很多人使用大模型时的体验是“时灵时不灵”：有时回答得很好，有时却答非所问。问题往往不在模型，而在提示词。一个模糊的提示词让模型不得不猜测你的意图，而一个结构清晰的提示词能让模型准确理解任务、稳定输出。 结构化提示词并不神秘，本质上就是把一项任务交代清楚，就像给一位能力很强但不了解背景的新同事布置工作。

结构化提示词的五个要素

1. 角色：你希望模型以什么身份工作

为模型设定一个与任务匹配的角色，帮助它调用相应的知识和表达方式。例如“你是一位有十年经验的电商运营专家”或“你是一位严谨的技术文档编辑”。

角色设定有一定作用，但不要过度依赖。比起“你是世界顶级专家”这类夸张描述，具体说明这个角色关注什么、以什么标准工作更有用。

2. 任务：要完成什么

清楚、具体地说明任务目标。对比以下两种写法：

  • 模糊：“帮我写一份产品介绍。”
  • 清晰：“为我们的智能保温杯写一段 150 字左右的电商详情页开头文案，目标是让上班族用户在 5 秒内了解核心卖点。”

好的任务描述包括：做什么、为谁做、用于什么场景、达到什么目的。

3. 上下文：模型需要知道的背景

模型不了解你的业务、产品、用户和前因后果。把完成任务所需的背景信息提供给它：

  • 产品的关键参数和卖点；
  • 目标用户的特点；
  • 相关的参考资料或数据；
  • 之前讨论的结论。

在提供大量资料时，用明确的分隔符把资料和指令分开，例如用标签或标题标出“以下是参考资料”。

4. 约束：必须遵守的规则

  • 内容约束：必须包含哪些信息，禁止出现哪些内容；
  • 风格约束：语气、用词、正式程度；
  • 长度约束：字数或段落数；
  • 行为约束：例如“如果资料中没有相关信息，直接说明不知道，不要推测”。

约束要具体明确，避免“写得好一点”“专业一些”这类模糊要求。尽量用正面描述告诉模型应该怎么做，而不只是说不要做什么。

5. 输出格式：结果以什么形式呈现

明确指定输出的结构：列表、表格、分段标题，还是 JSON。如果输出要被程序处理，格式要求必须严格，参见让大模型稳定输出 JSON。

一个完整示例

以下是一个用于客户评论分析的结构化提示词骨架：

# 角色
你是一位用户研究分析师，擅长从用户反馈中提炼产品改进方向。

# 任务
分析下方的用户评论，找出用户最关注的问题，为产品团队提供改进建议。

# 背景
产品是一款面向家庭用户的扫地机器人，近期发布了新版本固件。

# 约束
- 只依据评论内容分析，不要推测评论中未提及的问题
- 每个问题都要引用至少一条原始评论作为依据
- 按提及频率从高到低排序

# 输出格式
用表格输出，列包括：问题类别、具体描述、提及次数、代表性评论、改进建议

# 用户评论
（此处粘贴评论）

进阶技巧

  • 提供示例：当格式或风格难以用文字描述清楚时，给出一两个示例往往比长篇说明更有效，参见少样本提示；
  • 拆分复杂任务：把一个复杂任务拆成多个步骤，分别处理或者在提示中明确步骤顺序；
  • 让模型先思考：对于推理类任务，可以要求模型先分析再给出结论，参见思维链提示；
  • 重要信息放在开头或结尾：长提示中，关键指令放在开头，并在结尾简要重申。

常见错误

  1. 过于简短：只有一句话的提示，模型只能依靠猜测；
  2. 信息堆砌：塞进大量无关信息，反而干扰模型的判断；
  3. 相互矛盾：例如既要求“详细全面”，又要求“不超过 50 字”；
  4. 把多个任务混在一起：一次要求模型完成太多不相关的事情；
  5. 改了不测：修改提示词后不做对比测试，无法判断是否真的变好了，参见提示词工程化。

小结

结构化提示词的核心是把任务交代清楚：角色设定方向，任务明确目标，上下文提供背景，约束划定边界，输出格式规范结果。掌握这一框架后，再结合示例、任务拆分和测试迭代，就能写出稳定可靠的提示词。系统提示词的专门设计见 System Prompt 设计指南。