速览#

• 核心要点：先把 Who / What / Context / Format 说清楚；用 CO-STAR 组织复杂任务；对关键信息要求来源与格式（如 JSON Schema）。
• 三步上手：1) 明确角色与目标；2) 给出格式/长度/语气等约束并至少提供一个示例；3) 迭代输出并做校验（自动化或 LLM-as-Judge）。

写在前面#

你有没有过这样的经历——

把同一个问题发给AI朋友，对方掏出了惊艳的答案；而自己收到的，却是一段”正确的废话”。

这不是AI偏心。而是因为——AI不会读心术，它只看到你写了什么，没写什么。

写提示词（Prompt），本质上就是学怎么跟AI沟通。就像你跟一个刚到公司、能力超强但完全不了解你背景的实习生下Brief——吩咐得越清楚，活儿干得越漂亮。

本指南不讲黑话，不搞玄学。每个技巧配一个”坏的 vs 好的”真实对比，读完立刻能用。

第一章：基础四要素 —— 让AI听懂你的起点#

无论你用Claude、GPT还是DeepSeek，高质量提示词的底层结构都一样。把下面四个要素说清楚，输出质量至少翻倍。

第二章：万能公式 —— CO-STAR 框架#

不想每次都从头想四要素？用CO-STAR框架一张表搞定：

1
[差的写法]
2
"帮我写个环保品牌的推广文案"
3

4
[好的写法（CO-STAR 框架）]
5

6
Context: 我经营一个环保服装品牌，刚推出用100%回收海洋塑料做的新系列
7
Objective: 写一篇Instagram轮播文案，提高预购转化和分享率
8
Style: 像生活方式杂志那样，有文化感但不端着
9
Tone: 热情、赋权，让读者觉得"买这个很酷"而不是"不买我有罪"
10
Audience: 25-40岁关注环保的都市女性，愿意为可持续产品付溢价
11
Response: 5页轮播结构：第1页钩子 → 第2-4页产品亮点+环保数据 → 第5页购买引导

第三章：日常场景实战 —— 从”也能用”到”真好用”#

以下所有场景均适配 Claude / GPT / DeepSeek / Gemini

第四章：搜索与信息获取 —— 让AI帮你找到真东西#

场景：搜索工具、常识问题、信息核实

1
[差]"搜索AI行业报告"
2

3
[好]"请帮我搜索2025-2026年AI行业的权威报告。
4
目标：了解AI在各行业的落地情况，做投资参考。
5
要求：
6
1. 只看权威机构（麦肯锡、Gartner、IDC等）
7
2. 每份报告给出：机构名称 / 核心结论 / 数据亮点
8
3. 标注每个信息的可靠度（高/中/低）
9
4. 最后给出你的综合判断：未来1年最值得关注的3个AI趋势"

1
请搜索 [主题]
2

3
搜索目的：____________（为什么需要这个信息？）
4
信息要求：
5
- 来源类型：____________（如：学术论文/行业报告/新闻/官方数据）
6
- 时效性：____________（如：近1年/近3个月）
7
- 语言：____________（中文/英文/双语）
8
输出格式：用表格呈现，每行一个结果，列包括：
9
| 标题 | 来源 | 发表日期 | 核心发现 | 可靠度 |
10
最后请给出你的综合分析

第五章：分析推理 —— 把AI当思维伙伴#

场景：分析推理、决策支持、复杂任务解决

1
[差]"这个市场决策有什么风险？"
2
→ AI会直接抛出一串泛泛的风险列表（60分答案）
3

4
[好]"请一步步分析这个市场决策的风险：
5
第一步：列出所有可能的影响因素（市场/技术/团队/资金/法规）
6
第二步：评估每个因素的发生概率（高/中/低）
7
第三步：评估每个因素的影响程度
8
第四步：给出综合风险等级和核心建议"
9
→ AI会展示完整推理过程（90分答案）

1
请从以下5个角度分析 [问题]：
2
1. 财务角度：成本和收益
3
2. 技术可行性：现有能力是否够
4
3. 团队维度：人员和时间安排
5
4. 市场竞争：对手在做什么
6
5. 时间风险： deadlines是否合理
7

8
每个角度请给出：Evidence（证据）→ Conclusion（结论）
9
最后给出综合建议

1
请站在反对者的立场，找出这个方案最致命的3个漏洞。
2
不要留情面，越尖锐越好。每个漏洞请给出：
3
- 具体风险描述
4
- 发生的可能性（高/中/低）
5
- 如果发生，影响有多大
6
- 如何提前规避

1
假设我们的项目在6个月后彻底失败了。
2
请从"失败"这个终点往前推演，找出可能的原因链条。
3
每个节点标注：可能的触发事件 → 连锁反应 → 最终影响。
4
这能帮我们提前规避。

第六章：代码生成 —— 从”能用”到”可靠”#

场景：代码生成、debug、迁移

1
[差]"写一个Python爬虫"
2
→ 可能得到：过时的库、没有错误处理、硬编码、不安全
3

4
[好]"用Python写一个爬取新闻标题的函数。
5
输入：新闻网站URL列表
6
输出：JSON数组，每个元素包含 {title, url, publish_time}
7

8
技术要求：
9
- Python 3.11+
10
- 使用 requests + BeautifulSoup（不要用scrapy）
11
- 添加User-Agent随机池
12
- 超时设置10秒
13
- 异常处理：网络错误/解析错误单独捕获
14
- 每个函数写中文docstring
15

16
质量要求：
17
- 类型注解完整
18
- 添加基本的rate limiting（每秒最多2个请求）
19
- 最后写一个简短的main()演示用法"

1
第1轮 → 让AI生成代码
2
第2轮 → "这里的列表推导式改成生成器，节省内存"
3
第3轮 → "添加异常处理，特别是网络超时的情况"
4
第4轮 → "给这个函数加上单元测试，用pytest"

1
请审查以下Python代码，按这个顺序分析：
2
1. 先理解代码的意图和逻辑流程
3
2. 检查输入验证和边界情况
4
3. 检查错误处理是否完善
5
4. 检查安全隐患（注入/XSS/权限）
6
5. 检查性能问题（N+1查询/内存泄漏）
7
6. 最后按严重程度排序给出修复建议
8

9
[代码粘贴在这里]

第七章：创意写作 —— 激发AI的创造力#

场景：创意写作、头脑风暴、内容创作

1
主题：_______
2
风格：______（如：村上春树/科技博客/脱口秀/小红书种草体）
3
目标读者：_______
4
字数：_______
5
核心情感：_______
6
需要避开：_______

1
[差]"帮我写个广告语"
2
→ "品质生活，从XX开始"（10年前的文案）
3

4
[好]"为[产品]写10条广告语，要求：
5
- 每条不超过15字
6
- 每条包含一个具体的数字
7
- 不能用'品质''生活''选择'三个词
8
- 5条走心路线，5条幽默路线"
9
→ 会产出意想不到的有趣创意

1
[差]"写一篇介绍量子计算的科普文"
2

3
[好]"用量子力学的原理来比喻煮火锅的过程，帮完全不懂物理的人理解量子叠加和量子纠缠。语气像深夜烧烤摊上的闲聊，不超过800字"

1
第1轮："帮我为[主题]列出3个不同的文章大纲，每个大纲包含标题+核心观点+结构"
2
→ 你选一个方向
3

4
第2轮："请用大纲2展开成完整文章，保持口语化风格，每段不超过5句话"
5
→ 拿到初稿
6

7
第3轮："请把第2段和第4段改得更生动，加一个具体的个人故事进去"
8
→ 精细化打磨

第八章：常见陷阱 —— 为什么你的AI总在胡说#

第九章：模型差异#

内容来源于社区

主要模型与提示建议：

• OpenAI GPT-5 系列（例：gpt-5.4 / gpt-5.5）

  • 擅长：代码生成、创意写作、多模态任务（在支持的变体中）。
  • 局限：当未使用 response_format / JSON Schema 强制结构时，可能插入额外说明性文本。
  • 建议：将核心规则放在 System Prompt，使用 1-2 个 few-shot 示例提升稳定性。

• Anthropic Claude（Opus / Sonnet 系列）

  • 擅长：严格遵循指令、格式约束与安全/合规过滤。企业场景中对“拒绝危险请求”与格式合规性表现优异。代码能力出众。
  • 局限：在需要高度发散创造力时相对保守。
  • 建议：把不变规则放 System Prompt，示例放 User Message；对格式使用 XML 或 JSON Schema 增强合规性。

• Google Gemini（3 Pro / Ultra 等）

  • 擅长：超长上下文处理、文档级检索与多模态（图像+文本）融合。社区反馈在文档汇总与多文档整合上稳定性较好。
  • 建议：对长文档采用 chunking+retrieval 流程，并在链路中加入验证与抽取步骤。

• DeepSeek（V4 / R1）

  • 擅长：中文理解、数学/逻辑推理与严谨分析任务。社区在中文推理任务上多次给出较高评分。
  • 建议：优先使用简洁中文 prompt + CoT（思维链）或 few-shot。

快速选择建议：

• 创作/跨领域/多模态：优先尝试 GPT-5，次选 Claude。
• 代码生成与工程任务：GPT-5 Claude 表现稳定，建议使用官方开发工具Codex Claude Code。
• 中文推理：DeepSeek 在中文推理上社区口碑较好。
• 长文档整合/多模态分析：Gemini 系列更适合。
• 隐私或需自托管：优先本地部署。

第十章：中英文提示词怎么选#

2026年的现实：GPT-5和Claude的中文理解能力已到母语级别，中文prompt和英文prompt效果基本持平。中文用户大胆用中文写prompt。

总结#

1. 每次写prompt前，问自己三句话：

   • AI需要知道什么背景？
   • 我要它具体做什么？
   • 输出应该长什么样？

2. 建一个”prompt收藏夹”：收藏一些结构比较好的提示词

3. 用AI优化AI：在prompt末尾加一句——“请评价你的回答质量并给出改进建议” 用AI指导AI：先让一个AI帮你拟写提示词，再把生成的提示词给真正办事的AI

参考文献#

本文内容综合参考了以下来源：

[1] OpenAI. (2025). “Prompt Engineering Guide.” OpenAI Platform Documentation. https://platform.openai.com/docs/guides/prompt-engineering

[2] Anthropic. (2025). “Prompt Engineering Best Practices for Claude.” Claude API Docs. https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/claude-prompting-best-practices

[3] DeepSeek. (2025). “DeepSeek Prompt Library.” DeepSeek API Documentation. https://api-docs.deepseek.com/zh-cn/prompt-library/

[4] GovTech Singapore. (2024). “CO-STAR Framework.” https://aipromptsx.com/prompts/frameworks/costar

[5] ChatGPT中文指南. (2026). “ChatGPT提示词完全指南2026.” https://www.chatgpt-chinese-guide.com/chatgpt/chatgpt-prompt-ultimate-guide-2026-05-511

[6] Jimmy’s Blog. (2026). “AI Prompt工程实战手册.” https://www.jmliu6.com/zh/blog/ai-prompt-engineering

[7] Mason AI Lab. (2026). “Prompt Engineering 提示工程.” https://masonailab.com/tech/prompt-engineering/

[8] 小企鹅Penchan. (2026). “提示词教程2026 — Prompt工程完整指南.” https://penchan.co/zh-cn/ai/prompt-engineering/

[9] 百度云. (2025). “DeepSeek 提示词50例精析.” https://cloud.baidu.com/article/3569647

[10] Google Cloud. (2026). “AI提示工程指南.” https://cloud.google.com/discover/what-is-prompt-engineering?hl=zh-CN

[11] 阿里云. (2026). “文生文Prompt指南.” https://help.aliyun.com/zh/model-studio/prompt-engineering-guide

[12] 情酱的小窝. (2026). “AI Prompt工程的终极方法论.” https://blog.byebug.cn/archives/187/

[13] 53AI. (2025). “STAR-R Prompt设计框架.” https://www.53ai.com/news/tishicijiqiao/2025021810537

[14] Bsharat, S. M. et al. (2024). “Principled Instructions Are All You Need for Questioning LLaMA-1/2, GPT-3.5/4.” arXiv:2312.16171. https://arxiv.org/abs/2312.16171

[15] White, J. et al. (2023). “A Prompt Pattern Catalog to Enhance Prompt Engineering with ChatGPT.” arXiv:2302.11382. https://arxiv.org/abs/2302.11382

附录：万能速查卡#