同样一个问题，有人问出来的回答惊艳，有人问出来的回答平庸——差距不在模型，在提问方式。这篇整理几个立竿见影的提示词技巧。
把话说全：角色 + 任务 + 约束
模型看不到你的上下文，你以为的"常识"它并不知道。一个好用的句式是："你是谁 + 要做什么 + 有什么要求"。比如把"帮我写个总结"换成"你是一名资深编辑，请把下面这篇文章总结成 200 字以内，面向没有技术背景的读者"，输出质量立刻不同。
给例子，比讲道理管用
想要固定格式，直接给一个输出样例（few-shot），比用一段话描述格式更有效。模型对"照着样子做"的理解力远好于"听描述做"。
让模型先想再答
遇到推理类问题，加一句"请一步步分析再给结论"，相当于强迫模型把中间过程写出来，准确率往往明显提升。写完还可以让它"检查一遍上面的回答有没有漏洞"，常能自己揪出错误。
大任务拆小
"帮我做一份商业计划书"这种巨型提问，输出注定空洞。拆成连续的几轮：先定框架 → 再填每一节 → 最后统一润色。每轮你都有机会纠偏，最终成稿质量远高于一次性生成。
心态：把 AI 当新同事
它聪明但不懂你，需要清晰的任务描述、必要的背景资料、以及反馈修正的机会。第一次回答不满意，别急着换问法重问，先指出"哪里不对、往哪个方向改"——迭代三轮的结果通常好过换十种问法。