第5课：Prompt，从“一句话”到结构化指令

学习目标

• 理解Prompt不是魔法词而是任务说明
• 掌握角色、背景、目标、输入、输出、约束、检查标准的结构
• 能把模糊提问改成可执行任务

正文

1. Prompt 到底是什么？

Prompt 可以翻译成：

提示、提示词、指令、输入。

但零基础阶段更推荐理解成：

你交给AI的一份任务说明书。

如果任务说明书非常模糊，AI只能猜。

如果说明得清楚，AI更容易按照你的目标完成。

2. 为什么“帮我写一个方案”经常不好用？

因为这句话缺少太多信息。

AI不知道：

-什么方案？ -给谁看？ -为什么做？ -你现在有什么资料？ -需要多长？ -要不要数据？ -格式是什么？ -什么内容不能编？

所以AI只能自行补全。

补得对，你觉得AI很聪明。

补得不对，你觉得AI“不懂你”。

本质上是：

任务没有被定义清楚。

3. 一个好Prompt的七个组成部分

可以先记一个框架：

角色 + 背景 + 目标 + 输入 + 输出 + 约束 + 检查标准

不是每次都必须七项写满。

但复杂任务越重要，越建议写清楚。

4. 第一项：角色

例如：

“你是一名大学生竞赛研究助手。”

角色的作用是帮助模型理解：

应该从哪个角度工作。

但要注意：

给AI一个“专家”角色，不会让错误信息自动变正确。

角色只能帮助确定任务视角。

不能替代真实资料和来源。

5. 第二项：背景

背景回答：

“为什么要做这件事？”

例如：

“我是机械工程大二学生，准备参加大学生机械创新设计比赛，目前只有一个无人机结构优化的初步想法。”

比一句：

“帮我做无人机项目”

有效得多。

6. 第三项：目标

目标必须尽量具体。

不好：

“帮我优化一下。”

更好：

“请帮我把这个想法整理成3个可以在两周内验证的项目方向。”

目标决定AI最后要做到什么程度。

7. 第四项：输入

告诉AI：

它现在有哪些材料。

例如：

-专业； -年级； -比赛名称； -已有想法； -已有数据； -文档； -访谈记录； -限制条件。

如果关键输入没有提供，可以要求AI：

先提问，不要直接生成最终结果。

例如：

“如果信息不足，请先列出你需要我补充的5个问题。”

这是一个非常实用的技巧。

8. 第五项：输出格式

如果不规定输出格式，AI会自行决定。

你可以要求：

-表格； -清单； -三段文字； -项目计划； -JSON； -PPT大纲； -时间线； -对比表。

例如：

“请用表格输出：问题、证据、风险、下一步。”

结构越明确，越容易直接使用。

9. 第六项：约束

约束告诉AI：

不能做什么。

例如：

-不要编造数据； -没有来源就明确标注； -不要直接生成完整论文； -只使用我提供的资料； -控制在800字以内； -面向零基础读者； -所有专业术语第一次出现时解释。

约束可以显著减少无用输出。

10. 第七项：检查标准

这是很多人忽略的一步。

可以告诉AI：

完成以后自己检查什么。

例如：

“输出前请检查：

1. 有没有把事实和建议混在一起；
2. 有没有出现没有依据的数据；
3. 每一项建议是否能够执行；
4. 是否遗漏关键风险。”

这相当于给AI增加了一道质量检查。

11. 从一句话一步步改Prompt

原始：

帮我做一个大学比赛项目。

第一步：

我是大学生，准备参加创新比赛，请帮我想项目。

还是太宽。

第二步：

我是食品质量与安全专业大二学生，准备参加校级创新项目，希望方向与校园食品安全有关。

背景清楚了一些。

第三步：

请先不要写完整项目书。根据“校园食堂食品安全”方向，给我3个两个月内可以完成初步验证的项目选题。

目标更清楚。

第四步：

每个选题请输出：问题、目标用户、需要的数据、验证方法、技术难点、预计成果。

输出结构确定。

第五步：

不要虚构调查数据；涉及法规或标准的内容标记“需要官方来源核验”。

加入约束。

现在它已经非常接近一个可执行Prompt。

12. Prompt不是一次写完的

很多复杂任务不适合一次完成。

更好的方法叫：

迭代。

例如项目任务：

第一轮 定义问题。

第二轮 选择方向。

第三轮 补资料。

第四轮 形成方案。

第五轮 检查漏洞。

第六轮 做项目书。

这种方法通常比：

“请一次生成完整项目书”

更可靠。

13. 为什么复杂任务要拆步骤？

因为一次让AI做太多事情，会同时增加：

-理解错误； -遗漏； -虚构； -结构混乱； -难以检查。

拆步骤的好处是：

每一步都能人工检查。

比如：

研究问题 → 先确认

用户痛点 → 再确认

方案 → 再确认

最后才形成完整项目。

这和真实项目管理也是一致的。

14. 四种常用Prompt模式

学习模式

用零基础语言解释什么是RAG。先讲生活类比，再给专业定义，最后用CampusAI举例。

研究模式

请把以下资料按“事实、观点、未验证信息”分类，并指出还缺哪些来源。

数据模式

先检查数据质量，不要直接得出结论。列出缺失值、异常值、字段类型和指标定义问题。

项目模式

把目标拆成阶段、任务、依赖和交付物，并指出每一步需要什么资料。

Prompt应该服务任务，而不是追求“神奇句式”。

15. 三个常见Prompt错误

错误一：只有结果，没有背景

“帮我分析。”

AI不知道分析什么。

错误二：一次要求十件事

“调研、写报告、做图、做PPT、写代码、分析市场、预测数据……”

容易导致每一项都很浅。

错误三：没有核验要求

尤其是动态事实、政策、论文、数据。

模型很可能直接补全。

16. 一个实用的五步工作法

以后你可以这样使用AI：

第一步：告诉目标

我要完成什么。

第二步：提供资料

我现在有什么。

第三步：要求拆任务

先不要做最终成果。

第四步：逐步执行

每一步检查。

第五步：最终整合

确认内容后形成交付物。

这个方法对：

学习 工作 科研 竞赛 企业项目

都有效。

17. Prompt和Agent有什么关系？

Prompt主要告诉AI：

“这一次要做什么。”

Agent更进一步：

它会围绕目标连续执行。

例如：

用户目标： 完成竞赛项目初步研究

Agent可能自动：

分析目标 → 检索资料 → 整理来源 → 生成问题清单 → 形成研究摘要 → 提交结果

所以可以把Prompt看成：

一次任务说明。

Agent看成：

围绕目标持续工作的任务执行者。

18. 本课总结

好Prompt不是“越专业越好”。

真正重要的是：

让任务清楚。

请先记住七个词：

角色 背景 目标 输入 输出 约束 检查

当你发现AI回答不理想时，不要马上换模型。

先检查：

是不是任务本身没有说明清楚？

这通常是零基础用户提升AI使用效果最快的一步。

示例

常见误区

• “越长的Prompt越好。”——重点是清晰和必要信息，不是堆字。
• “找到一个万能Prompt就能解决所有问题。”——不同任务需要不同约束和输出。
• “让AI扮演专家就自动正确。”——角色设定不会替代事实依据。

小测验

点击题目查看答案。

实践任务