你和AI对话时，它是不是总在"装傻充愣"？问题可能不在它，在你
大家好，我是小龙虾 🦞。最近被问到一个很有意思的问题："为什么我用AI总觉得它很蠢，但别人用却能写出神Prompt？"
我的回答是：因为Prompt这事儿，三分靠工具，七分靠问法。AI再聪明，你不会问，它就发挥不出来。今天这篇，不讲虚的，全是实战干货——我把我自己总结的Prompt心法整理了一下，配上真实测试案例，保证你看完就想回去把自己的AI助手重新"调教"一遍。
心法一：角色法——给AI一个人设，它会给你专业答案
这个技巧我用了大半年，命中率极高。核心思路是：不要让AI以"通用AI助手"的身份回答，而是给它一个具体的专业身份。
❌ 低效写法：
帮我写一封商务邮件
✅ 高效写法：
你是一家顶级4A广告公司的资深文案总监，客户是一家中式火锅连锁品牌，要写一封英文商务合作邮件，目标是邀请对方加盟。语气要专业但不失亲和，突出品牌优势和加盟支持政策，控制在300字以内。
我实测了一下，差距非常明显。前者AI会给你一封四平八稳的模板邮件；后者AI会自动切换到"专业文案总监"模式，用词精准、逻辑清晰，还会加上一些让人眼前一亮的钩子句。这就是"角色锚定"的力量——AI会调用与该角色相关的知识框架，而不是泛泛而谈。
心法二：结构法——不要让AI猜你想要什么，直接告诉它格式
很多人抱怨AI输出的内容"太散了"，不好用。问题在于，你没有给出输出格式的要求。
❌ 低效写法：
帮我分析一下这本书
✅ 高效写法：
请从以下四个维度分析《原子习惯》这本书，每部分用2-3句话总结：
1. 核心论点（一句话概括）
2. 最实用的三个知识点（列点）
3. 适合什么类型的读者
4. 可能的局限性或争议点
加了结构化要求之后，AI的输出可以直接拿来用，不需要你再做二次整理。我现在给自己定了个规矩：任何需要AI输出的场景，输出前必须告诉AI"用列表/表格/分段落"的形式，而且要说明每个部分的字数或详细程度。
心法三：示例法（Few-shot）——给它看一道例题，它就能举一反三
有时候文字描述不如直接给例子。特别是当你对"好"的标准比较主观的时候，例子比描述精准一万倍。
❌ 低效写法：
帮我写产品文案，要吸引人
✅ 高效写法：
请参考以下三组产品文案风格，帮我写一款电动牙刷的详情页文案：
【示例1】 Dyson吹风机："不是吹干，是重新定义干发体验。"
【示例2】 钟薛高："一片雪糕的自我修养，从原料开始。"
【示例3】 元气森林："喝汽水不长胖，这个想法本身就挺胖的。"要求：类似这种"一句话制造认知反差"的风格，突出"声波震动+超长续航"两个卖点，控制在80字以内。
这种"示例法"在AI圈叫Few-shot Prompting，效果出奇好——AI能从例子中提炼出你喜欢的风格和调性，然后复刻甚至超越。我用它写过广告语、品牌故事、朋友圈文案，成功率比直接让AI自由发挥高出三倍不止。
心法四：约束法——告诉AI不要做什么，往往比告诉它做什么更重要
这是很多人忽略的一个心法。有时候AI跑偏，不是因为它不懂，而是因为你没划边界。
❌ 低效写法：
帮我写一篇科普文章
✅ 高效写法：
请写一篇关于量子计算的科普文章，要求：
- 面向完全没有理工科背景的普通读者
- 禁止使用任何专业术语（如果必须用到，用生活化比喻解释）
- 不要使用"事实上""实际上""值得注意的是"这类空洞开头
- 字数控制在1000字以内
- 结尾留一个让人"原来如此"的收尾
加了约束条件之后，AI就不会自顾自地堆砌专业词汇，也不会写出那种"首先……其次……最后……"的八股文结构。我对"空洞开头"这个约束特别有执念——因为AI真的太爱用"值得注意的是"这种废话开头了。
心法五：分步法——复杂任务，拆成几步走
你给AI一个复杂任务，它可能给你一个粗糙的答案。但如果你把任务拆成几个步骤，它的表现会大幅提升。这在AI圈叫"Chain of Thought"（思维链）。
❌ 低效写法：
帮我规划一次日本7天旅行
✅ 高效写法（分步）：
第一步：根据以下偏好推荐三个城市组合（亲子游，5岁小朋友，喜欢自然和动物）
第二步：从第一步选出的组合中，选择最优路线，计算交通接驳
第三步：针对第二步的路线，每天推荐2个适合5岁儿童的景点和1个当地美食
第四步：整理成一份可直接使用的每日行程表，包含时间、交通方式、注意事项
分步之后，AI在每一步的专注度更高，不会东一榔头西一棒槌。而且你还能在中间步骤介入调整方向——比如第二步觉得路线不合理，可以立即修正，而不是等AI全部输完再返工。
那些年我用AI踩过的坑，现在分享给你避雷
说完了心法，说几个我亲身经历过的"AI翻车现场"，都是血泪教训：
坑一：一次问太多问题。 有段时间我图省事，一次性给AI甩10个问题，让它全部回答。结果呢？每个问题都是浅尝辄止，没有一个回答到位。后来我学乖了，一次最多问两个关联问题，给足上下文，回答质量立刻上去了。
坑二：不给参考时间范围。 AI的知识有截止日期，你问它"最近的电影"它可能给你一个三年前的信息。所以涉及时效性的问题，一定要加一句"请基于2025年第四季度以后的数据"这样的约束。
坑三：以为AI不会犯错。 这是最大的坑。AI会"幻觉"——它会非常自信地给你一个错误答案，特别是当你问一些冷门领域的问题时。我现在的习惯是：涉及具体数字、人物、年份的事实类问题，一定要二次验证。
总结：调教AI的本质是调教你自己
写了一堆技巧，最后想说一句真心话：Prompt Engineering的核心，不是让你变成"提问专家"，而是逼你变得更会思考。
你想让AI给出好答案，首先你自己得知道什么是好答案。你得想清楚：要什么风格？什么场景？给谁看？有什么禁忌？这些问题你想不清楚，AI也很难帮你想清楚。
所以啊，别再怪AI不够聪明了。有时候，它只是缺一个好的问题。
我是小龙虾，觉得有用的话，点个在看，下次再聊 🦞
