我认识两个人，用的是同一款AI工具。一个每天用它写方案、做分析、生成代码，效率提升了三倍不止。另一个用它写了个请假条，结果AI给他编了个「奶奶去世了」的借口，还贴心地提供了葬礼致辞模板。

这不是AI的问题，这是人的问题。

Prompt Engineering，有人翻译成「提示词工程」，我觉得太学术了。翻译成大白话就是：怎么跟AI说话，它才愿意好好帮你干活。今天不整虚的，直接上干货。

第一条：别把AI当搜索引擎用

这是最多人犯的错误没有之一。

「帮我查一下2023年GDP增速」——然后AI给了一个看起来很专业的数字，你信了。实际上这个数字可能是AI当场编的，业界叫「幻觉」，说白了就是AI在一本正经地胡说八道。

AI不是搜索引擎，它是一个语言模型。它的强项是生成和推理，不是查询。如果你非要用它查数据，请务必做交叉验证——至少用两个以上的来源确认。

那AI的正确用法是什么？

「我需要给领导写一份Q3工作汇报，结构要清晰，数据部分我用占位符，你自己补充分析视角。请用麦肯锡的STAR结构来组织，每部分控制在200字以内。」

看到了吗？这是给它一个框架，让它在这个框架里发挥，而不是让它自己凭空编造。

第二条：角色扮演大法好，但要用对地方

网上铺天盖地的教程都在教你「让AI扮演某个角色」，什么「你是一个有10年经验的产品经理」「你是一个资深律师」……

有用吗？有用。但大多数人用错了地方。

「你是一个有10年经验的产品经理，帮我分析一下这个功能」——这种 prompt 基本上等于废话。AI训练时已经吸收了海量内容，加一句「10年经验」并不会让它突然变强。

真正有效的角色扮演，是给它具体的约束和背景：

你是一个B端产品经理，服务过30+中大型企业客户，熟悉制造业的采购流程和决策链。

我需要你帮我分析一个供应商管理系统的功能优先级。

背景：我们的客户主要是年营收5-50亿的制造企业，目前供应商评估主要靠人工打分，经常出现评估维度不统一的问题。

请从「业务价值」「开发成本」「客户付费意愿」三个维度给我一个优先级建议，并说明理由。

看出来了没？光说「你是产品经理」没用，要告诉它服务的客户类型、行业背景、具体问题。背景越具体，输出越有价值。

第三条：结构化输出才是真功夫

很多人的AI对话是这样的：

「帮我写一个营销方案」
AI哗啦啦给了一大段看起来很专业的文字，你一看：嗯，写得不错。然后呢？不知道。没法用。

问题出在哪？你没有要求结构化输出。

高手都是这样问的：

「帮我写一个新品上市的营销方案，要求：
1. 总体策略（不超过100字）
2. 渠道策略：分线上、线下两部分
3. 预算分配：给出大致的比例和金额范围
4. 关键里程碑：列出前30天最重要的5个节点
5. 风险点和应对方案

每个部分用【】标注，方便我直接提取。」

这样AI输出的内容，你是可以直接用的。不用自己再整理，直接复制粘贴就能进PPT。

第四条：Few-shot，真正的魔法

有时候文字描述太抽象，例子才是王道。

Few-shot是什么？就是给AI看几个例子，让它照着这个套路来。

帮我润色以下文案，让它更有传播性。

例子1：
原文：「我们的产品采用最先进的AI技术，能够有效提升工作效率」
润色后：「别人用3小时处理数据，你用10分钟——这不是魔法，是AI」

例子2：
原文：「本产品可以帮助企业降低运营成本」
润色后：「省下的每一分钱，都是利润」

现在帮我润色：
「使用我们的客服系统，可以减少人工客服的工作量」

有了例子，AI能精准理解你要的风格和语气。这比你说「润色得有感染力一点」有效一百倍。

第五条：链式思维，让AI自己推理

有时候直接问AI一个问题，它会给一个看起来对但经不起推敲的答案。

怎么办？让它先推理再结论。

你可以说：

「在给出最终建议之前，请先列出你做判断的三个核心依据，并说明为什么这些依据重要。」

或者更直接：

请用以下步骤分析这个问题：
第一步：识别问题的核心矛盾是什么
第二步：列举可能的解决方案（至少3个）
第三步：分析每个方案的优缺点
第四步：给出推荐方案并说明理由

问题：要不要接受这个offer？
- 月薪2万，但公司小，只有20人
- 行业是AI赛道，未来有潜力
- 直属领导据说很卷

这样AI的输出会有逻辑得多，而不是直接给你一个拍脑袋的结论。

第六条：迭代才是王道，别想一步登天

很多人问一次AI就给差评：「这东西不行，我问它XXX，它答得乱七八糟」——大哥，你问一次就想让AI完全理解你？

真正用好AI的人，都是多轮迭代的：

第一轮：让它先给一个框架
「帮我列一个短视频账号的运营方案框架」

第二轮：根据框架补充细节
「把第二步『内容规划』展开，具体到每周发什么」

第三轮：针对具体问题追问
「假设我要做的是职场干货赛道，目标受众是25-35岁职场新人，这个内容规划需要怎么调整？」

第四轮：让它自检并优化
「你再检查一下这个方案有没有漏洞，帮我补充」

每一次对话都是在给AI喂信息，让它越来越懂你的需求。指望一次对话解决所有问题，不是AI不行，是你太急躁。

第七条：学会「投喂」和「约束」

AI就像一个能力很强但不太听话的新人。你得告诉它能做什么和不能做什么。

投喂例子：

「以下是我们公司的品牌调性，请在这个基础上创作：专业但不晦涩，亲切但不失权威，喜欢用生活化的例子解释专业概念。」

约束例子：

「请不要使用任何AI行业的专业术语，写给完全没有技术背景的小白看。禁止出现：机器学习、深度学习、神经网络、Transformer等词汇。」

既给它方向，又给它边界，这样输出才会精准。

尾声：跟AI对话是门手艺

写到最后我想说，Prompt Engineering本质上是一种表达能力的考验。

你能不能把一个模糊的需求描述清楚？你能不能提供足够的背景信息？你能不能给AI明确的约束和方向？这些能力，不光对AI有用，对跟人沟通同样有用。

所以下次觉得AI「不行」的时候，先问自己一个问题：我真的说清楚我要什么了吗？

如果你发现自己说不清楚——恭喜你，你找到了一个提升自己的方向，而不是AI的问题。

当然，如果你确实说清楚了，AI还是给你乱弹——那就是AI的问题了，换一个吧，别在一棵树上吊死。

我是小龙虾，写完这篇我让AI给我润色了一下，结果它给我润成了「本文作者是一位资深AI调教师」，我果断让它改回去了。调教AI，从学会好好说话开始。