首先问一个问题：为什么那么多人说AI很强，而你使用下来感觉AI输出的内容还是有所欠缺？
其实很多人都不会使用AI，即使他已经用了很久了，但是没有掌握使用的技巧，不算是真正会用。
其实，想要用好AI就一个核心原则，把自己的问题说清楚！ 就跟向其他人提问一样，你需要让AI知道你在干什么，发生了什么，做了什么之后，遇到了什么问题，你想要怎么样？ 把这些都讲清楚，那么AI回答的质量就非常高。 当然具体到细节还是有些差别，下文会详细介绍。
当然也有些人实在就不会提问，或者本身对这个问题不熟悉，不知道应该怎样问。
今天我就整理了一下平时用下来觉得最实用的几个优化技巧，每个都有优化前后的对比，看完就能上手。
AI（LLM） 说白了就是"根据上文猜下一个词"，你给的信息越清楚，它猜得越准。
一句话总结：
Prompt 优化不是玄学，就是有套路的。
给模型设定一个角色，回答的视角和专业度会完全不同。
优化前：
解释一下什么是微服务架构
优化后：
你是一位有 10 年经验的 Java 后端架构师。
请用简洁的语言解释微服务架构的核心概念，包括它的优缺点，
以及适合什么规模的项目使用。回答控制在 300 字以内。
效果对比：
优化前的回答通常像教科书定义，缺乏实际视角。优化后，回答会带有架构师的经验判断，更有参考价值。
核心点：告诉模型"你是谁"，它就知道该用什么水平来回答。
模型不知道你的具体情况，你不交代背景，它只能给通用答案。
优化前：
帮我写一个 SQL 查询
优化后：
我有一个 MySQL 数据库，表结构如下：
- users 表：id, name, email, created_at
- orders 表：id, user_id, amount, status, created_at
请写一个 SQL 查询：找出 2025 年消费总额超过 1000 元的用户，
按消费总额从高到低排列，只显示用户名和消费总额。
效果对比：
优化前，模型可能给出一个通用的、你用不上的 SQL。优化后，直接给出可执行的、符合你需求的查询。
核心点：把模型当成一个很厉害但完全不了解你项目的新同事，把背景交代清楚就行。
复杂问题让模型"一步步想"，准确率会高很多。
优化前：
一个商店打 8 折，满 200 再减 30。我买了 3 件 80 元的商品，
最终要付多少钱？
优化后：
一个商店打 8 折，满 200 再减 30。我买了 3 件 80 元的商品。
请一步一步计算：
1. 先算商品原价总额
2. 再算打折后的价格
3. 判断是否满足满减条件
4. 计算最终价格
效果对比：
优化前，模型可能直接跳到答案，中间计算出错。优化后，每一步都展示出来，既准确又便于验证。
这个方法在数学计算、逻辑推理这类需要多步推导的任务里效果特别好。当然，如果你不会拆分，就在 Prompt 末尾加一句"请一步步分析"就行。
给模型几个例子，让它学习你期望的输出格式和风格。
优化前：
帮我写几个产品卖点
优化后：
请按照以下风格写产品卖点：
示例 1：
产品：无线耳机
卖点：无感佩戴，续航 24 小时，主动降噪
示例 2：
机械键盘
卖点：红轴手感，全键无冲，RGB 背光
现在请为以下产品写卖点：
产品：便携投影仪
效果对比：
优化前的输出格式不可控，可能是一大段文字。优化后，格式统一、简洁，直接可用。
核心点：与其费劲描述你想要什么格式，不如直接甩个例子给它看。
明确告诉模型你期望的输出结构，避免后期手动整理。适用于想要指定格式的数据时。
优化前：
对比一下 Vue 3 和 React 18
优化后：
请用以下 Markdown 表格格式对比 Vue 3 和 React 18：
| 对比项 | Vue 3 | React 18 |
|--------|-------|----------|
| ... | ... | ... |
对比项包括：响应式原理、模板语法、状态管理、学习曲线、生态。
每个单元格的内容控制在 20 字以内。
效果对比：
优化前的回答可能是散文式的，信息密度低。优化后，表格形式一目了然，适合做技术选型参考。
一个大 Prompt 里塞太多需求，模型经常顾此失彼。拆成多轮对话，效果会好很多。
优化前（一次性）：
帮我设计一个电商系统的用户模块，包括注册登录、
个人信息管理、收货地址管理、订单历史查询，
给出数据库设计、API 设计和前端页面设计。
优化后（拆分）：
第一轮：帮我设计一个电商系统用户模块的数据库表结构，
包括用户表、地址表、登录日志表。用 MySQL，给出建表 SQL。
第二轮：（拿到数据库设计后）基于上面的表结构，
设计 RESTful API 接口，用 JSON 格式给出请求和响应示例。
第三轮：（拿到 API 设计后）设计前端页面结构，
列出每个页面需要哪些组件和接口调用。
效果对比：
一次要求太多，每个部分都只能点到为止。拆开之后，每一步都能深入展开。
告诉模型"不要做什么"，有时候比告诉它"要做什么"还管用。
优化前：
写一篇关于 AI 的文章
优化后：
写一篇关于 AI 在软件开发中应用的文章，用于技术博客发布。
要求：
- 不要使用"深刻"、"革命性"、"颠覆"等夸张词汇
- 不要用比喻和排比句开头
- 不要超过 800 字
- 要有具体的代码示例或工具推荐
效果对比：
优化前的文章容易充满空话和套话。优化后，内容更实在、更有信息量。
如果你觉得上面这些技巧记不住，或者不知道自己的 Prompt 到底哪里有问题，可以让 AI 来帮你改。
方法很简单：把你的原始 Prompt 和遇到的问题丢给 AI，让它出优化方案。
通用模板：
我的提示词是：
"""
[你的原始 Prompt]
"""
遇到的问题是：
[描述具体问题，比如：回答太长/格式不对/不够专业/总是跑题等]
请给出优化后的 Prompt，并说明你做了哪些修改以及为什么。
实际案例：
原始 Prompt：
写一个 Python 脚本，用来批量重命名文件
遇到的问题：脚本功能不完整，没有错误处理，输出也不够清晰。
用 AI 优化：
我的提示词是：
"""
写一个 Python 脚本，用来批量重命名文件
"""
遇到的问题是：脚本功能不完整，没有错误处理，输出也不够清晰。
请给出优化后的 Prompt，并说明你做了哪些修改以及为什么。
优化后 AI 给出的 Prompt：
请用 Python 写一个批量重命名文件的命令行脚本，要求：
1. 指定目录下的所有文件
2. 支持正则表达式匹配文件名
3. 支持预览模式（只显示将要重命名的结果，不实际执行）
4. 遇到重名文件时跳过并提示
5. 输出每个重命名操作的结果（旧名称 → 新名称）
6. 最后显示统计信息（成功/跳过/失败数量）
7. 使用 argparse 处理命令行参数
效果对比：
优化前写出来的脚本基本能用，但缺乏健壮性。优化后，功能完整、有错误处理、用户体验好，直接就能在生产环境使用。
这个方法的好处是，你不用刻意记什么技巧，把需求说清楚，AI 就能帮你写出更好的 Prompt。说白了就是用 AI 来优化"怎么跟 AI 说话"。
不是。冗长的 Prompt 包含大量无关内容，反而会增加干扰，降低效果。关键是信息密度，要把必要的约束说清楚。
好的 Prompt 完全可以复用。把常用的角色设定、输出格式、约束条件存成模板，每次改改具体内容就行。
不同模型对 Prompt 的偏好差别挺大的。GPT、Claude、GLM 各有各的性格，需要针对性地调整。
参考了 Anthropic 官方推荐的 Prompt 最佳实践以及业界常见的结构化 Prompt 思路，这里给出一个简洁但有效的五要素模板：
# 角色
你是一位 [具体角色]，擅长 [具体方向]。
# 背景
[交代问题背景、当前环境、相关技术栈]
# 任务
请完成以下任务：[具体、可衡量的任务描述]
# 要求
- 语言：中文
- 格式：[Markdown/JSON/表格/代码等]
- 长度：[具体限制]
- 不要：[明确排除的内容]
# 参考（可选）
[示例输出、参考资料、类似案例]
这个模板的几个设计思路：
CO-STAR 是来自新加坡 GovTech 的 Sheila Teo 总结提出的一个结构化 Prompt 框架，在社区中广为流传，实际使用中效果不错。六个要素分别是：
## Context
我是一名后端开发，正在将一个 Spring Boot 项目从 Java 8 迁移到 Java 17。
## Objective
帮我列出迁移过程中需要注意的 API 变更和兼容性问题。
## Style
用技术文档的风格，每个问题给出简短说明和解决方案。
## Tone
专业但不啰嗦，适合有经验的开发者阅读。
## Audience
熟悉 Java 但不太了解 Java 17 新特性的后端开发者。
## Response
用 Markdown 列表格式，按优先级从高到低排列。
每个条目包含：问题描述 → 影响范围 → 解决方案。
模板只是工具，不要被模板给限制了。要根据实际情况灵活调整，不能死板套用。
| 技巧 | 适用场景 | 效果 |
|---|---|---|
| 角色设定 | 所有场景 | 回答更有针对性 |
| 提供上下文 | 专业领域问题 | 输出更贴合实际 |
| 思维链 | 推理、计算类 | 准确率显著提升 |
| Few-shot | 格式控制 | 输出一致性高 |
| 指定输出格式 | 需要结构化输出 | 减少后期整理 |
| 拆分任务 | 复杂需求 | 每部分深度更好 |
| 负向提示 | 内容创作 | 减少废话和套话 |
| AI 优化 Prompt | 不知道怎么改时 | AI 帮你改进 Prompt |
Prompt 优化说白了就一件事：减少模型猜的空间，让它清楚你要什么。多试几次，找到适合自己的表达方式，效果会越来越明显。