提升提示词（Prompt Engineering）撰写能力，核心在于从**“对人说话”的思维转变为“对模型编程”**的逻辑。你需要掌握结构化的表达、清晰的边界设定以及迭代优化的方法。

以下是一个完整的提示词能力进阶训练方案，分为核心公式、进阶技巧、实战训练计划三个阶段。

---

第一阶段：掌握核心结构（万能公式）

优秀的提示词通常遵循一个清晰的架构。你可以使用 B-R-O-C-E 框架来构建你的每一个指令：

1. B - Background (背景信息)： 告诉AI前因后果，提供上下文。

   • 差： 写个周报。

   • 好： 我是一名负责后端开发的工程师，本周主要完成了用户登录模块的重构。

2. R - Role (角色设定)： 指定AI的身份，这能激活模型特定领域的知识库。

   • 技巧： “你是一位资深的某领域专家/顾问/教练...”

3. O - Objective (任务目标)： 清晰定义你要做什么。

   • 技巧： 使用动词开头，“生成”、“分析”、“总结”、“重写”。

4. C - Constraints (约束条件)： 设定边界，告诉AI不要做什么，或者限制字数、风格。

   • 技巧： “不要使用行话”、“限制在200字以内”、“语气要幽默”。

5. E - Example (示例/Few-Shot)： 这是最重要的一点。给出一两个你期望的输入和输出范例。

训练任务： 尝试用上述结构重写一个你日常生活中最简单的指令（例如“推荐一本书”）。

---

第二阶段：五大进阶技巧（工具箱）

掌握基础后，你需要学会如何处理复杂任务。以下是提升输出质量的关键技巧：

1. 链式思维 (Chain of Thought - CoT)

当任务涉及逻辑推理或多步骤时，强制AI展示思考过程。

• 指令词： “请一步步思考 (Let's think step by step)” 或 “在给出最终答案前，先列出你的分析逻辑”。

2. 少样本提示 (Few-Shot Prompting)

与其用长篇大论描述规则，不如直接给例子。模型不仅模仿内容，还会模仿你的格式和语气。

• 用法：

  Plaintext

  任务：将风格转化为古风。
  输入：今天天气真好。 -> 输出：天朗气清，惠风和畅。
  输入：我不想上班。 -> 输出：尘世喧嚣，心向山林。
  输入：[你的新句子] -> 输出：
  

3. 分隔符的使用 (Delimiters)

清晰地隔开指令和素材，防止模型混淆。

• 符号： 使用 """, ---, ###, [] 等符号包裹需要处理的文本。

  • 例子： “请总结由三个反引号包裹的文本：[文章内容]”

4. 指定输出格式 (Structured Output)

强制模型输出便于阅读或后续处理的格式。

• 技巧： “请以Markdown表格形式输出，包含列：姓名、职位、核心观点” 或 “请以JSON格式输出”。

5. 反向提示 (Reverse Prompting)

当你不知道怎么写提示词时，让AI帮你写。

• 指令： “我想让你扮演一个[角色]来完成[任务]。为了给你最好的提示词，你需要我提供哪些信息？”

---

第三阶段：四周实战演练计划

为了真正掌握，你需要进行刻意练习。

第一周：结构化重构（基础期）

• 目标： 改掉“随口问”的习惯，强迫自己使用结构化框架。

• 练习： 每天挑选一个你以前问过的简单问题，将其改写为包含 角色+背景+任务+约束 的完整提示词。

• 复盘： 对比简单提问和完整提示词生成的答案，体会差异。

第二周：样本与迭代（进阶期）

• 目标： 掌握“举栗子”和“多轮对话”的能力。

• 练习： 尝试让AI生成特定风格的文案（如小红书风格、学术论文风格）。如果第一次生成的不像，不要重新开对话，而是追加指令进行微调（例如：“更口语化一点”、“把重点加粗”）。

• 核心： 记录下从“60分答案”调整到“90分答案”过程中，你所使用的修正指令。

第三周：复杂任务拆解（高阶期）

• 目标： 处理长文本、数据分析或复杂逻辑。

• 练习： 给AI一篇长文章，要求它：

  1. 提取关键数据。

  2. 分析作者观点。

  3. 基于上述分析，写一篇反驳文章。

• 技巧： 尝试将大任务拆分为多个子提示词（Prompt Chaining），或者在一个提示词中使用“第一步...第二步...”的结构。

第四周：建立个人提示词库（专家期）

• 目标： 将成功的经验固化为模板。

• 行动： 建立一个文档（Notion/Obsidian），分类保存你测试成功的提示词。

  • 分类示例： [写作辅助]、[代码除错]、[会议纪要]。

• 变量化： 将具体内容挖空，变成通用的模板。例如：请作为一名[职业]，分析以下[数据]...

---

总结与关键心态

1. 迭代思维： 没有完美的初始提示词。好的提示词是**调试（Debug）**出来的，不是一次写出来的。

2. 清晰至上： 如果人看不懂你的指令，AI大概率也看不懂。避免歧义。

3. 把AI当实习生： 它很聪明但不懂你的默契。你需要把所有背景信息交代清楚。