我刚开始接触提示词的时候，总以为写得越长越具体就越好。后来发现，有些提示词换个场景就完全失效，有些却能反复用。这种差别让我开始琢磨“通用提示词”到底指什么。它不像专用提示词那样绑死在一个任务上，更像一套可以随身携带的工具箱。我把它理解成一种介于模板和自由发挥之间的表达方式。它不要求你把所有细节写死，而是留出一些空间让模型自己判断。
1.1 通用提示词的定义与基本特征
我眼里通用提示词就是一段能跨任务、跨领域使用的指令。它不会写“帮我写一篇关于2024年新能源汽车销量的分析报告”，而是写“请以分析师的口吻，根据我提供的资料，输出一份结构清晰的报告”。这种写法把具体内容抽掉了，留下的是框架和规则。特征嘛，我总结了几条。一条是任务无关性，它不绑定某个具体问题。另一条是结构稳定性，不管换什么内容，它的骨架不变。还有一条是参数可替换，比如把“分析师”换成“老师”或者“产品经理”，它照样能用。
我自己试过把同一段通用提示词丢给模型处理不同事情。一次让它整理会议纪要，一次让它润色邮件，一次让它分析数据趋势。每次只需要改几个关键词，模型就能给出像样的结果。这种体验让我觉得通用提示词像是一把瑞士军刀。它不是最专业的工具，但胜在什么都能对付一下。遇到特别复杂的专业任务，它可能不如专用提示词精准。不过在日常使用中，它的便利性太明显了。
1.2 通用提示词与专用提示词的差异
专用提示词给我的感觉像是一把钥匙开一把锁。你要写清楚行业、角色、输出格式、甚至字数限制。比如“请用Python写一个爬取某网站评论的脚本，要求使用requests和BeautifulSoup，输出带注释的代码”。这种提示词非常具体，换一个网站或者换一种语言，它就得大改。通用提示词不一样。它更像一把万能钥匙，虽然不一定能打开最复杂的锁，但能应付大多数常见门锁。我写通用提示词的时候，会刻意留出变量位置。比如“请根据{输入内容}，以{角色}的身份，完成{任务类型}，输出格式为{格式}”。这样换一下大括号里的东西，就能用在很多地方。
从使用成本上看，专用提示词前期投入大，后期复用难。通用提示词前期设计要动脑子，一旦成型，后面几乎不用怎么改。我做过一个对比。写十条专用提示词花了大概两小时，每条只能解决一个问题。写一条通用提示词花了二十分钟，然后改改参数就解决了八个问题。这个时间账让我更倾向于先攒通用提示词。专用提示词在精度上确实有优势。比如法律文书或者医疗诊断，通用提示词就不太敢用。那种场景容错率太低，必须用专用提示词把边界卡死。
1.3 通用提示词的价值边界与适用场景
通用提示词不是万能的。我踩过坑。有一次用通用提示词让模型做数学证明，结果它绕来绕去就是不给严谨步骤。后来换成专用提示词，明确要求“每一步都写出依据”，才勉强能用。这件事让我明白，通用提示词适合那些容错率高、任务边界模糊、需要快速迭代的场景。比如日常写作辅助、头脑风暴、信息摘要、简单分类。这些任务本身没有唯一正确答案，模型发挥空间大，通用提示词正好能派上用场。
换个角度看，通用提示词的价值在于降低重复劳动。我平时要处理很多类似的文本整理工作。如果每次都用专用提示词，光写指令就要花不少时间。通用提示词让我一次设计，多次受益。它还能帮我保持输出风格的一致性。比如我要求“用口语化、第一人称、段落长短交错”的通用提示词，不管处理什么内容，产出都带着我的个人印记。这种可控性挺重要的。适用场景上，我觉得内容创作、学习辅助、轻量级数据分析、多轮对话开场白，都是通用提示词的主场。高精度计算、专业法律意见、医疗建议这些，还是交给专用提示词或者人类专家更稳妥。
我写通用提示词有个习惯，先不管它好不好看，先把几个空填明白。角色是谁，要干什么，手里有什么材料，不能碰什么，最后交出什么东西。这五个位置填完，提示词的基本骨架就立住了。刚开始我总觉得少写一个没关系，模型能猜。后来发现，猜出来的东西和我心里想的经常不是一回事。尤其是上下文和约束这两块，省掉之后模型就像脱缰的野马，跑得挺欢，方向全错。
2.1 角色、任务、上下文、约束与输出格式
角色这东西，我以前觉得是装样子。写“你是一个资深编辑”和写“你是一个助手”，出来的东西能差多少？试多了才发现，角色决定了模型调用哪一批语言习惯和判断标准。写“你是一个喜欢用短句的科技博主”，它就不会突然给你来一段学术腔。我的做法是，角色不用堆砌头衔，但要带上一个关键特征。比如“你是一个擅长把复杂概念讲给外行听的老师”，比“你是一个教育专家”更管用。角色还影响语气和用词，这个在通用提示词里特别值钱，因为通用提示词经常换内容，角色是少数能固定下来的东西。
任务是提示词的心脏。我一般用动词开头，比如“总结”“改写”“分析”“列出”。动词后面跟一个宾语范围。“总结这段文字的核心观点”就比“处理这段文字”清楚得多。任务描述里我很少写“请帮我”，直接说“完成什么”更干净。上下文是很多人容易漏掉的部分。它包括输入内容本身，也包括背景信息。比如“这是一封客户投诉邮件，公司去年的退货政策是……”上下文给得够，模型就不容易瞎编。约束是告诉模型什么不能做。“不要用专业术语”“不要超过三句话”“不要添加原文没有的数据”。约束写得好，能省掉后面大量修改时间。
输出格式是我吃过亏的地方。以前只写“输出一份报告”，结果模型有时给表格，有时给段落，有时给编号列表。后来我学乖了，直接指定“用Markdown格式，一级标题三个，每个标题下不超过两百字”。格式定死之后，结果稳定多了。这五个要素不是每次都要写满。简单任务可以只写角色和任务。复杂任务五个全上，效果最稳。我自己的习惯是，通用提示词里至少保留角色、任务和输出格式这三样，上下文和约束看情况加。
2.2 可复用性、可迁移性与可控性设计原则
可复用性是我设计通用提示词时第一个盯住的指标。判断标准很简单，换个内容还能不能用。我写完之后会做一个小测试，拿同一段提示词去处理三个完全不同的输入。如果有一个输入让模型犯迷糊，我就知道哪个位置的表述太窄了。比如我写过“请分析以下产品的优缺点”，换到分析一篇文章就不太顺。改成“请从优势和不足两个角度分析以下内容”，迁移能力立刻上来了。可复用性的秘诀是，把具体名词换成类别名词。“新能源汽车”换成“产品”，“小说”换成“文本”。
可迁移性比可复用性再高一档。可复用是换内容不换领域，可迁移是连领域一起换。我有一条通用提示词，最早是用来整理访谈记录的。后来我把它搬到竞品分析、读书笔记、会议纪要上，只需要改一下角色和输出格式的细节。这种迁移能力靠的是抽象层次够高，但又不能高到空洞。抽象过头就变成“请处理以下内容”，模型只能自由发挥。我的经验是，任务动词保持具体，任务对象保持抽象。“总结”是具体动词，“内容”是抽象对象。这个组合迁移起来最顺。
可控性是我后来才重视的。早期我追求模型给我惊喜，后来发现惊喜往往伴随着惊吓。可控性意味着模型不会突然跑偏、不会擅自加戏、不会忘记约束。提升可控性的办法有两个。一个是把约束写成正面指令。“只使用我提供的信息”比“不要编造”更管用。另一个是给出一个输出示例。通用提示词里放一个短例子，模型会照着葫芦画瓢。这个例子不需要多完美，它起的是锚定作用。可复用、可迁移、可控，这三个原则有时候会互相打架。可复用性要求抽象，可控性要求具体。我的平衡点是，框架抽象，边界具体。任务和角色可以抽象，约束和格式必须具体。
2.3 避免歧义、冗余与过度限定的方法
歧义是通用提示词最隐蔽的敌人。我自己读自己的提示词觉得意思很清楚，模型理解出来完全变味。最常见的是代词歧义。“把它整理一下”里的“它”指什么？如果上文有多个对象，模型就靠猜。我的做法是，通用提示词里尽量不用代词，或者把代词换成明确的类别词。还有一种是动词歧义。“分析”这个词在不同人眼里差别很大。有人觉得分析就是拆解结构，有人觉得分析是找原因。我后来会在动词后面加一个括号说明，比如“分析（拆解成几个组成部分）”。这个括号不长，但能省掉一轮返工。
冗余是另一个坑。我刚开始写提示词的时候，总觉得多写点没坏处。结果写了一大段，里面有三句话在说同一件事。模型不傻，它会被这些重复信息干扰。有一次我写“请用简洁的语言，不要啰嗦，保持简短，控制字数”，模型反而不知道怎么简了。后来我学会一个办法，写完提示词之后，逐句问自己，删掉这句会不会影响结果。如果不会，就删。通用提示词本来就要反复用，每多一句废话，就多一次浪费。我现在的习惯是，初稿写长，定稿砍掉至少三分之一。
过度限定是新手最容易犯的毛病，我自己也栽过。写了一大堆约束，把模型的活动空间压没了。比如“不要用第一人称，不要用被动语态，不要用长句，不要用比喻，不要用列数字”。这些约束单看都有道理，合在一起，模型写出来的东西干巴巴的，像机器人念说明书。过度限定还会导致模型忽略部分约束。它记不住那么多“不要”，干脆挑几个遵守，剩下的当没看见。我的解决办法是，约束分优先级。最重要的两三条写死在提示词里，次要的放到后续对话中补充。通用提示词不需要一次把所有规则定完。它要的是能跑起来，跑得稳，后面再慢慢调。歧义、冗余、过度限定，这三个毛病有个共同解药，就是先写一版，跑十次，看哪里出问题，再改。通用提示词不是一次成型的，它是在使用中磨出来的。
我手头攒了十几个通用提示词模板，大多数都是从具体任务里扒出来的。一开始我写提示词都是一次性用完就扔，后来发现同一个结构反复出现。总结类任务老是那几句话，分析类任务换汤不换药。我就想，能不能把不变的部分固定下来，变的部分留成空位。这个思路跟做填空题差不多，模板就是那道题，空位就是我要填的答案。通用提示词模板的好处很明显，省时间，少犯错，还能保证不同任务之间的输出质量不会忽高忽低。我建模板的习惯是先从实际需求出发，不为了建模板而建模板。哪个任务我一周要做三次以上，就值得为它做一个模板。
3.1 通用提示词模板的基础结构
我大多数模板长一个样，骨架就五句话。你是一个{{角色}}。请对以下{{输入类型}}执行{{任务}}。背景信息：{{上下文}}。约束：{{约束}}。输出格式：{{格式}}。这五句话的顺序我一般不动，因为模型对位置有偏好，把角色放在最前面，它进入状态最快。任务放在第二句，紧跟着角色，模型能立刻知道要干什么。上下文和约束放在中间，是为了给模型足够的信息量，又不至于让它忽略后面的格式要求。输出格式我习惯放在最后，这样模型在生成时会自然把格式当成收尾指令。
有些任务比较轻，比如改个错别字或者换个说法，我就不用满配模板。那种情况我会用简版结构：你是一个{{角色}}。请{{任务}}以下内容，输出为{{格式}}。简版模板只保留三个槽位，跑起来更快，消耗的token也少。我判断用满配还是简版的标准很简单，任务有没有歧义。有歧义就上满配，把上下文和约束写清楚。没歧义就用简版，别让多余的信息干扰模型。两个版本我都存在备忘录里，用的时候复制粘贴，改几个词就能用。
模板的基础结构还有一个隐藏要点，就是槽位之间的衔接词。我很少用“然后”“接着”这类连接词，直接用冒号和换行。模板里每个槽位独立成行，模型能清楚识别边界。比如“背景信息：”后面跟内容，“约束：”后面跟内容。这种分行写法比写成一整段更稳定。我试过把模板压缩成一段话，模型有时候会把约束当成上下文的一部分，执行起来就偏了。分行之后，模型对每个部分的角色认识更清晰。这个细节不起眼，但对我这种经常复用模板的人来说，省了不少调试时间。
3.2 面向总结、生成、分析、对话的模板变体
总结类的模板我用的频率最高。骨架是：你是一个擅长提炼要点的{{角色}}。请总结以下{{内容类型}}，提取{{数量}}个核心观点。输出格式为{{格式}}。这个模板的妙处在于“数量”这个槽位。我填3，模型就给三个观点，填5就给五个。不填的话模型容易自由发挥，有时给两个，有时给八个。我还会在约束里加一句“每个观点不超过{{字数}}字”，这样输出更整齐。总结类模板我很少加复杂上下文，因为总结任务本身就依赖输入内容，上下文给多了反而会让模型分心。大多数时候我只改角色和数量，其余不动。
生成类模板跟总结类正好相反，它特别依赖上下文。我的生成类模板是：你是一个{{角色}}。请根据以下背景信息{{背景}}，生成{{内容类型}}。要求{{约束}}。输出格式为{{格式}}。背景信息这个槽位我通常会填得比较满，因为生成任务没有现成素材，全靠模型自己发挥。不给背景，模型就给你写通用套话。约束槽位我会写两三条硬性要求，比如“不要出现具体品牌名”“每段不超过四句话”。生成类模板还有一个变体是改写，把“生成”换成“改写”，背景信息换成“原文”，其余结构一样。改写任务我用的约束更多，因为要保留原意又不能照抄。
分析类模板需要明确的切入角度。我的模板是：你是一个{{角色}}。请从{{角度}}分析以下{{内容}}。指出{{要点}}。输出格式为{{格式}}。角度这个槽位决定了分析的方向。填“优缺点”就得到利弊分析，填“因果关系”就得到原因和结果梳理。要点槽位我一般写“三个关键发现”或者“两个改进建议”。分析类模板我经常配合一个短示例使用。比如在模板末尾加一行“示例输出：一、……二、……”，模型看到示例会更容易对齐格式。对话类模板跟前面三个都不一样，它要预留多轮交互的空间。我的对话类模板是：你是一个{{角色}}。请与用户进行{{目标}}的对话。上下文：{{上下文}}。约束：{{约束}}。输出格式：{{格式}}。对话类模板的上下文槽位我会写清楚对话的背景和已有进展。约束里我一定加一条“每次回复不超过{{字数}}字”，不然模型容易长篇大论，把对话变成独白。
3.3 模板参数化、变量占位与快速复用技巧
参数化这件事我是从Excel表格里学来的。模板里所有会变的地方都写成{{变量名}}，用双花括号包起来。这样一眼就能看出哪些需要替换。我常用的变量名有{{角色}}、{{任务}}、{{输入内容}}、{{输出格式}}、{{约束}}、{{数量}}。变量名我用中文，因为我的模板都是中文的，英文变量名还得切换输入法，麻烦。变量占位的好处是替换的时候不会漏。以前我直接改模板文字，改完经常忘记把某个示例值删掉，结果模型收到一个莫名其妙的词。用了双花括号之后，我搜索“{{”就能找到所有待填项，一个都不会漏。
快速复用我靠两个工具。一个是我自己建的一个纯文本文件，里面按场景分了几个区，总结区、生成区、分析区、对话区。每个区下面放三到五个模板。用的时候打开文件，找到对应模板，复制出来，把变量替换掉。另一个工具是文本扩展软件，我给每个模板设一个缩写。比如输入“zzzj”就自动展开成总结类模板的完整结构。这个办法特别适合高频任务，一天用十几次的那种。我还会在模板文件里加一行注释，写清楚这个模板适合什么任务、不适合什么任务。注释不复制到提示词里，它只是给我自己看的。比如“这个模板不要用于创意写作，模型会太拘谨”。
模板嵌套是我最近在试的一个技巧。有些复杂任务需要先总结再分析，我就写一个主模板，里面调用两个子模板。主模板的结构是：你是一个{{角色}}。请先执行{{子模板A}}，再执行{{子模板B}}。输出格式为{{格式}}。子模板A和B分别是我之前存好的总结模板和分析模板。嵌套的好处是不用把两个模板的完整内容都写一遍，只引用名字就行。坏处是模型可能不理解“子模板”是什么意思。我的解决办法是把子模板的完整内容直接粘贴进去，嵌套只在我的模板文件里体现。在发给模型的最终提示词里，它看到的是展开后的完整版。模板文件里保持嵌套结构，是为了方便我管理和修改。一个子模板改了，所有引用它的主模板都跟着更新，省了逐个修改的麻烦。
我把自己用过的通用提示词翻了一遍，挑出四类最有代表性的例子。每一类我都跑过至少二十次以上，有些是反复调整过的，有些是第一次就效果不错。我把这些例子拆开来看，从输入到输出中间发生了什么，哪里卡住了，怎么改的。这些经验比模板本身更值钱，因为模板只是骨架，填什么肉进去才是关键。
4.1 信息整理与摘要类通用提示词示例
上个月我帮一个做市场调研的朋友整理用户访谈记录。他手头有十七份访谈文档，每份三四千字，格式乱七八糟，有些是语音转文字，有些是手打笔记。他让我用AI先过一遍，提炼出每份访谈的核心观点。我用的提示词是这样的：你是一个擅长提炼访谈要点的分析师。请总结以下访谈记录，提取4个核心观点。每个观点不超过30字。输出格式为编号列表加一句原话引用。背景信息：这是一份关于年轻人咖啡消费习惯的访谈，受访者年龄在22到30岁之间。约束：不要添加访谈中没有提到的内容。这个提示词我跑第一遍的时候，模型给了四个观点，每个都挺准。但原话引用出了问题，模型自己编了几句听起来像受访者说的话，实际上文档里没有。我就在约束里加了一句“引用必须逐字来自原文，用引号标注”。再跑一遍就对了。
后来我遇到另一个场景，不是访谈，是一堆竞品分析报告。七八份PDF，每份都有二三十页。这次任务不一样，不是提炼单篇要点，而是跨文档整理。我换了提示词：你是一个竞争情报整理专家。请阅读以下多份报告，整理出三个维度的信息：产品功能对比、定价策略差异、市场反馈共性。每个维度下列出三到五条发现，每条标明来源文档编号。输出格式为表格。这个提示词的好处是逼着模型做归类，不让它把文档挨个总结一遍。表格格式也让信息一目了然。我朋友拿到结果之后说，比他自己看完再手写整理快了至少两倍。不过表格里偶尔会出现来源标错的情况，我在使用前会抽查几条，发现错误就手动改。这个提示词我后来加了“来源编号只填数字，不填文档标题”，因为模型有时候会把标题写进去，表格就撑得很难看。
摘要类提示词有一个共性问题，就是数量控制。你不说几个观点，模型就自由发挥。我试过同一个文档跑三次，一次给三个观点，一次给六个，还有一次给了一段话没有分点。从那以后我养成了一个习惯，凡是摘要类任务，必写数字。数字写多少有讲究。太少了会漏重点，太多了会稀释。我的经验是，一千字以内的内容给三个，一到三千字给四到五个，三千字以上给五到七个。这个数字不是固定的，你可以根据实际需要调整。但一定要写，不写就等于把控制权完全交给模型。
4.2 内容创作与改写类通用提示词示例
内容创作类我踩过的坑最多。最开始我写提示词特别简单：请写一篇关于XX的文章。出来的东西能看，但没有灵魂，全是套话。后来我加角色，加背景，加约束，效果慢慢好起来。有一个例子我印象很深，帮一个做户外装备的品牌写产品详情页。我用的提示词是：你是一个有五年经验的户外装备文案撰写者。请根据以下产品信息，写一段产品详情页文案。背景信息：这是一款轻量化登山杖，重量180克，碳纤维材质，三节折叠，适合中短途徒步。目标用户是25到35岁的城市上班族，周末喜欢去郊区爬山。约束：不要用“极致”“颠覆”“革命性”这类词。语气像朋友推荐，不要像推销。每段不超过三句话。输出格式为三段式：痛点引入、产品特点、使用场景。第一版出来之后，痛点引入那段写的是“你是否曾经在爬山时感到疲惫”，太老套了。我改成“上周六我背着包走了十二公里，最后三公里全靠手里那根棍子撑着”，把第一人称加进去，马上就不一样了。改写类任务我也做得不少。有一次客户给了一篇两千字的品牌故事，想让我改成八百字的版本，发在公众号上。我用的提示词是：你是一个公众号编辑。请将以下原文改写成800字左右的版本。背景信息：原文是品牌官方故事，语气偏正式。目标平台是微信公众号，读者是普通消费者。约束：保留原文所有关键信息点。删除重复表述和过度修饰。每段不超过四句话。输出格式为通顺的短文，不要分小标题。这个任务我跑了三遍。第一遍字数超了，到了一千一。我在约束里加了“严格控制在750到850字之间”。第二遍字数对了，但把原文里一个重要的时间节点删掉了。我又在约束里加了一句“品牌创立年份和创始人姓名必须保留”。第三遍才满意。
改写和生成有一个本质区别。生成是从零开始，模型需要更多背景信息才能写出有血有肉的东西。改写是在现有素材上动刀，模型需要的是明确的保留项和删除项。我一开始没分清，用改写提示词去生成，出来的东西空洞。后来我把两类提示词分开存，生成类模板里背景信息槽位填得特别满，改写类模板里约束槽位会写清楚哪些必须留、哪些可以删。生成类我通常会加一句“写完后自己检查一遍，确保没有编造事实”。这个自我检查的指令对生成类任务特别有用，模型会在输出前跑一遍逻辑，减少胡说的概率。改写类我不加这句，因为原文就是事实来源，模型只需要忠实于原文就行。
4.3 推理分析与决策支持类通用提示词示例
分析类提示词我主要用在两个地方。一个是产品决策，一个是用户反馈归类。先讲产品决策的例子。我们团队之前纠结要不要做一个新功能，需要评估利弊。我写了这样的提示词：你是一个有产品经验的顾问。请从用户价值、开发成本、竞争差异三个角度分析以下功能提案。背景信息：功能是让用户可以把收藏内容导出为PDF。目标用户是重度使用者，占比大约15%。开发资源有限，如果做这个功能，另一个功能就要推迟。约束：每个角度给出两个支持理由和两个反对理由。最后给一个倾向性建议，并说明理由。输出格式为四段，前三段分别对应三个角度，最后一段是建议。输出结果挺靠谱的。用户价值那段提到重度用户有整理需求，开发成本那段估算了大概需要两周，竞争差异那段说竞品都没有这个功能。最后建议是先做一个简易版，验证需求再决定要不要完整开发。这个建议我们后来采纳了，花三天做了个最小可用版本，上线两周有一千多人用了导出功能。这个例子说明分析类提示词的关键是角度要具体。你说“请分析这个功能”，模型给你的东西很泛。你说“从用户价值、开发成本、竞争差异三个角度”，它就有了明确的思考路径。
用户反馈归类是另一种分析任务。我们产品每个月收到两三百条反馈，以前是人工一条条看，费时费力。我写了一个提示词让AI先过一遍：你是一个用户研究员。请将以下用户反馈按主题归类。背景信息：这是某工具类App的用户反馈，来源包括应用商店评论和客服记录。约束：每一条反馈只能归入一个主题。主题数量控制在五到八个。每个主题下列出三条代表性反馈原文。最后按提及频次从高到低排列主题。输出格式为编号列表。这个提示词跑出来的结果帮我们发现了几个之前忽略的问题。有一条关于“导出文件格式错乱”的反馈，人工看的时候被埋在几十条反馈里没注意到，AI归类之后发现这个主题下有十一条类似反馈，我们才意识到问题不小。分析类提示词有一个技巧我经常用，就是在末尾加一句“如果你发现信息不足以做出判断，请直接说明缺少什么信息”。这句话能防止模型硬编答案。有一次我让它分析一个数据表格，表格里缺了几列关键数据，它就回复说“缺少用户留存率数据，无法判断功能粘性”。这个回复比瞎编一个分析有价值得多。
4.4 多轮交互与角色扮演类通用提示词示例
多轮交互我第一次用是模拟面试。我帮一个学弟准备产品经理面试，写了一个提示词：你是一个互联网公司的产品总监，正在面试一个产品经理候选人。请围绕用户需求分析、功能优先级、数据驱动决策三个方向轮流提问。每次只问一个问题，等我回答后再问下一个。背景信息：候选人有两年B端产品经验，正在转C端。约束：每次提问后，对我的回答给一句简短反馈，再问下一个问题。总共问六个问题。不要一次列出所有问题。输出格式为对话形式，你的提问用“面试官：”开头。这个提示词跑起来效果很好。学弟说前两轮有点紧张，第三轮开始进入状态。面试官角色问的问题挺尖锐的，比如“你说要做用户调研，预算只有五千块，你怎么花”。学弟回答完之后，模型还给了一句反馈“方向对，但缺少优先级排序”，然后接着问下一个。六个问题跑完，学弟说比他自己对着镜子练有用多了。这个提示词我后来改进了一下，加了一个“难度递增”的约束，让前两个问题简单些，后面越来越难。这样更接近真实面试的节奏。
角色扮演我还用在另一个场景，模拟客户投诉处理。我们客服团队新人比较多，我写了一个提示词让他们练手：你是一个情绪激动的客户，他购买的产品出现了故障，已经联系过客服两次但没有解决。请以这个身份和客服对话。背景信息：产品是智能门锁，故障是指纹识别不灵敏。客户已经等待了三天，很不耐烦。约束：第一轮表现出明显不满，如果客服的回复有同理心且给出了具体解决方案，情绪逐渐缓和。如果客服只是说套话，情绪升级。每次回复不超过100字。输出格式为“客户：”开头的对话。这个提示词的关键在情绪变化的条件设置。我一开始没写“如果客服……情绪就……”，模型要么一直很凶，要么突然就不生气了，不真实。加了条件之后，情绪变化有了依据，练习效果好了很多。新人练了几轮之后说，面对真实投诉时心里有底了，知道先安抚情绪再给方案。
多轮交互类提示词有一个容易忽略的点，就是轮次控制。你不说几轮，模型可能聊到第十轮还在聊。我一般在约束里写“总共对话不超过X轮”或者“当我输入‘结束’时，对话终止”。还有一个技巧是给每一轮设定目标。比如模拟面试的提示词里，我给六个问题分别对应了考察方向。这样每一轮都有明确目的，不会跑偏。角色扮演类我还加过一条“不要跳出角色”，因为有一次模型在对话中间突然说“作为一个AI，我无法真正感受情绪”，把学弟吓了一跳。加了这条约束之后就没再出现过。这些细节看起来小，但在实际使用中影响很大。
上一章我把四类通用提示词的实战例子拆开讲了。那些例子都停在一个具体场景里，访谈总结、产品文案、功能分析、模拟面试。用顺手之后我开始琢磨，这套骨架能不能往外挪一挪。挪到医疗、法律、编程、教育、商业，甚至挪到图像生成和智能体协作。这一章就是我挪的过程，有些挪得顺，有些挪得费劲，我把费劲的地方也写出来。
5.1 从通用提示词到领域提示词的扩展大纲
我管这个动作叫搭大纲。通用提示词里角色、任务、上下文、约束、输出格式这五个格子是固定的。要把它变成领域提示词，就在这五个格子里做加法。比如通用摘要提示词是“总结以下内容，提取五个要点”。到了医疗领域，角色换成“你是一个有十年临床经验的医生”，任务换成“总结这份病历的核心诊断信息”，上下文加上“患者年龄、病史、用药情况”，约束加上“不要给出治疗建议，只做信息整理”，输出格式换成“按SOAP格式”。这个加法不能乱加。我一般先列一个领域关键词表，把该领域常用的术语、流程、合规要求写下来，再往格子里塞。这样做出来的领域提示词，比拿通用提示词硬套要准得多。
我扩展过一个法律合同的摘要提示词。通用摘要提示词跑合同，出来的东西全是“本合同约定了双方的权利和义务”这种废话。我加了法律领域的扩展大纲。角色改为“你是一个有五年经验的法务”，任务改为“提取合同中的关键条款，包括违约责任、付款条件、保密义务、终止条件”。上下文加上“这是甲乙方签署的采购合同，适用中国法律”。约束加上“引用条款原文，不要改写，不要解释法律含义”。输出格式改为“分条款列出，每条包含条款编号和原文摘要”。改完之后，模型输出的东西法务同事看了说能用，至少省了初筛的时间。这个例子让我明白，领域扩展的关键是把该领域的黑话和规矩写进去。模型不知道你们行业的潜规则，你得告诉它。
还有一个扩展方向是行业模板库。我认识一个做跨境电商的朋友，他给每类产品都建了一个提示词扩展大纲。卖服装的，角色是“你是一个有五年经验的服装买手”，任务里要加“面料成分、尺码建议、搭配方案”。卖电子产品的，角色换成“你是一个数码测评师”，任务里要加“参数对比、续航测试、散热表现”。他把这些大纲存成表格，用的时候直接调。我试过他的方法，给一个蓝牙耳机写详情页，调出来的提纲比我临时想的要全。领域扩展这件事，做一次能管很久。
5.2 写作、编程、教育、商业等场景迁移
写作场景我迁移得最多。通用创作提示词是“写一篇关于XX的文章”。迁移到小红书，我加“你是一个小红书博主，语气活泼，多用emoji，每段不超过两行，结尾加五个标签”。迁移到公众号，我加“你是一个公众号主编，语气理性，有数据支撑，每段不超过四句话，开头要抓人”。迁移到论文，我加“你是一个学术研究者，语气严谨，引用规范，避免口语化，每个论点要有文献支撑”。同一个通用骨架，换了场景参数，输出风格完全不一样。我试过用同一篇产品介绍，分别套这三个场景的提示词，出来的东西像三个不同的人写的。写作迁移的难点是语气和格式的颗粒度。你得把活泼拆成“多用感叹号和emoji，每段不超过两行”，把严谨拆成“不用第一人称，每个数据都要有来源”。拆得越细，迁移越顺。
编程场景迁移我主要用在代码解释和调试上。通用提示词是“解释以下代码”。迁移到Python，我加“解释每一行代码的作用，指出可能的性能问题”。迁移到JavaScript，我加“解释异步逻辑，指出可能的内存泄漏”。迁移到SQL，我加“解释查询逻辑，指出可能的索引失效”。调试场景更有意思。通用调试提示词是“找出以下代码的错误”。迁移到前端，我加“注意跨域问题和事件绑定”。迁移到后端，我加“注意并发和事务”。我帮一个朋友排查过一个React组件不更新的问题。用的提示词是“你是一个有五年经验的前端工程师。请分析以下React代码，找出为什么状态更新后组件没有重新渲染。背景信息：使用了useState和useEffect。约束：列出三种可能原因，每种给出验证方法。输出格式为编号列表。”模型给出的三种原因里，第二种是“依赖数组缺少变量”，正好是问题所在。编程迁移的核心是把技术栈的特有陷阱写进约束里。
教育场景迁移我给孩子和成人都试过。通用解释提示词是“解释以下概念”。迁移到给小学生讲，我加“用比喻，不要用专业术语，每句话不超过15个字”。迁移到给大学生讲，我加“先给定义，再给例子，末尾给常见误区”。迁移到给职场人讲，我加“直接给应用场景和操作步骤，跳过理论”。我给我侄子解释“什么是算法”，用的提示词是“你是一个小学老师，用做菜的步骤来解释算法，不要提代码”。他听完说“就是先放油再放菜最后放盐呗”。这个理解虽然不精确，但方向对了。教育迁移的要点是匹配认知水平。你给小学生讲微积分，再怎么拆也没用。得先判断受众的认知阶段，再调整提示词里的语言复杂度。
商业场景迁移我做过市场分析和运营方案。通用分析提示词是“分析以下数据”。迁移到市场分析，我加“从市场规模、增长率、竞争格局、用户画像四个维度分析”。迁移到运营方案，我加“从拉新、促活、留存、转化四个环节给出具体动作”。迁移到财务预测，我加“基于历史数据，给出三种情景下的收入预测，注明假设条件”。我帮一个创业朋友做过竞品分析，用的提示词加上了“重点看定价策略和获客渠道，输出SWOT表格”。他说比他花钱买的报告还实用。商业迁移的关键是框架。每个商业场景都有成熟的框架，你把框架名字写进提示词，模型就会照着框架来思考。
5.3 多模态、工具调用与智能体协作的扩展方向
多模态是我最近在摸索的方向。文本提示词扩展到图像生成，结构还是那五个要素，但参数变了。给Midjourney写提示词，角色变成“你是一个专业摄影师”，任务变成“生成一张产品图”，上下文变成“背景是纯白，光线是柔光”，约束变成“不要出现文字，不要出现人手”，输出格式变成“英文关键词，用逗号分隔”。我试过用通用提示词骨架来写图像提示词。通用骨架里的输出格式在文本里是“分点列表”，在图像里就变成了“长宽比、风格、镜头、光线”这些参数。我做过一个实验，把同一段产品描述分别给文本模型和图像模型，文本模型输出的是卖点文案，图像模型输出的是产品场景图。两个模型用的是同一套骨架，只是填充的内容不同。多模态扩展还有一个方向是音频和视频。给音频生成写提示词，要加“语速、音调、情绪、背景音”。给视频生成写提示词，要加“镜头运动、转场、时长、分辨率”。这些参数看起来多，但逻辑和文本提示词一样，都是把模糊需求拆成可执行的指令。
工具调用是另一个扩展方向。通用提示词只能让模型输出文本，加上工具调用之后，模型可以查天气、算数学、搜网页、发邮件。我写过一个查天气的提示词：“你是一个天气助手。当用户问天气时，调用天气API，参数是城市名和日期。如果API返回失败，告诉用户暂时无法获取，不要编造数据。输出格式为‘城市+日期+温度+天气状况’。”这个提示词跑起来之后，模型不再瞎编温度了，它会真的去调接口。工具调用扩展的关键是写清楚“什么时候调、调什么、参数怎么填、失败怎么办”。我踩过一个坑，没写失败处理，结果API超时的时候模型自己编了一个“晴，25度”。后来加上“如果失败，回复‘查询失败，请稍后再试’”，就稳了。
智能体协作是我觉得最有意思的方向。一个通用提示词只能定义一个角色。要完成复杂任务，得让多个角色配合。我搭过一个简单的智能体团队：一个“规划者”提示词负责拆解任务，一个“执行者”提示词负责写内容，一个“审核者”提示词负责挑毛病。规划者输出任务清单，执行者逐条完成，审核者给出修改意见，执行者再改。这三个提示词都是从通用骨架扩展来的。规划者的约束是“把任务拆成不超过五步，每步有明确产出”。执行者的约束是“严格按照规划者的步骤来，不要跳步”。审核者的约束是“只挑事实错误和逻辑漏洞，不评价文风”。这个团队跑下来，做出来的方案比我一个人写初稿再改要快。智能体协作的扩展要点是接口设计。角色之间怎么传递信息，格式要统一。我一开始没规定格式，规划者输出的是自然语言，执行者看不懂，就乱做。后来规定规划者输出“步骤编号+任务描述+输出格式”，执行者就能接上了。
这些扩展方向我都在摸索，有些跑通了，有些还在试。通用提示词的价值在于它的可扩展性。你把骨架搭好，换领域、换场景、换模态、换工具，它都能撑住。每次扩展都会遇到新问题。我的习惯是每扩展一次，就把新加的约束和参数记下来，慢慢攒成一个扩展大纲库。下次遇到类似领域，直接翻出来改改就能用。这个库越厚，我搭新提示词的速度就越快。
前五章我搭了一套通用提示词的骨架，又把它拆开迁到了各种场景里。写到这里有个问题一直绕不过去：我怎么知道一个提示词写得好不好？我早期犯过一个错，花两个小时打磨一个提示词，自认为结构工整、约束严密，跑出来一看，输出全是套话。当时没有评估意识，凭感觉判断“差不多能用”。差不多是最危险的状态。这一章我把自己踩过的坑和后来摸索出来的评估、调试、迭代方法写出来。
6.1 通用提示词的效果评估指标
我最开始评估提示词只有一个标准：读起来顺不顺。这个标准太主观了。同一段输出，我早上看觉得还行，下午看觉得不行。后来我逼自己建了一套简单的打分表。第一项是准确率，输出的事实有没有错，数字对不对，引用是否真实。这一项是底线，错了直接零分。第二项是完整度，我要求模型输出的内容有没有遗漏关键信息。第三项是格式合规，我规定的输出格式模型有没有照做，该分点的有没有分点，该用表格的有没有用表格。第四项是冗余度，输出里有多少是废话。我统计过一批摘要任务，模型输出了1200字，人工精简后剩600字，冗余度就是50%。第五项是一致性，同一个提示词跑十次，输出的结构、风格、详略程度是不是稳定的。我做过一个测试，同一段产品文案提示词跑了五次，三次输出正常，两次跑偏到竞品分析去了。一致性只有60%，说明提示词里有歧义。
这五项指标我按权重算了一个总分。准确率占40%，完整度和格式各占20%，冗余度和一致性各占10%。不是精确的数学，但比“感觉还行”靠谱多了。我用这个打分表测过自己写的二十多个通用提示词，平均分只有68分。大部分丢分在冗余度和一致性上。这说明我早期写的提示词，能跑出东西，但不够精明。打分表逼着我承认哪些提示词是凑合用的，哪些是真能复用的。
评估指标还有一个维度是时间成本。我记录过两组数据。用通用摘要提示词处理一份3000字的材料，第一次输出能用，总耗时3分钟。用一个未经优化的提示词，第一次输出不能用，改了三轮，总耗时15分钟。时间差是五倍。我把这个账算清楚之后，就不再心疼花时间改提示词了。评估这件事，省下来的时间就是收益。我现在每周会挑两三个常用提示词做一次打分，分数低的就进优化清单。这个习惯帮我淘汰了一批看着还行、实际拖后腿的提示词。
6.2 常见失败模式与调试优化策略
我总结了自己遇到的失败模式，大概有六种。第一种是角色漂移。我明明写了“你是一个专业编辑”，模型跑着跑着开始用客服语气说话。第二种是约束失守。我写了“不要出现具体价格”，输出里还是带了价格。第三种是格式混乱。要求用表格，输出的是段落。第四种是信息遗漏。要求提取五个要点，只给了三个。第五种是过度发挥。要求总结，模型自己加了一段评论。第六种是幻觉。模型编了一个不存在的数据来源。这六种里面，幻觉和约束失守是最要命的，其他四种是烦人但能忍。
调试策略我试过很多，留下来的有三条。第一条是拆解定位。输出不对的时候，我会把提示词拆成五个要素逐个排查。角色写清楚了吗？任务具体吗？上下文给够了吗？约束明确吗？格式可执行吗？我遇到过一个案例，模型总是输出太长的内容，我加了“控制在500字以内”，还是超。排查发现是任务描述里写了“详细说明”，模型把“详细”理解成了“越长越好”。我把“详细说明”改成“列出三条核心结论，每条一句话”，问题就解决了。拆解定位能帮我找到是哪个要素在打架。
第二条是负面约束转正面。我早期爱写“不要写废话”“不要用专业术语”。模型对“不要”的理解很差，越说不要越容易触发。后来我改成正面描述。“不要写废话”改成“每句话包含一个具体信息点”。“不要用专业术语”改成“用日常对话中的词汇”。转换之后，约束的执行率明显提高。我读过一个研究，说模型处理肯定指令比处理否定指令要稳。我自己跑下来的感觉也是这样。
第三条是少样本示范。提示词里给一两个输入输出的例子，比用文字描述约束要管用。我做一个合同条款提取的提示词，前面用文字写了“提取关键条款”，模型总是漏掉附件的条款。后来我在提示词里加了一个例子：输入是一小段合同，输出是一句话摘要。加了这一个例子之后，模型输出的完整度从70%提到了90%。例子不用多，一两个就够，但得选得准。我一般选那种边界情况，比如一个容易漏掉的条款类型。
还有一个调试技巧是控制变量。我改提示词的时候，一次只改一个地方。改完跑五次，看输出有没有变好。如果同时改三处，输出变好了，我不知道是哪一处起的作用。这个习惯是我从写代码里带过来的，用在提示词上一样管用。慢是慢一点，但每次改进都清楚原因，攒下来的经验是实的。
6.3 通用提示词库建设与持续迭代机制
我一开始把提示词存在备忘录里，后来存到飞书文档，再后来建了一个表格。表格有六列：提示词名称、适用场景、完整内容、评分、修改记录、最后使用日期。这个表格现在有一百多条。我用的是最简单的分类，按功能分成摘要类、创作类、分析类、对话类、工具类五组。每组里的提示词按评分排序，高分的放前面。找的时候直接从表格里搜关键词，比重写一个快得多。
光有表格不够，还得有版本管理。我有一个摘要提示词改过七版。第一版是“总结以下内容”，第二版加了角色，第三版加了字数限制，第四版改了输出格式，第五版加了术语表，第六版加了负面约束转正面的修改，第七版加了少样本例子。每一版我都保留，标上版本号和修改日期。为什么要保留旧版？因为有些场景旧版反而更适用。比如给内部同事看的快速摘要，用第三版就够了，不需要第七版那么精细。版本管理让我能按场景选版本，不用每次都从最新版改起。
迭代机制我定了两个触发条件。一个是使用频率，一个提示词连续两周没被用过，我就把它归档。用得少的提示词要么场景太窄，要么效果不好。另一个是评分下降，同一个提示词评分从85掉到70，我就把它拉出来重新调试。评分下降通常有两种原因：模型更新了，或者使用场景变了。我遇到过一次，模型升级之后，我原来的输出格式约束失效了。排查了半天，发现是模型对格式指令的理解方式变了。我调整了格式描述的措辞，分数就回来了。
我还建了一个失败案例库。每次遇到失败模式，我就把输入、输出、我期望的输出、失败类型记下来。这个库现在有六十多个案例。我写新提示词的时候会翻一遍，看看有没有类似的坑。有一次我要写一个数据分析的提示词，翻到之前一个案例，模型把相关性当成了因果性。我就在新提示词里加了“区分相关性和因果性，不要做因果推断”的约束。这一条约束帮我省了一轮调试。失败案例库比成功案例库更有用，因为成功的原因往往相似，失败的原因各有各的不同。
持续迭代这件事，我的节奏是每周花一个小时。前半小时跑一遍常用提示词的评分，后半小时优化分数最低的那一个。一个月下来能优化四个提示词，一年就是四十八个。这个节奏不快，但能持续。我见过有人追求一次性把提示词库建完美，结果建了三个月就停了。迭代的关键是频率稳定，不是单次强度大。我现在这一百多条提示词，大部分都是每周一小时慢慢攒出来的。这个库越好用，我搭新提示词的起点就越高，花的时间就越少。这是一个正循环。
