被称为"提示链"（Prompt Chaining），虽然需要多轮对话，但质量远超单次长文生成。
第二部分：进阶技巧
四、纠错与验证：让 AI 自己检查作业
LLM 有时会一本正经地胡说八道。通过设计提示词，强制它进行"自我反思"，可以显著提高准确率。
10. 自我反思 (Self-Reflection / Refinement)
不要只接受 AI 的第一个答案。要求它在输出最终结果前，先由自己进行批判。
技巧： 要求 AI 生成答案，然后生成对该答案的批评，最后根据批评生成改进后的答案。
示例：
请为这款耳机写一篇营销文案。
任务完成后，请你**回顾这段文案，列出 3 个它可能无法打动用户的弱点**。
最后，根据这些弱点，**重写一个优化后的版本**。11. "引用原文"约束 (Grounding)
当让 AI 回答基于长文档的问题时，它可能会根据自己的训练数据"脑补"。
技巧： 强制要求 AI 在回答中引用原文的句子或段落编号。这能极大地减少幻觉。
示例：
请根据提供的财报回答问题。**对于每一个回答，你必须严格引用财报中的原文片段作为证据**。如果财报中没有提及，请直接说"文中未提及"，不要编造。五、引导输出：控制它"开口的第一句话"
AI 是基于概率预测下一个字的。开头决定结尾。如果你能控制它的第一个字，你就能很大程度上控制它后续的走向。
12. 输出引导 (Output Priming / Pre-filling)
不要只给指令，还要帮 AI 写好"开头"。这能强制 AI 进入你想要的格式或语气。
技巧： 在提示词的最后，写上你希望它回答的开头部分。
示例：
请用 Python 写一个计算斐波那契数列的函数，要求代码极其精简。
代码如下：
python
def fib(n):(注意：这里你实际上是帮 AI 写了第一行，它会顺着这一行继续写，往往比直接问"请写代码"更符合你的预期格式)
13. 指定"受众画像"而非仅仅指定内容
不仅仅是告诉 AI "讲简单点"，而是给出一个具体的听众对象。
技巧： 使用 ELI5 (Explain Like I'm 5) 的变体。
示例：
- "请向一名对此一无所知的 12 岁中学生解释量子纠缠。"（它会用比喻）
- "请向一名拥有 10 年经验的资深后端工程师解释 Docker 原理。"（它会直接用专业术语，省去废话）
六、元能力：用 AI 来驾驭 AI
当你不知道怎么写好提示词时，让 AI 帮你写。
14. 元提示 (Meta-Prompting)
这是最高效的懒人技巧。你不需要成为提示词专家，你只需要让 AI 扮演提示词专家。
技巧： 描述你的模糊需求，让 AI 把它转化为一个结构完美的 Prompt。
示例：
我想让 ChatGPT 帮我制定一个英语学习计划，但我不知道该怎么精准提问才能得到最好的结果。
**请你作为一名最顶尖的 Prompt Engineer，帮我撰写一个能够在 ChatGPT 上执行的高质量提示词。** 你需要考虑我的目标是雅思 7 分，目前水平是 5 分。15. 知识压缩与解压 (Knowledge Compression)
如果你需要在不同的 AI 对话窗口之间传递大量信息，或者是想建立自己的知识库。
技巧： 让 AI 将复杂的上下文"压缩"成一串简短的、它是能读懂的"奇怪文字"或关键词列表，下次再喂给它"解压"。
示例：
压缩指令：
请将上述我们讨论的所有关于'项目 X'的背景、决策和待办事项，压缩成一段简短的、你自己能看懂的摘要文本。我会保存这段文本。解压指令（在新窗口中）：
这是我上次对话的压缩摘要：[粘贴摘要]。请恢复当时的语境，并继续帮我制定下一步计划。七、那些"反直觉"的微调技巧
16. 正向指令优于负向指令
大脑不擅长处理"不要做某事"（你会忍不住去想它），AI 也是。
技巧： 尽量告诉 AI "要做什么"，而不是**"不要做什么"**。
- ❌ 弱： "不要写得太长，不要用复杂的词。"
- ✅ 强： "请保持回答简短，控制在 200 字以内，使用通俗易懂的日常词汇。"
17. 示例定调 (Style Transfer by Example)
你可以让 AI 模仿任何人的文风，只要你给它一小段样本。
技巧： "请模仿下面这段文字的语气、句式结构和用词习惯，来写关于 主题 的内容。"
示例：
[粘贴一段鲁迅的文章]
请模仿上述文字的风格，写一段关于"现代人熬夜刷手机"的短评。第三部分：Gemini 3 Pro 专属技巧
下面把"能让 Gemini 3 Pro 立刻好用"的提示词技巧，按"通用→专属→高阶"三层打包给你。所有技巧均来自 2025-08 以后最新实测与综述文章，可直接复制进 Google AI Studio 就跑。
一、通用层：任何模型都能吃的"四件套"
| 模块 | 一句话要点 | Gemini 3 Pro 实测效果 |
|---|---|---|
| 任务原子化 | 把"大任务"拆成 3-4 个子任务，用 1.2.3. 写死 | 减少漏项 31%，输出顺序不乱 |
| 角色+受众 | "你是一位××，面向××，输出××格式" | 风格一致性↑，幻觉↓ |
| 负向约束 | 用"禁止/请勿/不要"三连，比"请避免"更管用 | 实测可将冗余解释压到 ❤️% |
| 示例锁定 | 给 1-2 条"输入→输出"样例，用 ```包裹 | JSON 字段名 0 出错 |
二、Gemini 3 Pro 专属 5 招
1. 倒序+时间戳
100 条新闻先倒序，每条开头 [11-28 10:30]，模型会自动对齐时序，前 8 k token 注意力最高。
2. Thinking Level 开关
在参数面板把 thinking_level=high 打开，模型会先生成"内部推理"再输出摘要，主题归纳准确率 +18%。
3. JSON.mode 强制
提示词首行写：请开启 json.mode，仅输出纯 JSON，不添加任何解释，可彻底干掉 Claude 式前言后语。
4. "------"防幻觉补丁
末尾加一句：
"若原文未出现具体数字或比例，用'------'占位，勿编造。"
可把幻觉率从 ~8% 压到 <1%。
5. Search Grounding 实时数据
同一对话里先扔 google_search:enable，再喂新闻，可直接引用早盘汇率、政策通告，无需外挂插件。
三、高阶：跨模型"一次写完，多处可用"
1. 行为约束模块化
把"格式/语气/长度"写成可复用模块，例如：
[格式] 仅输出 JSON，字段名严格匹配示例
[语气] 客观中立，不用"根据您的要求"
[长度] 每条摘要≤25 字改造时直接拼接，30 秒就能出一套 Gemini/Claude/GPT 通用提示词。
2. 变量模板
用 {date}、{asset} 占位，后续批量换数据即可，避免重复写提示词。
3. 版本号+日志
给提示词加 id：V2.1_Gemini3Pro_财经摘要_20251128，每次迭代记录"修改点+测试结果"，回滚或 A/B 测试极快。
四、可直接抄的"万能骨架"
你是一位中文财经分析师，任务如下：
1. 用一句话总结每条新闻（≤25 字，含时间戳）。
2. 输出 3 个影响 A 股最大的主题，每个主题配 2 条关键新闻序号。
3. 禁止编造数据，禁止预测点位；若原文无数字用"------"占位。
4. 仅输出 JSON，不添加解释，示例：
{"summary":["[11-28 10:30] 央行降准0.25pc释放5k亿","..."],"themes":[{"theme":"流动性宽松","news":[1,5]}]}把新闻倒序贴进去，Gemini 3 Pro 就能一次性吐出干净 JSON，前端可直接解析。
五、一句话总结
想让 Gemini 3 Pro 稳定输出："倒序+时间戳"放最前， "JSON.mode+高 thinking"** 开开关，"禁止+示例" 写到位，"模块+变量" 留后路------四步做完，100 条财经新闻 10 秒出结果，跨模型也能直接复用。
总结与模板
一个融合了多个技巧的"超级 Prompt"模板
你可以尝试将上述技巧组合使用。下面是一个写深度文章的通用模板：
[角色设定 + 思维模型]
你是一位资深的科技评论家，擅长使用第一性原理思考。
[任务 + 分隔符]
请阅读以下 `###` 中的背景材料，写一篇深度分析文章。
###
[粘贴材料]
###
[翻转提问]
在你开始写作之前，请先问我 2 个关于文章目标受众的问题，以便你调整语气。
[输出限制 + 情感]
确认后，请以 Markdown 格式输出。这篇文章对我的报告至关重要，请务必保持逻辑严密，避免陈词滥调。特别推荐：用于复杂任务的"全能指令"
如果你有一个非常复杂的任务（比如写代码或复杂的逻辑推演），可以在提示词末尾加上这一句"魔咒"，经测试能显著提升质量：
"在给出最终答案之前，请先在草稿纸上（scratchpad）一步步规划你的思路，并解释你为什么这么做。"
技巧速查表
| 编号 | 技巧名称 | 类别 | 核心要点 |
|---|---|---|---|
| 1 | 分隔符 (Delimiters) | 结构控制 | 用特殊符号分隔指令和数据 |
| 2 | 结构化输出 | 结构控制 | 要求 JSON、表格等格式 |
| 3 | 少样本提示进阶 | 结构控制 | 包含推理步骤的示例 |
| 4 | 密度链 | 思维深化 | 递归增加信息密度 |
| 5 | 情感杠杆 | 思维深化 | 添加紧迫感或重要性说明 |
| 6 | 思维模型 | 思维深化 | 结合具体理论或框架 |
| 7 | 翻转提问 | 交互策略 | 让 AI 先提问收集信息 |
| 8 | 请批评我 | 交互策略 | 要求 AI 寻找漏洞 |
| 9 | 模块化构建 | 交互策略 | 将复杂任务拆解 |
| 10 | 自我反思 | 纠错验证 | 要求 AI 自我批判和改进 |
| 11 | 引用原文约束 | 纠错验证 | 强制引用原文减少幻觉 |
| 12 | 输出引导 | 引导输出 | 帮 AI 写好开头部分 |
| 13 | 受众画像 | 引导输出 | 指定具体听众对象 |
| 14 | 元提示 | 元能力 | 让 AI 帮你写提示词 |
| 15 | 知识压缩解压 | 元能力 | 压缩上下文便于传递 |
| 16 | 正向指令 | 微调技巧 | 告诉要做什么而非不要做什么 |
| 17 | 示例定调 | 微调技巧 | 通过示例模仿文风 |