夜里两点，我把一段乱成团的需求，重新说给AI听
凌晨的屏幕总有一种蓝得发冷的光，像一只安静的眼睛，盯着你没写完的任务。那天我桌上放着冷掉的咖啡，文档里是一段东一榔头西一棒子的需求：要写方案、要改文案、还要顺手总结会议记录。第一次把它丢给ChatGPT，得到的回答像一辆开得很稳却不知道要去哪儿的车，礼貌，完整，却不够贴近我要的方向。你是否也有过这种感觉——不是AI不会答，而是你没有把问题说到位？
提示词工程的本质，不是“把话说得更玄”，而是把意图拆清楚。我的经验是，好的提示词至少要交代四件事：你是谁、你要什么、材料是什么、输出长什么样。比如我后来把同样的任务改成：“你是资深运营编辑，请基于以下会议纪要，整理成300字内的执行摘要，分成目标、风险、待办三部分，语气简洁，避免空话。”结果明显变稳了，输出里废话少了，结构也更贴近工作场景。
先解决“说不清”，再谈“问得巧”
很多人搜“ChatGPT怎么用”“ChatGPT提示词教程”，其实卡住的不是工具，而是表达顺序。最有效的做法，是先给AI一个可执行的角色，再给边界，再给样例。你可以直接照这个框架写：
- 角色：你是谁，例如“你是产品经理”“你是法律助理”“你是SEO编辑”。
- 任务：你要它完成什么，尽量用动词开头，比如“总结”“改写”“对比”“生成”。
- 限制：字数、语气、受众、不能做什么。
- 材料：粘贴原文、数据、要点，别让它凭空猜。
- 格式：表格、清单、分点、JSON、邮件正文等。
我常用的一个模板很朴素，却很耐用：
你是[角色]。请基于[材料]完成[任务]。输出要求：[格式/字数/语气/限制]。如果信息不足，请先提出3个澄清问题，不要直接编造。
这个“先问问题”的指令特别重要。很多错误不是模型能力不够，而是它太愿意补全空白。你把边界画出来，它才会更像一个认真工作的同事，而不是一个反应很快的即兴演员。
把对话聊成协作：让AI先草拟，再迭代
真正高效的对话，不是一次性问到完美，而是像打磨石头一样一轮轮靠近。我的做法通常分三步：先要粗稿，再要诊断，最后要重写。比如写一封英文邮件，我不会一上来就说“写得专业一点”，而是先让它生成初稿，再说“指出这封邮件最不自然的三处表达，并分别给出更地道的替换”，最后再要求“保留原意，改成适合供应商沟通的口吻”。这样来回两三轮，质量往往比一次性要求高得多。
如果你在做内容整理，可以试试“分层追问”：先让它提炼核心结论，再追问证据，再追问可执行动作。比如我做过一个小测试，把同一份2,400字的产品说明分别用两种方式处理：直接让它“总结一下”，和先要求“按功能、限制、适用场景、风险四栏输出”。后者在我测试里，结构化信息完整度更高，人工二次修改时间从18分钟降到7分钟。这个差别不神秘，原因很简单：结构先行，模型就不容易散。
如果你正在找Claude怎么用、Claude免费使用这类答案，也可以沿用同样的原则：先把任务拆开，再用迭代替代一次性豪赌。不同工具的风格会有差异，但“说清楚、给样例、设边界、逐轮优化”这套方法是通用的。
怎么判断提示词真的变好了：看三项指标
别只凭感觉。判断一个提示词是否有效，我建议看三项：第一，废话是否减少；第二，格式是否稳定；第三，下一轮修改是否更少。你可以做一个简单验证：拿同一份材料，连续试3版提示词，记录每次回答后你需要手动删改的时间。如果从10分钟降到3分钟以内，说明提示词已经开始替你省力了。
再给一个实用检查表：回答是否直接命中任务？有没有擅自扩写？格式有没有跑偏？是否漏掉限制条件？如果出现“看起来很对、但不能直接交付”的情况，通常是提示词少了两样东西：样例和约束。记住，AI最怕含糊，人类最怕重复劳动；提示词工程，就是替双方节省耐心。
如果你愿意继续往前走，先从官方和免费方式练起，真正把“提问—追问—校正”这条链路跑顺，再考虑更高阶的付费方案。工具会变，方法不会。夜深时回头看，你会发现自己并不是在驯服一个模型，而是在练习一种更清楚地表达世界的能力。
验证是否生效：拿一段500字以内的真实工作材料，按本文模板重写提示词，比较新旧两版输出的修改时间、格式稳定性和遗漏率；如果修改时间下降、结构更稳，就说明这套方法已经开始起作用了。若你只是想找一个入口，roxi.cc 也可以作为其中一个选择，但免费、官方和自建方法同样成立。