Prompt：不是咒语，而是控制上下文

核心问题

Prompt 为什么重要？它不是咒语，也不是一串神秘关键词。Prompt 的本质，是把任务所需的上下文交给模型，并控制模型接下来应该怎样生成。

如果你只说“帮我写一下”，模型需要猜你的身份、目标、读者、语气、长度、格式和边界。猜得对，结果看起来不错；猜错，就会泛、空、偏题。好的 Prompt 是减少猜测，而不是堆砌华丽措辞。

先建立直觉

想象你请一个临时同事帮忙写汇报。你只说“写个总结”，他很可能写出一段通用文字。你如果告诉他“这是给销售主管看的周报，请总结本周客户反馈，突出三个风险和两个机会，语气简洁，最后列出需要决策的问题”，结果就会更可用。

模型也是临时协作者。它没有自动知道你的真实场景，除非你把场景放进上下文。

概念拆解

一个有效 Prompt 通常包含五块。

第一是背景：你是谁，材料来自哪里，读者是谁。第二是任务：要总结、翻译、改写、比较、提取，还是生成方案。第三是边界：不要编造、不处理哪些内容、不做哪些判断。第四是输出格式：列表、表格、邮件、提纲、JSON。第五是检查要求：标出依据、区分事实和推测、指出不确定。

Prompt 不是越长越好。真正重要的是信息密度。无关背景会占上下文，冲淡重点；缺少关键约束又会让模型自由发挥。

互动理解

下面的沙盒比较模糊 Prompt 和结构化 Prompt。你可以看到，好的 Prompt 把背景、任务、边界、输出格式和检查要求都显式交给模型。

常见误区

第一个误区是迷信固定模板。模板可以帮你起步，但不同任务需要不同信息。写营销文案和核对合同风险，不能用同一套问法。

第二个误区是用强硬语气替代有效约束。说“你必须非常专业，不能出错”不如说“只能基于以下材料回答，无法判断的地方列为不确定”。

第三个误区是把 Prompt 当作一次性行为。复杂任务往往需要多轮：先定结构，再补资料，再让模型生成，再人工审核，再改写。

实用方法

可以用一个简洁框架写 Prompt：背景、任务、材料、边界、格式、检查。

例如：“你是面向普通读者的科普编辑。请基于以下材料，用 5 条要点解释什么是上下文窗口。不要使用公式，不要声称模型有永久记忆。每条先用生活类比，再给一句技术解释。最后列出 2 个常见误区。”

这样的 Prompt 不神秘，但可检查。模型知道要沿着什么方向生成，人也能判断它是否达标。

自我检查

写 Prompt 前，可以先把自己当成项目经理：这次交付物给谁看？判断好坏的标准是什么？哪些内容不能编？输出应该能直接复制到哪里？这些问题想清楚后，Prompt 自然会更清楚。

如果任务很复杂，不要试图一次写完所有要求。先让模型确认任务理解和输出结构，再让它填内容，最后要求它按检查清单自查。分段控制上下文，通常比一个超长 Prompt 更稳定。

真实场景

写一份客户邮件时，可以先让模型列出邮件目标和可能风险，再让它生成草稿，最后让它检查是否过度承诺。这样比直接说“写封专业邮件”可靠得多。因为客户邮件往往不只是文笔问题，还涉及承诺边界、语气和事实准确性。

Prompt 的价值不在于让模型听话，而在于让人类的隐含要求显性化。

如果你发现 Prompt 越写越长，可以把它拆成两层：固定的任务规范和本次输入材料。固定规范可以复用，例如语气、格式、审核标准；本次材料只放当前需要处理的内容。这样既节省上下文，也更容易维护。

团队场景尤其适合这样做。把常用 Prompt 变成模板，把可变信息留成填写项，每个人都能得到更稳定的输出。这样 Prompt 就从个人技巧变成了可复用的工作流程。

模板也需要迭代。每次发现输出跑偏，都把原因写回模板：缺少边界、缺少示例、格式不清，还是材料太杂。Prompt 会随着业务一起成熟。

如果一个 Prompt 经常被复制使用，就值得像产品文档一样维护版本。这样团队知道为什么改、改了什么、适合什么场景。

这会让提示词从临时话术变成稳定的协作接口。

协作接口稳定，团队产出才稳定。

延伸阅读

• Prompt 的编写和"更好的提问"共享核心原则——回顾第 11 章：更好的提问
• 好的 Prompt 是 Workflow 的起点——第 20 章：Workflow教你把单个 Prompt 扩展成可检查的工作流

一句话总结

Prompt 不是咒语，而是上下文控制；把背景、任务、边界、格式和检查要求说清楚，模型才更少猜错。