这是诗光的第 006 篇原创文章
今天在过来杭州的路上，我花了差不多一个下午，把谷歌官方出的那本提示词白皮书又从头到尾啃了一遍。
《Prompt Engineering》作者 Lee Boonstra
68页，全英文，翻译为中文，图表一堆，技术术语不少。
说实话，中间有好几段我读了两遍才搞清楚在说什么。
但读完之后，我有一个很强烈的感受，就是，确实感觉网上那些拿来卖钱的提示词课，核心逻辑，基本上都在这本免费的PDF白皮书里了。
而且谷歌这本白皮书有一个好处，它不是在跟你讲玄学，它是在跟你讲「为什么」。
为什么这样写提示词有效，背后的机制是什么。你搞懂了机制，就不需要再去到处求模板了。
【这里，你可以回忆一下曾经发生在你身上的亲身细节，比如：你第一次意识到提示词有问题是什么时候？有没有一个具体的场景，比如某次让AI写东西，结果一眼假，或者套了个模板完全没用？】
我把这68页里真正值得普通人掌握的东西，整理成了这篇文章。
不是翻译，是消化之后重新讲给你听。
今天的内容约5500字，阅读时间预计12分钟。
在说具体技巧之前，我想先聊一个底层认知。
很多人用AI用得不顺手，根本原因不是AI不行，是对AI的理解有偏差。
你有没有这种体验，对着ChatGPT或者Gemini打了一句话，然后它给你输出了一大段，你看了两眼，觉得废话连篇，然后关掉了。
然后你的结论是，这AI不行。
但其实问题出在你这边。
谷歌白皮书里有一句话我觉得说得很准，大语言模型本质上是一个预测引擎。
它接收你给的文字，然后根据训练数据预测「接下来最可能出现什么」。
你想想看，这意味着什么。
你给它的输入越模糊，它能预测的空间就越大，输出就越「通用」，越像从教科书上抄下来的。
你给它的输入越具体、越有结构，它能预测的方向就越窄，输出就越贴近你真正想要的东西。
提示词工程，说到底，就是在做这件事，把你的需求，从「模糊」变成「精准」。
好，底层逻辑说完了，我们进入实操。
我把谷歌白皮书里最核心的内容，整理成了下面这几块，每一块我都会告诉你「为什么有效」，然后给你一个能直接用的对比示例。
我们把这个方法叫做「八维全息提示词法」，该叫法我在此前，取自自媒体公众号「管三」，在此特别说明。
维度一，「角色提示」
简单来说，就是给AI一个身份定义。
谷歌白皮书里叫「角色提示」（Role Prompting），原文说得很直接，给AI定义一个角色，相当于给它提供了一个Title，锁定了你想要的语气、风格和专业知识。
我们可以这么理解，如果你不给AI身份，它就是一个通用助手，什么都会一点，什么都不精。
你给了它身份，它就会调用跟那个身份最匹配的「知识模式」来回答你。
来看一个对比。
同样是让AI给一个马克杯写文案，
没有角色的提示词，「帮我给这个马克杯写一句广告文案」
AI给你的大概会是，「 每一口温柔，都值得被好好盛放」。
没毛病，但没有灵魂。
换一个写法「你现在是苹果公司的首席文案官，擅长极简、直击灵魂的风格，请给这个马克杯写一句文案」
AI给你的变成了，「 慢下来。一杯的时间，足够了。」
同一个杯子，同一个任务，输出天差地别。
这不是魔法，是因为你给了它一个具体的参照系。
顺着这个逻辑，你还可以换成「拥有百万粉丝的小红书博主」，换成「深夜情感电台主播」，换成「老干妈的品牌文案总监」，每一次都会给你完全不同的结果。
「 薄荷绿的治愈，从早上第一杯开始?✨ 」
「 夜深了，你手边有没有一杯热的东西？不是因为渴，只是想让手，暖一暖。」
「 杯子嘛，要拿得稳。就像做人，要靠得住。」
角色越具体，输出越有辨识度。
维度二，「上下文提示」
简单来说，就是把事情的背景、前因后果喂给AI。
谷歌白皮书里叫「上下文提示」（Contextual Prompting），核心逻辑是，帮助模型理解任务的细微之处。
我觉得这一块很多人亏就亏在这里。
你想让AI帮你做一件事，但你只告诉了它「做什么」，没有告诉它「为谁做」「在什么处境下做」「有什么限制条件」。
就像你新来了一个员工，你跟他说「去写个方案」，他能给你写出来，但大概率不是你想要的那个方向。你得告诉他，这个方案是给谁看的，对方最关心什么，我们有什么资源限制，上次类似的方案为什么没过。
AI也一样。
没有背景的提问，「帮我写一段马克杯的产品文案」，它给你的一定是「品质生活，从一杯开始」这种放之四海皆准的话，换个产品照样能用。
加了背景之后，
「我这款马克杯主打薄荷绿配色，目标买家是25到35岁的都市女性，她们喜欢在小红书上晒桌面，注重氛围感，价格在89元左右，请写3条适合小红书种草的产品文案，要有画面感、带情绪、结尾引导收藏」
这两个提问，AI给你的答案质量差距，你自己去试一下就知道了。
维度三，「少样本学习」
简单来说，别跟AI说「要小红书风格」，直接给它看例子。
谷歌白皮书里叫「少样本学习」（Few-Shot Prompting），原文有一句话我觉得说得特别好，最重要的最佳实践，就是在提示中提供示例。
为什么？
因为很多感觉是没办法用语言描述清楚的。
你说「小红书风格」，AI知道，但它知道的是训练数据里的通用版本，不是你今天刷到的那条爆款的具体感觉。你说「要有情绪」，它也知道，但它理解的「情绪」跟你想要的「情绪」可能完全不是一回事。
最直接的办法，就是把你想要的感觉的例子直接塞给它。
比如你想让AI帮你写小红书标题，与其跟它描述风格，不如直接说，「请学习以下3个标题的句式结构、情绪痛点和emoji使用习惯，然后帮我生成5个类似风格的标题」，然后把你觉得好的例子贴进去。
请学习以下3个小红书文案的句式结构、情绪痛点和emoji使用习惯，然后帮我给我的初稿写5段爆款正文开头。
例子1： ?真的绷不住了！我用这个方法写文案，甲方直接说「这次不用改了」?
例子2： ?求求你别再熬夜憋文案了！这套公式我用了一年，每次都能过稿?，建议截图收藏！
例子3： ?月薪5000的我，靠写文案副业多赚了2W+?，普通人真的可以复制！
我的要求： 模仿上面的风格，针对这个初稿生成5段正文开头，要有情绪钩子、有代入感、让人忍不住往下看，初稿如下：xxx
这个方法有一个隐藏的好处，你可以把你同行的最新爆款内容直接喂给它，让它学习的是实时的、真实有效的模式，而不是它训练数据里那些可能已经过时的套路。
维度四，「思维链」
简单说就是，别一口气把任务全扔给AI，慢就是快。
谷歌白皮书里有一整章讲「思维链」（Chain of Thought），核心是通过生成中间推理步骤来提升AI的推理能力。
但我觉得对普通用户来说，更实用的理解方式是这样的，复杂任务，分步走。
你有没有这种经历，想让AI帮你做一个完整的策划案，然后写了一个几百字的超长提示词，把所有要求一次性全塞进去，结果AI给你输出了一个大而全、看着很完整、但完全没法落地的东西。
这不是AI的问题，是你的提问方式的问题。
一次性把所有要求全塞进去，AI要同时处理太多变量，它会选择一个「最安全」的方向，也就是最通用、最模板化的方向来回答你。
高手的做法是多轮对话，把任务拆开，一步一步确认。
谷歌白皮书里有一个魔法句式，「Let's think step by step」，翻译为中文的意思就是：让我们一步步来思考。
你可以在任何复杂任务里加上这句话，或者用中文，「请一步步推导」，AI的输出质量会有明显提升。
更进阶的玩法是交互式多轮对话。
高手懂得用分镜式思维写文案，就是我们不追求一次出稿，而是像导演拍片一样，拆解结构，逐段打磨，层层递进。
❌ 错误示范（一次性指令）：
提示词示例："我要写一篇小红书爆款文章，帮我想选题、写标题、写开头、写正文、设计互动结尾，风格要有情绪感……"
（AI容易给你一篇四平八稳的"万能模板"，读起来像所有人写的，又像没人写的。）
✅ 正确示范（分步多轮对话）：
第一轮：定选题角度
提示词示例：我想写一篇关于「用AI提升写作效率」的小红书文章，目标读者是有写作需求的职场人。第一步，请先不要写正文，帮我分析这群人看到这个话题时，最容易被哪3个角度击中？
（等待AI回复角度分析……）
第二轮：定情绪钩子
提示词示例：很好，基于第二个角度，请帮我设计3个有情绪张力的开头句，要让人看完第一句就想继续读，不要说教感。
（等待AI回复开头方案……）
第三轮：写正文结构
提示词示例：开头用第二个，现在请基于这个情绪基调，帮我搭出正文的3段结构，每段一句话概括核心内容就好，先不要展开写。
看到区别了吗？一次性指令，是你把所有希望押注在AI的一次发挥上，结果大概率是一篇你看了两眼就关掉的稿子。
而分步多轮对话，是你在每一个关键节点都参与了决策，角度对了再写情绪，情绪对了再搭结构，结构对了再填内容。
文案这种高度依赖「感觉对不对」的任务，一定要分步确认。
很多时候，慢一点，才能写出真正属于你的东西。
每一步你都掌握着主动权，不满意随时纠正，而不是赌AI一次性能猜对你的想法。
维度五，「受众画像」
简单来说，就是告诉AI，你在跟谁说话。
这一块谷歌白皮书里放在系统提示的部分，但我觉得它单独拎出来说更清楚。
同样一件事，讲给程序员听和讲给完全不懂技术的人听，是两种完全不同的语言。
你不告诉AI你的受众是谁，它会默认用一个「平均水平」的语言来回答你，结果就是，专业的人觉得太浅，不专业的人觉得看不懂。
很简单的一个用法。
在你的提示词里加上「请向一位完全不懂技术的初中生解释什么是LLM」
或者「请用一个5岁小孩能听懂的比喻来说明Agent是什么」
你会发现AI的输出方式会完全不一样。
这个技巧在做内容的时候特别有用。你的读者是谁，你得先想清楚，然后告诉AI。
维度六，「输出约束」
输出约束，就是跟AI提前说清楚，你要的结果长什么样。
谷歌文档里建议：如果你有特定的格式要求，要明确你要的内容格式，比如以结构化格式（如Markdown或Html格式）返回输出。
说白了，你就把自己当成甲方。你要的是一张报价单，还是一份演讲稿，还是三条朋友圈文案——你得说清楚。
否则AI给你的，永远是一大段文字，你还得自己再加工一遍，白费功夫。
❌ 【无效提问】
提示词示例："给我整理一下做小红书需要掌握哪些能力。"
（后果：AI给你输出一篇八百字的"能力清单"，密密麻麻，看完还是不知道从哪里下手。）
✅ 【加上输出约束】
给我整理一下做小红书需要掌握哪些核心能力，
【输出要求】： 请用Markdown表格形式输出。
【表格表头】： 能力模块 | 具体内容 | 重要程度 | 新手优先级
【字数限制】： 每个单元格不超过15个字，直接给结论，不要解释。
格式，是你对AI最后一道把关。
内容再好，输出一团乱，你也用不上。
把格式说清楚，AI才能真正替你干活，而不是替你制造新的整理任务。
维度七，「正向指令 」
简单来说，就是跟AI说「要什么」，别只说「不要什么」。
这一点谷歌白皮书里专门有一节讲，叫「优先使用指令而非约束条件」，原文的意思是，告诉模型不该做什么，往往不如告诉它该做什么有效。
这个很反直觉，但你细想一下是对的。
你跟AI说「不要太长，不要用专业词，不要有废话」，
它其实不知道「太长」是多长，「废话」是哪些话，它只能猜。
换一个方式，
「请将文章控制在300字以内」
「请使用小学五年级学生能看懂的词汇」
「每一句话都要包含具体的信息增量，比如数据、案例或步骤」
这样AI有了明确的执行标准，输出质量会好很多。
就像教小孩，你喊「别跑」，他越跑，你喊「站住」，他可能就停了。
正向指令，永远比禁令清单有效。
维度八，「知识注入」
简单地说就是，把你自己的东西喂给它。
这一块是我个人觉得最被低估的技巧，谷歌白皮书里叫「知识注入」（Knowledge Injection）。
很多人觉得AI写出来的东西「AI味很重」，不像自己写的，然后就放弃用AI来辅助写作了。
问题不是AI笨，是你没给它看过你写的东西。
你没给它看过你的文章，它怎么可能模仿你的风格？
你没告诉它你的业务背景，它怎么可能给你写出符合你实际情况的方案？
解法很简单，把你写过的3到5篇文章上传给它，
让它先分析你的逻辑结构、语言风格、叙事特征，
然后再让它按照这个风格帮你写新的内容。
或者在提示词里直接贴入你的业务背景、产品信息、目标用户画像，
让AI有足够的「私人知识」可以调用。
你给它的私人信息越多，它输出的内容就越像「你的」，而不是「一个通用AI的」。
小结
好，8个维度都说完了。
我知道你可能觉得有点多，记不住。
没关系，我帮你串起来。
其实这八个维度，背后只有一个逻辑，
你给AI的信息越具体、越结构化，它能给你的输出就越精准。
谷歌白皮书里有一个万能框架，我把它翻译成中文版本给你，
【角色】，你是某某领域的专家……
【背景】，我正在做某件事，有这样的限制条件……
【受众】，我的目标读者或用户是这类人……
【任务】，请帮我完成某件具体的事……
【知识】，参考信息如下，然后贴入你的私人资料……
【风格】，参考以下案例的风格，然后贴入你的示例……
【步骤】，请一步步推导……
【格式】，输出为表格或者JSON，字数控制在某个范围内……
你不需要每次八个要素全用上，但每次多用一个，输出质量就会往上走一个台阶。
我觉得提示词这个东西，本质上训练的不是你跟AI打交道的能力，而是你定义问题、拆解任务的能力。
你能把一个模糊的需求，拆解成一个结构清晰的指令，这件事本身就是一种思维训练。
而这种能力，不管AI怎么迭代，都是有价值的。
因为它的底层，是你对自己想要什么、为什么想要、怎么拿到它，想得足够清楚。
写在最后
AI只是一面镜子，你想得越清楚，它给你的东西就越好。
你想得越模糊，它就只能给你一个通用的、安全的、没有灵魂的答案。
所以，与其去求模板，不如先把这八个维度练熟。
当你需要和AI沟通的时候，就像抽积木一样，把这些维度输出给AI。
模板是别人的，思路是自己的。
既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧。
如果想第一时间收到推送，也可以给我个星标⭐～
谢谢你通过我的文章了解和认识我，
关注我，加我微信，备注 公众号，不然没法通过哦~
我把这份《提示词工程》白皮书原文发给你。
关于我
我是诗光专注AI电商业务流实战落地，帮助电商人实现降本增效全球卖家孵化中心（泉州）AI实训导师，聚草堂电商社群特约AI讲师，十六年电商一线实操经验，EMAI人工智能在职硕士研究生不聊虚的，只分享AI电商实战可落地的方法和案例。关注我，一起用AI提升电商运营效率。
