很多人觉得AI不好用，根源是指令太模糊。本文给出一套可直接套用的提示词五要素公式，配10个办公场景的改写对照与可直接复制的模板，在不换工具的前提下把AI输出质量提升一个档次。
同一款AI，有人用它十分钟写完一周的材料，有人问三遍还得自己重写。差距不在工具，在指令。
大模型本质是一个"根据上下文预测下一个字"的程序。你给的信息越少，它就越只能用最常见、最平庸的方式去补全——于是你得到一段看起来正确、实际上没法用的废话。
可以把它想成一位能力很强、但对你公司一无所知的新同事。你说"写个方案"，他只能套模板；你说清楚"写给谁、解决什么、要多长、什么语气、参考哪些资料"，他交出来的东西才可能直接用。
把下面五件事讲清楚，输出质量就会有肉眼可见的变化：
① 角色——让它站在什么立场思考
你是一位有十年经验的B2B销售总监
② 背景——这件事的来龙去脉和受众
我们是一家200人的制造企业，客户是华东地区的中小型工厂主
③ 任务——一个明确的动作和期望结果
帮我找出客户最可能拒绝的三个理由，并分别给出应对话术
④ 格式——"做完"长什么样
用表格输出，三列：拒绝理由、客户真实顾虑、应对话术
⑤ 约束——字数、语气、不能做什么
每句不超过30字，不用行业黑话，不许虚构数据
把五要素拼起来，就是一段能直接用的提示词。注意顺序：先给角色和背景，再下任务，最后提格式和约束，模型更容易遵循。
| 场景 | 模糊写法 | 改写后 |
|---|---|---|
| 周报 | 帮我写周报 | 你是互联网公司运营主管。本周完成3场直播、新增用户1200、退货率上升2%。写一份给部门总监看的周报，分"进展/问题/下周计划"三段，每段不超过80字，问题部分要写原因和改进动作 |
| 邮件 | 写一封拒绝邮件 | 写一封婉拒合作的邮件。对方是我们的供应商，合作暂停是因为内部预算冻结，希望保留未来合作可能。语气礼貌但不含糊，200字以内，结尾给出明年一季度再联系的口子 |
| 会议纪要 | 整理这段会议记录 | 把下面的会议记录整理成纪要。输出四块：决议事项、待办（含负责人和截止时间）、有争议未定的问题、下次会议议题。待办用表格，未定事项单独列出不要猜测 |
| 数据分析 | 分析这份销售数据 | 你是数据分析师。这是华东区近12个月的销售数据。请指出三个最显著的趋势、两个异常点，每个发现后面跟一条可执行的建议。数据里没有的一律写"数据未覆盖"，不要推测 |
| PPT大纲 | 做个季度汇报PPT | 这是给管理层看的Q3季度汇报，共12页。请输出每页的标题、要讲的三个要点、建议配什么图。第2页必须是核心结论，不要背景铺垫 |
| 招聘JD | 写个招聘文案 | 招一名有3年经验的新媒体运营。公司做母婴品类，团队8人。输出三段：岗位职责（5条）、任职要求（4条）、我们提供什么。语气真实不画饼，不写"抗压能力强"这类空话 |
| 客户跟进 | 帮我回复客户 | 客户上周询价后没回音。写一封跟进邮件，先提供一条对他有用的行业信息建立价值，再自然提到报价有效期。150字以内，不要有催促和讨好的语气 |
| 制度文件 | 写个报销制度 | 起草一份差旅报销制度。适用对象为全体员工，需覆盖标准、审批流程、票据要求、违规处理四部分。条款用编号，语言严谨无歧义，涉及金额处用【】留空由我填写 |
| 培训材料 | 讲讲怎么用AI | 面向45岁以上、几乎不用AI的行政人员，写一份15分钟的AI入门讲义。全程不讲技术原理，只讲三个能立刻用的场景，每步操作写清楚点哪里 |
| 文案改写 | 让这段话更好 | 把这段产品文案改写得更有说服力。原意不变，删掉形容词，多用具体数字和场景，控制在80字。改完说明你删了什么、为什么 |
这张表的核心不是背下来，而是记住一件事：你多说一句背景，就能少改三遍稿子。
技巧一：把指令和数据分开写。 用"以下是待处理内容："""……"""这样的分隔符把资料包起来，模型不容易把你的指令和资料混在一起。
技巧二：不确定就让它说不确定。 在提示词末尾加一句"资料中没有的信息请写'未提及'，不要推测"，能显著减少编造。
技巧三：别重开，接着改。 输出不满意就在同一轮对话里提要求——"第三段太长，压缩到50字""语气再正式一点"。模型记得上下文，迭代比重新提问快得多。
误区一：提示词越长越好。 堆砌形容词不会提高质量，反而会稀释重点。每一句话都应该提供新信息。
误区二：一次让它干完所有事。 复杂任务拆成几步：先要大纲，确认后再写正文，最后统一改语气。分步的成品质量明显更高。
误区三：写完直接用。 AI是提效工具不是免责工具。涉及金额、法条、客户承诺、对外发布的内容，必须人工核对原始资料。
不是。提示词的价值在于"信息密度"而不是"长度"。每一个字都应该提供模型原本不知道的信息，比如角色、受众、字数、禁忌。堆砌"请认真思考""请专业回答"这类空话不会改善输出，反而稀释重点。判断标准很简单：删掉这句话，输出会不会变差？不会变差就该删。
各模型的训练数据、对齐方式、默认语气都不同，对同一段指令的理解会有偏差。实践中建议：主力用一个模型跑通工作流，重要内容用第二个模型交叉验证。如果一份提示词在某个模型上表现不好，先试着把"格式"和"约束"写得更具体，通常比换模型更有效。
不要指望人人掌握提示词技巧，那是培训要做的事。更可行的做法是由几个人把高频场景的提示词做成模板，写清楚哪里需要填空，放到共享文档里让同事直接套用。模板数量不必多，覆盖十个最常用的场景就够解决八成需求。