提示词（Prompt）入门指南：从定义到实战案例

1. 什么是提示词？

提示词（Prompt）是与 AI 模型沟通的"说明书"，是告诉模型执行任务的自然语言指令。例如，"将这段文本翻译成英文"就是一个简单的提示词。

提示词帮助用户控制语言模型的输出，使其生成符合特定需求的内容。提示词越清晰、越具体，AI 的表现就越好。通过调整提示词，我们可以对模型行为进行直观的控制。由于模型对提示词的措辞和设计非常敏感，因此需要精心制定准则以实现期望的结果。通常，我们会在提示词中指定模型的角色、设计回复的语言风格、限制模型的回答范围，从而让对话更符合用户的预期。

2. 提示词的核心要素

一个有效的提示词通常包含以下四个核心要素：

2.1 角色定位

让 AI 扮演某种特定的角色。角色越具体，回复就越专业。

• 示例 ："你是一名资深软件架构师"、"你是一位热情的美食评论家"。
  

2.2 技能描述

明确告诉 AI 需要做什么，即任务目标。

• 示例 ："总结这篇长文章的核心观点"、"为这个产品创意生成10个营销口号"。
  

2.3 约束条件

为 AI 设置边界，限制其回答的范围、格式或风格。

• 示例 ："回答不超过200字"、"不要使用专业术语"、"以表格形式输出"。
  

2.4 输出格式

明确告知 AI 最终答案应以何种形式呈现。

• 示例 ："输出为 JSON 格式"、"使用 Markdown 列表"、"分步骤说明"。
  

2.5 完整效果

将以上要素组合起来，形成结构化的提示词（角色 + 目标 + 示例 + 格式），效果最佳。

3. 提示词中的角色类型

在大模型交互的过程中，user、assistant、system 是三种核心角色，它们共同构成了对话的上下文结构。

• system：通常用于设定 AI 的全局角色、行为准则和基础设定。
• user：代表用户，提出问题或发出指令。
• assistant ：代表 AI 模型，根据上下文生成回复。
  

4. 提示词的样式与写法

4.1 普通自然语言提示词

使用最直接的文字描述任务。

你是一名专业的美食博主和经验丰富的知名国际厨师。
我现在要做一道菜，这道菜主要包含以下食材：
1. 排骨
2. 大蒜
3. 土豆
4. 鸡腿
请根据以上提供的食材，制作一道美味佳肴，并为这道美味佳肴取一个好听名字，并且附上制作步骤以及菜肴介绍，我将会把这道菜以短视频文案的形式发表。
最终生成的结果，请参考格式如下：
《标题》
步骤1：......
步骤2：......
步骤3：......
......
菜肴介绍：......

4.2 Markdown 格式提示词

利用 Markdown 的标题、加粗等语法使提示词结构更清晰。

**你是一名专业的美食博主和经验丰富的知名国际厨师**

## **主要食材**：
**食材1**：土豆
**食材2**：大蒜
**食材3**：鸡腿
**食材4**：排骨

## **烹饪要求**：
**请根据以上提供的食材，制作一道美味佳肴，并为这道美味佳肴取一个好听名字，并且附上制作步骤以及菜肴介绍**

## **我的目标**
**我将会把这道菜以短视频文案的形式发表**

## **格式参考**
###《标题》
1. **步骤1**：......
2. **步骤2**：......
3. **步骤3**：......
......
菜肴介绍：......

4.3 优雅风格化提示词

使用特定的符号（如【】、-）来划分模块，视觉上更友好。

【角色】
你是一个专业的美食博主和经验丰富的知名国际厨师

【食材】
- 排骨
- 土豆
- 鸡腿
- 大蒜

【任务】
- 请根据提供的食材，制作一道美味佳肴
- 请为这到美味佳肴取一个好听的简端优雅的名字
- 请附上制作这道菜肴的介绍

【要求】
1. 你制作的菜肴要贴近百姓生活
2. 你制作的菜肴是人人都吃的起的
3. 你做的菜肴不能是米其林餐厅这种高档次的菜

【格式】
《标题》
1. 步骤1：......
2. 步骤2：......
3. 步骤3：......
.......
菜肴介绍：......

4.4 XML 标签提示词

使用 XML 标签严格定义每个部分，便于程序化解析和处理。

<role>你是一个专业的美食博主和经验丰富的知名国际厨师</role>
<background>我是一个美食博主，我要编撰美食文案</background>
<food>
- 排骨
- 土豆
- 鸡腿
- 大蒜
</food>
<instructions>
  <instruction>
    请根据提供的食材，制作一道美味佳肴
  </instruction>
  <instruction>
    请为这到美味佳肴取一个好听的简端优雅的名字
  </instruction>
  <instruction>
    请附上制作这道菜肴的介绍
  </instruction>
</instructions>
<example>
《标题》
1. 步骤1：......
2. 步骤2：......
3. 步骤3：......
.......
菜肴介绍：......
</example>

5. 实战案例：金融场景提示词对比

场景 ：小白用户拿到一份上市公司财报，想快速提取关键数据填入 Excel。

目标：让大模型从一段财报文字中，精准提取「营收」、「净利润」、「同比增长率」三项数据。

5.1 差提示词（模糊指令）

(1) 提示词输入

你是一个数据分析小助手，专注于从金融的财报中提取关键财务数据：
"2023年公司实现营业收入58.62亿元，同比增长12.3%；归属于上市公司股东的净利润为8.94亿元，同比增长5.7%。公司经营性现金流净额达15.2亿元，研发投入占比提升至8.5%。"

(2) 模型典型输出

从提供的2023年财报信息中，可提取的关键财务数据如下：
1. **营业收入**：58.62亿元
   - 同比增长：12.3%
2. **归属于上市公司股东的净利润**：8.94亿元
   - 同比增长：5.7%
3. **经营活动产生的现金流量净额**：15.2亿元
4. **研发投入占营业收入比例**：8.5%（较上年提升）

(3) 问题诊断

• 提取了多余数据：输出了"经营活动产生的现金流量净额"和"研发投入占比"，不符合"只提取三项"的要求。
• 格式不统一：输出为自然语言描述，而非结构化的 JSON 或表格，不方便直接导入 Excel。
• 字段名不明确 ："归属于上市公司股东的净利润"与目标"净利润"表述不完全一致。
  

5.2 好提示词（清晰指令）

(1) 提示词输入

你是一个数据分析小助手，专注于从金融的财报中提取关键财务数据，当提取信息时请严格按以下规则操作：
1. 只提取三项数据：营业收入、净利润、同比增长率
2. 输出格式必须为JSON，字段名：revenue, net_profit, growth_rate
3. 金额单位统一为"亿元"，增长率带百分号
4. 不输出任何解释、注释或额外内容

示例：
输入："2022年营收42.1亿元，净利6.8亿，同比增9.2%"
输出：{"revenue": "42.1", "net_profit": "6.8", "growth_rate": "9.2%"}

请处理以下文本：
"2023年公司实现营业收入58.62亿元，同比增长12.3%；归属于上市公司股东的净利润为8.94亿元，同比增长5.7%。公司经营性现金流净额达15.2亿元，研发投入占比提升至8.5%。"

(2) 模型正确输出

{"revenue": "58.62", "net_profit": "8.94", "growth_rate": "12.3%"}

对比总结 ：好的提示词通过明确的规则 、清晰的示例 和严格的格式要求，极大地提升了AI输出结果的准确性、一致性和可用性，使其能无缝对接后续的数据处理流程。