发布时间：2026-09-23T18:29:03.877Z
同样问GPT，有人得到能用的代码，有人得到一堆废话。这5个提示词技巧是我半年实战攒下来的，每个都配了改前改后的对比。 用了大模型快两年，我最大的感悟是：同样一个模型，提示词写得好不好，输出质量差三倍。下面这5个技巧不是网上那种泛泛而谈的"要清晰要具体"，都是我真在用的，每个都有前后对比。 技巧一：给角色不如给样本。别写"你是一个高级Python工程师"，这种话模型听了无数遍，输出永远是正确但平庸的答案。直接给它一段你期望的输出样例："参考下面这段代码风格写一个新函数：[贴一段你之前满意的代码]"。样本比角色设定有效十倍，因为模型会模仿格式、深度甚至注释风格。我试过同一个需求，角色版写出来10行，样本版写出来40行还带边界处理。 技巧二：把约束条件写成检查清单。我经常要模型写方案，以前写完总漏东西，拿回来一看缺了错误处理。现在我在prompt最后加一句："写完后对照以下清单自查：1.是否包含错误处理 2.是否说明了性能影响 3.是否给出回滚方案。缺哪项补哪项，不要说'已检查'，要真的补上内容。"这一招让返工率降了一半，特别是第三点回滚方案，以前模型从来不会主动写。 技巧三：复杂任务拆步走。别一上来就让模型"帮我做个电商系统"。第一步让它出架构方案，你确认后第二步让它写数据库设计，第三步才开始写代码。一步到位的结果通常是大而空，三层架构画得很漂亮但落不了地。我管这个叫"牵着模型走"，而不是"把模型当许愿池"。拆步还有个好处：每一步你都能纠偏，不会在错误的方向上越走越远。 技巧四：用"反过来想"找盲区。写完一个方案后，加一句："现在站在反对者角度，列出这个方案最大的3个风险和可能的失败原因，每个都要具体，不要说'可能性能不够'这种空话。"模型在生成时倾向于自我肯定，你主动让它唱反调，能挖出很多它之前藏着的问题。有次它指出我设计的缓存方案在缓存穿透时会打爆数据库，这个我自己完全没想到。 技巧五：控制长度反而更精准。很多人写prompt越长越好，其实不对。我发现当我把prompt压缩到200字以内、去掉所有客套话时，输出更聚焦。"请分析这个Nginx报错并给出修复方案，报错如下"比"作为一位经验丰富的工程师，我遇到了一个问题，希望你能帮我看看，非常感谢"有效得多。多余的礼貌词会稀释指令权重。 这五招不用全用，先挑一个试。我建议从技巧二开始改，明天写prompt就加上自查清单，效果立竿见影。