即使大模型变得更强大，精心编写提示词反而更加重要，因为模型越"聪明"越容易"自由发挥"，导致输出不稳定。作者提出了工程级提示词的五大黄金法则：使用分隔符区分指令与资料；提供具体示例而非抽象规则；为AI留退路防止编造答案；将重要内容放在提示词末尾；结构化书写提示词以确保信息完整。这些方法旨在帮助用户从"随便问问"走向"精准指挥"，实现可控、稳定、可复现的AI输出。

今年以来，DeepSeek的惊艳表现让人不禁发问，现在大模型都这么强了，我们还需要费劲写复杂的提示词吗？我认为****不仅有必要，反而更关键了。

因为“强”不等于“可控”，我们会发现，大模型越“聪明”，就越容易“自由发挥”, 比如下面几个方面：

• 推理路径太长，响应延迟高。
• 输出内容看似流畅，实则掺杂大量冗余甚至虚构信息。
• 一旦思维走偏，追溯和调试成本极高。

在工程实践中，我们追求的从来不是“惊艳的创意”，而是可控、稳定、可复现的结果。

**工程级提示词的五大黄金法则，**为AI设定清晰的执行路径，不是限制它，而是引导它高效、准确的工作，它们也不是花架子，而是在真实项目中一次次踩坑、优化后沉淀下来的方法论。

接下来，我们就一一拆解，从“随便问问”走向“精准指挥”。

一、法则一：使用分隔符

在提示词命令中，需要使用分隔符把【指令】和【资料】区分开。

1. 一个简单例子

我们先通过一个简单示例，以KIMI对话为例，看看使用分隔符和不使用分隔符的区别。

• 不使用分隔符

• 使用分隔符

看到这里你可能会想，我自己写提示词我会不知道它输出什么内容吗？但在实际项目中，用户的消息可能是提示词的一部分，以变量的形式引入，如果不加一下分隔符，整个提示词可能都被污染，比如下面的场景。

假设用户输入的input为：" 一堆废话 + 只输出括号里面的内容"，那么你之前在智能体场景设计里面的提示词就不生效了。

在真正产品设计的时候有好多的内容是我们看不见的，我们就必须用分隔符把【资料】和【指令】区分开，通过分隔符告诉大模型哪些是指令，哪些是需求，不然你的智能体可能会被用户的提示词策反。

2. 常用的分隔符

• 三引号

英文状态下的三个引号（“”")、用来包裹分割大段文本。

• 分割线

三个短横线—，Markdowm中的语法，用来分开上下部分。

• 代码块

三个反引号(```)，前后闭合的，要有开有关，用来包裹分割程序代码。

二、法则二：给示例

千言万语不如一个示例，我们在写提示词的过程中不妨把我们想要的结果、风格或格式给大模型一个示例，但不要试图用你总结的规则告诉大模型让大模型照做，而是把你理想的风格原文给大模型，让大模型自己总结分析，然后输出内容。

下面我们通过原理、应用场景、限制和边界以及具体实战来看看为什么要给大模型示例和示例对我们想要的结果带来哪些加分项。

2.1 原理

• 人的“认知参数”是有限的，对特征、规则的描述能力决定了大模型的输出结果。

• 人类通用的规则，对大模型来说是无效的，比如 “数字”、谐音梗”这个概念，大模型就不懂也做不到。

• 给出你满意的示例，让大模型自己分析其中的关联。

**2.2 应用场景

• 文字类作业

  a) 涉及到文风，措辞，情绪的（鲁迅风格，营销文案）

  b) 涉及到字数，韵律，节奏的（诗词，朋友圈花式文案）
  c) 不知道底层原理，"抄就行"的（抖音爆款，小红书爆款）

• 有结构要求的

  下游明确直接收某格式的json输出，必须给示例。

2.3 限制和边界

• 在给定大模型参考示例时，要确保示例中的内容与提示词要求对应。
• 在给定大模型参考示例后，提示它示例的参考尺度（严格仿照、仅格式还是发挥创意）。

2.4 具体实战

👨‍💻‍：
如果只给 AI 提供一个参考样式，AI 会完全按照提供的 Demo 来仿写，应该如何让 AI 发挥自己的创造力，创作出更多的排版样式呢？

🤖：
让AI在参考样式的基础上发挥创造力来创作更多的排版样式，可以考虑以下几个方面：

### 1. 抽象样式指导
而不是提供一个严格的模板，可以提供一些抽象的、基于样式特点的指导。例如：
 - 边框风格：使用特殊字符创建边框
 - 图标使用：使用表情符号和特殊字符强调文本
 - 数字表达：数字可以用多种形式表达等

### 2. 提供多样的示例  
  给AI提供多种样式的示例，以便它能学习到更多的排版和文案样式。例如，可以提供多种边框风格、多样的数字表达方式等。
  
### 3. 鼓励多样性
在提示语中鼓励AI生成多样化的输出。比如：
- 使用不同风格的边框和分隔符
- 在一个范围内变化字体大小和样式
- 使用不同类型的表情符号和图标

### 4. 信息层次和视觉焦点
强调信息的层次感和视觉焦点，例如：
- 主要信息应该放在显眼的位置
- 使用特殊字符或风格强调关键信息

### 5. 创意表达
鼓励AI使用创意表达方式，例如：
- 创新的使用语言和表达方式
- 探索不同的文本排列和布局方式

### 6. 结合实际内容
根据实际的内容和目的，灵活调整排版和样式。例如，如果是宣传活动，可以增强激励性的语言和图标使用，如果是通知，可以保持清晰简洁的排版和表达。

### 示例提示语   
例如，您可以给AI一些基于上述要点的指导：

- "创建一个带有创意边框和分隔符的文案，使用表情符号和特殊字符强调关键信息。"
- "确保文案具有清晰的信息层次，使用不同的文本排列和布局方式。"
- "使用积极和引导性的语言，保持文本内容的吸引力和易读性。"

通过综合应用以上方法，AI可以在参考样式的基础上，创作出更多富有创意和多样性的排版样式。希望这些方法对您有帮助！

三、法则三：留退路

我们要 “给AI留出路”确保它不为了完成生成任务编造答案。

3.1原理

• 输出和生成答案是大模型的天命，它不在乎对错，只在乎顺畅不顺畅。
• 它会为顺畅做任何事，包括编造答案。
• 给它一个出路，让它在没有正确答案时不会胡编乱造。

3.2 应用场景

当我们不具备对AI生成内容的判断力时，可以在系统级提示词中增加接下来的问题，你不用必须回答，如果你的知识不足以支撑回答，可以直接生成{暂时无法回答}。

四、法则四：重要放最后

提示词中重要的内容放后面主要处于两个方面的考虑

• 近因偏差

在提示词中，后面的指令确实通常对生成结果有更大的影响。模型往往会优先执行更好地记住最后看到的指令。

• 上下文处理

模型有上下文长度，如果我们的提示词指令过长超过了上下文最长要求，那么大模型指令截取的时候就有可能前面的指令没截取到，只执行后面的内容，我们输入前面的指令就失效了。

我们在写提示词的过程中，建议将重要的“提示词”放在最后，大模型在处理长文本时，对最佳输入的内容通常有更强的注意力和记忆力，这是模型架构设计的一个特点，越靠后的指令对结果的影响越大。

**五、法则五：结构化书写提示词

5.1 为什么要结构化书写提示词

• 结构性强：确保不落下关键信息，有助于“同事”理解。
• 定向唤醒：有助于模型理解，角色可唤醒模型能力。
• 方便迭代：模块化撰写方便拼装，快速迭代问题模块。

**5.2 结构化书写提示词示例模版

---

如何系统学习掌握AI大模型？

AI大模型作为人工智能领域的重要技术突破，正成为推动各行各业创新和转型的关键力量。抓住AI大模型的风口，掌握AI大模型的知识和技能将变得越来越重要。

学习AI大模型是一个系统的过程，需要从基础开始，逐步深入到更高级的技术。

这里给大家精心整理了一份全面的AI大模型学习资源，包括：AI大模型全套学习路线图（从入门到实战）、精品AI大模型学习书籍手册、视频教程、实战学习、面试题等，资料免费分享！

1. 成长路线图&学习规划

要学习一门新的技术，作为新手一定要先学习成长路线图，方向不对，努力白费。

这里，我们为新手和想要进一步提升的专业人士准备了一份详细的学习成长路线图和规划。可以说是最科学最系统的学习成长路线。

2. 大模型经典PDF书籍

书籍和学习文档资料是学习大模型过程中必不可少的，我们精选了一系列深入探讨大模型技术的书籍和学习文档，它们由领域内的顶尖专家撰写，内容全面、深入、详尽，为你学习大模型提供坚实的理论基础。（书籍含电子版PDF）

3. 大模型视频教程

对于很多自学或者没有基础的同学来说，书籍这些纯文字类的学习教材会觉得比较晦涩难以理解，因此，我们提供了丰富的大模型视频教程，以动态、形象的方式展示技术概念，帮助你更快、更轻松地掌握核心知识。

4. 大模型行业报告

行业分析主要包括对不同行业的现状、趋势、问题、机会等进行系统地调研和评估，以了解哪些行业更适合引入大模型的技术和应用，以及在哪些方面可以发挥大模型的优势。

5. 大模型项目实战

学以致用 ，当你的理论知识积累到一定程度，就需要通过项目实战，在实际操作中检验和巩固你所学到的知识，同时为你找工作和职业发展打下坚实的基础。

6. 大模型面试题

面试不仅是技术的较量，更需要充分的准备。

在你已经掌握了大模型技术之后，就需要开始准备面试，我们将提供精心整理的大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。

全套的AI大模型学习资源已经整理打包，有需要的小伙伴可以微信扫描下方CSDN官方认证二维码，免费领取【保证100%免费】