11｜提示词工程到底是什么？一个项目讲明白

我叫张小米，做产品经理五年，需求文档、用户调研、跨部门扯皮都会。但提示词这件事，我是真的没认真对待过。

那天下午，老板把我叫进会议室，说要出一份产品介绍，发给潜在客户看。"专业，但不要太硬。有温度，但不要太软。"

我点头，笑着说好的。心想：这有什么难的，让AI写不就完了。

后来那份介绍被打回来四次。这是我被打回来四次的真实记录。

02 第一关：说清楚你要什么——RTF

走回工位，打开电脑，在对话框里敲了一行字——"帮我写一份产品介绍。"

AI噼里啪啦输出了一大段，读起来像教科书，每句话都正确，每句话都没有温度。

发给老板，老板回了一句："感觉不对，你再改改。"

我在工位上坐了十分钟，不知道怎么改。

隔壁组的李姐路过，看了一眼我的屏幕，问："你提示词怎么写的？"

我把对话框给她看，她笑了："你就写了'帮我写一份产品介绍'？谁在读？读完要做什么？你想要什么格式？一个都没说。"

她在我旁边坐下来，说："你先记三个字，RTF。"

R，Role（角色）：让AI扮演一个具体的人，不然它就是在对着空气说话。

T，Task（任务）：任务说越具体越好，越模糊它越乱猜。

F，Format（格式）：告诉它输出成什么样子。

我照着重新写：

你是一个ToB软件公司的资深市场文案，擅长写给企业决策者看的产品介绍。任务：写一份500字以内的产品介绍，读者是中型企业的HR总监，最关心效率和成本。格式：三段，第一段点出痛点，第二段介绍产品，第三段行动引导。

这次出来的东西有结构，有重点，读起来顺多了。

发给老板，老板回："结构好多了，但读起来不像我们公司的风格，太像模板了。"

📌 RTF：Role（角色）+ Task（任务）+ Format（格式） 你说"你是资深市场文案"，不是在让AI演戏，而是在告诉它用哪套语言风格来回答。Task说得越具体，它需要自己脑补的东西越少。Format是告诉它答案长什么样，省去它自己决定结构的步骤。三个说清楚，它才知道你真正要什么。

RTF：一句模糊请求变成清楚指令

03 第二关：说不清楚风格，就给它看例子——Few-Shot

"我们公司的风格"——我想了半天，发现我自己也说不出来。不够正式但也不随便？有点直接但不冷漠？我又去找李姐。

她听完问我："你们公司之前有没有发过让你觉得挺对味的文案？"我想了想，翻出了三条推文和两封客户邮件。

李姐说："把这些贴进去，别解释，让它自己学。与其跟AI说'要有温度'，不如直接给它看什么叫有温度。

这叫Few-Shot，少样本提示——给几个例子，比给一堆形容词管用。"

我把那几条文案贴进提示词，让它用同样的风格完成任务，完成了第二版，交给了老板。

📌 Few-Shot（少样本提示）：与其形容，不如举例 你说"有温度"，它不知道温度长什么样。但你给它看三个例子，它自己就知道了。模型从例子里提取规律，比读你的描述准得多——不是技巧，是它本来就是这样工作的。

Few-Shot：说不清风格，就给AI看例子

04 第三关：任务变复杂了，先拆再打——Plan and Execute

老板看完第二版，说："这个感觉对了。但我们有三类客户——HR、财务、IT，每类关注点不一样，你给我出三份。"

三份。三类客户。各自不同的痛点和说法。

我回去试了一下，把三类客户的需求都塞进一条提示词，让AI一次生成三份。出来的东西，三份读起来几乎一样，换了几个词，换汤不换药。

又去找李姐。她听完，问我："你让它一口气做三件事，它当然做不好。任务复杂了，要先拆，再打。"

"这叫Plan and Execute——先让AI把任务拆成具体的执行计划，每个子任务单独跑，最后再汇总。"

她说，分两步走：第一步，让AI输出计划——针对HR总监、财务总监、IT负责人，分别该强调什么、用什么结构、避开什么说法。第二步，拿着这个计划，逐一执行，每份单独生成。

我照着做了一遍。

第一步出来的计划很清楚：HR关心效率和合规，财务关心成本和ROI，IT关心稳定性和接入难度。三份各有侧重，结构也不一样。第二步按计划逐一生成，三份读起来像三个人写的，但底层逻辑是一套。

发给老板，他看完说："这才对，各说各的，不是同一套话换个开头。"

然后把三份文档发回来，每份都有修改。我打开第一份，数了一遍——七处。

叹了口气。

📌 Plan and Execute：先拆计划，再逐步执行 任务越复杂，一步到位出错的概率越高。更麻烦的是，中间某一步错了，错误会顺着上下文往下传，越滚越大。先让它把大任务拆开，每个小任务单独跑，错误就不会传染到下一步。这里加了人工确认计划的环节，更保险——但如果你信任模型的拆解能力，也可以让它自己拆完直接执行。

Plan and Execute：复杂任务先拆计划，再逐步执行

05 第四关：别等它交卷，让它自己负责——ReAct

老板改了七处。我把改动看了一遍，发现规律：措辞太硬、数字缺来源、两句话语气前后不一致。

这些问题其实我自己也能看出来，但我在等AI完成最终版，才会去检查。

我去找李姐，把七处修改给她看。她扫了一眼说："这些问题让它自己检查，行不行？你加一段自检清单，让它输出初稿之后对着清单自己过一遍，有问题自己改，改完再交给你。

这叫ReAct——Reasoning（推理）加Acting（行动）。它不只是执行，还要观察自己的结果，然后决定是交卷，还是继续改。"

我在提示词最后加了一段：

完成初稿后，请自行检查以下三点：1. 是否有表述过于强硬或生硬的地方？2. 所有数据和说法是否有依据，或已做模糊处理？3. 全文语气是否前后一致？如有问题，请自行修改后再输出最终版本。

这次AI输出初稿后，自己走了一遍检查，发现两处语气不一致，改完才交出最终版。我发给老板，老板这次只改了一个词。

📌 ReAct：让AI思考、行动、观察、再修正 模型生成完不会自动回头看。加了自检清单，相当于让它用新的眼光再看一遍自己写的东西。两次推理比一次可靠——但它只能发现它自己能判断的问题，检查不出它本来就不知道的错误。

ReAct：让AI生成后自己检查，再修改

06 带着宝物回来

项目结束那天，我翻出最开始写的那条提示词："帮我写一份产品介绍。"

盯着这行字看了一会儿，有点想笑。

李姐后来跟我说过一句话："提示词写不好，不是因为你不懂AI，是因为你还没想清楚自己要什么。"

我现在信了。

这是「普通人AI转型30问」第11问。

下一问，我们讲：Workflow 为什么比 Prompt 更重要？