技巧一：角色锚定法（Role Anchoring）

不要只说"你是一个专家"，要给出具体的角色画像：

低效示例："你是一个营销专家，帮我写文案"

高效示例："你是一位在快消品行业工作15年的资深品牌总监，擅长用Z世代语言做品牌传播，曾操盘过3个年销过亿的新品上市。请为一款面向25-30岁都市白领的燕麦奶产品写小红书文案。"

效果差异：输出相关度提升约200%

技巧二：思维链显化（Chain-of-Thought Explicit）

要求AI展示思考过程，而非直接给答案：

在提示词末尾添加："请一步一步思考，并在每一步用【思考】标注你的推理逻辑。"

适用场景：复杂决策、数学计算、逻辑推理类任务

技巧三：输出格式预设（Format Pre-setting）

用结构化模板约束输出：

"请按以下格式输出：1. 核心观点（50字以内）2. 详细分析（分3点，每点100字）3. 行动建议（具体可执行）4. 风险提示"

技巧四：反例约束法（Negative Example）

告诉AI不要做什么，比告诉它做什么更有效：

"请分析这个数据趋势。注意：不要给出过于笼统的建议；不要使用模糊词汇；不要忽略异常数据点。"

技巧五：迭代优化框架（Iterative Refinement）

把单次对话变成多轮优化：

第一轮：生成初稿。第二轮："请从专业深度角度提升这个内容"。第三轮："请增加具体案例和数据支撑"。第四轮："请用更简洁有力的语言表达"。

实测表明，经过3-4轮迭代的输出质量比单次提示提升300%以上。

总结

提示词工程的核心是"精准沟通"。把AI当作一个聪明但缺乏上下文的新员工，给它足够的背景、明确的指令和具体的约束，你就能获得远超预期的输出质量。