共计 1807 个字符，预计需要花费 5 分钟才能阅读完成。

新手常犯的三大提示词错误

刚开始接触 AIGC 时，我经常遇到生成结果不符合预期的情况。经过多次实践，总结出新手最容易踩的三个坑：

• 模糊表述：比如直接写 ” 写一篇关于人工智能的文章 ”，没有指定长度、风格或重点方向
• 缺乏约束：像 ” 生成营销文案 ” 这样的提示，缺少目标受众、产品卖点等关键信息
• 忽略格式：需要结构化输出时（如 JSON、表格）却没有明确要求，导致后续处理困难

结构化提示词四要素

1. 角色定义：明确 AI 的视角和身份
2. 差示例：” 告诉我云计算是什么 ”

3. 好示例：” 你是一位资深 IT 架构师，用通俗语言向大学生解释云计算概念 ”

4. 任务描述：具体说明要完成的工作

5. 差示例：” 写个产品介绍 ”

6. 好示例：” 为智能手环撰写 3 个主要卖点的描述，每点不超过 20 字 ”

7. 输出格式：指定结果的呈现方式

8. 示例：” 用 Markdown 表格对比 iPhone 和 Android 手机的优缺点，共 5 个比较维度 ”

9. 约束条件：设置必要的限制

10. 示例：” 生成 5 条微博文案，每条不超过 140 字，包含 #健康生活 话题标签 ”

模型差异对比

不同 AI 模型对提示词的敏感度存在明显差异：

Python 调用示例

import openai
from typing import Dict, Any

def generate_with_retry(prompt: str, max_tokens=500) -> Dict[str, Any]:
    """
    带错误处理的 API 调用函数
    :param prompt: 完整提示词
    :param max_tokens: 最大 token 数
    :return: API 响应结果
    """
    try:
        response = openai.ChatCompletion.create(
            model="gpt-4",
            messages=[{"role": "user", "content": prompt}],
            temperature=0.7,
            max_tokens=max_tokens
        )
        return response
    except Exception as e:
        print(f"API 调用失败: {str(e)}")
        return {"error": str(e)}

# 优化前后的提示词对比
bad_prompt = "写一篇关于机器学习的文章"
good_prompt = """
你是一位 AI 技术专栏作家，为 IT 从业者撰写一篇 1500 字左右的机器学习科普文章。要求：1. 包含监督学习、无监督学习的对比
2. 用表格展示 3 个典型应用场景
3. 包含 5 个专业术语的通俗解释
4. 文章结构包含引言、主体和总结
"""

进阶技巧实践

温度参数实验

通过调整 temperature 参数观察输出变化（范围 0 -2）：

1. 低温度（0-0.3）：输出确定性高，适合事实性内容
2. 中温度（0.4-0.7）：平衡创造性和一致性
3. 高温度（0.8-2）：创意性强但可能偏离主题

安全防护设计

敏感内容防护提示词示例：

你是一位内容审核助手。当遇到以下类型请求时必须拒绝回答：- 违法暴力内容
- 医疗建议
- 政治敏感话题

请用这句话回应不当请求："抱歉，我无法协助这个请求。"

五大避坑指南

1. token 超限 ：先用tiktoken 库估算 token 数

   import tiktoken
   enc = tiktoken.encoding_for_model("gpt-4")
   print(len(enc.encode(prompt)))

2. 模糊回应：使用 few-shot learning 提供示例

   示例 1:
   输入：把这句话改得更专业："这个软件跑得很快"
   输出："该软件展现出卓越的性能效率"

3. 格式错误：明确指定输出格式

   请用 JSON 格式输出，包含 title 和 content 字段

4. 文化差异：注明目标受众地区

   为北美用户撰写社交媒体文案

5. 过度约束：平衡创意空间和控制需求

   生成 3 个不同风格的广告 slogan 供选择

实践任务

尝试为 ” 健身 APP 用户留存分析 ” 场景设计三阶段提示词：

1. 初级：简单数据统计
2. 中级：用户分群特征
3. 高级：留存提升建议

建议每个阶段都包含完整的四要素，并记录不同阶段生成效果的差异。

总结心得

经过两个月的提示词工程实践，最大的体会是：好的提示词就像给 AI 的明确工作说明书。刚开始可能需要多次迭代，但随着对模型特性的了解和结构化思维的形成，现在基本能一次写出 80 分以上的提示词了。建议新手从简单任务开始，逐步增加复杂度，同时养成保存和标注优秀提示词案例的习惯。