第 02 课：Prompt 的基本结构

本课目标：

• 掌握 prompt 的四大核心要素
• 学会将模糊需求改写为结构化指令
• 理解每个要素如何影响 AI 输出

前置知识：<< 01 什么是 Prompt | 下一课 03 >>

为什么 AI 总是答非所问

你问 AI"写一份项目总结"，它给了你一个标准模板，却没有你这个项目的任何具体信息。问题出在哪？不是 AI 能力不够，而是你的指令里缺了关键要素：这是什么项目、给谁看、应该包含什么内容、用什么格式。

一个有效的 prompt 不是一句话甩过去，而是一个包含四个要素的完整指令。本课教你这四个要素是什么、各自的作用、以及如何组合使用。

Prompt 的四大要素

一个清晰的 prompt 通常包含四个部分¹：

1. 角色设定（Role）：告诉 AI 它应该以什么身份回答
2. 任务描述（Task）：明确你要 AI 做什么
3. 输出格式（Format）：指定回答的结构和样式
4. 约束条件（Constraints）：限定范围、长度、语气等边界

这四个要素不是每次都必须全部出现，但越复杂的任务，需要的要素越多。我们逐个看它们的作用。

1. 角色设定：AI 应该以什么身份回答

角色设定告诉 AI 用什么视角、什么专业水平来回答你²。同一个问题，技术专家和小学老师的回答方式完全不同。

对比这两个 prompt：

❌ 没有角色设定：

解释一下什么是 Docker

AI 可能给你：

• 技术文档式的定义（"Docker 是一个开源的容器化平台……"）
• 假设你懂 Linux、虚拟化、镜像等概念

✅ 有角色设定：

你是一位擅长用类比解释技术概念的老师。请向一个完全不懂编程的产品经理解释什么是 Docker。

AI 会：

• 用日常生活的类比（"Docker 像一个标准化的集装箱……"）
• 避免专业术语，或者解释每个术语
• 关注"为什么需要它"而不是"怎么实现它"

常见角色设定模式：

• 专业身份："你是一位资深的 Python 工程师"
• 教学风格："你是一位擅长用例子教学的导师"
• 受众视角："你在给非技术背景的管理层讲解"
• 语气风格："你是一位友好、耐心的助手"

2. 任务描述：明确要 AI 做什么

任务描述是 prompt 的核心，回答"做什么"这个问题¹。模糊的任务描述是最常见的问题。

对比：

❌ 模糊任务：

分析这段代码

AI 不知道从哪个角度分析：性能？安全性？可读性？Bug？

✅ 明确任务：

分析这段 Python 代码的性能瓶颈，指出哪些操作可能在大数据量下变慢，并给出优化建议。

AI 知道：

• 关注点是性能，不是其他方面
• 需要考虑大数据量场景
• 不仅要指出问题，还要给建议

任务描述的三个层次：

1. 动词：总结、分析、生成、修改、检查……
2. 对象：处理什么内容（代码、文档、数据……）
3. 目标：达到什么效果、解决什么问题

3. 输出格式：指定回答的结构

输出格式告诉 AI 用什么结构组织答案¹。没有格式约束，AI 会用它认为合适的方式——可能是一大段文字，可能是列表，可能是表格。

对比：

❌ 没有格式要求：

总结这篇文章的要点

AI 可能给你：

• 三段文字描述
• 或者十个要点的列表
• 或者一句话概括

✅ 指定格式：

用以下格式总结这篇文章：
核心观点：[一句话]
支持论据（3 个）：1. [论据 1，一句话]2. [论据 2，一句话]3. [论据 3，一句话]
结论：[一句话]

AI 会严格按这个结构输出，你可以直接复制粘贴到你的文档里。

常见格式约束：

• 列表："用项目符号列出三个要点"
• 表格："用表格对比这两个方案的优缺点"
• 代码："只输出可运行的代码，不要解释"
• 分段："分为背景、分析、建议三个部分"
• 长度："每个要点不超过 50 字"

4. 约束条件：限定范围和边界

约束条件是各种"不要……"和"只……"的规则，防止 AI 偏离轨道¹。

对比：

❌ 没有约束：

给我推荐一些学习 Python 的资源

AI 可能给你：

• 十几本书、课程、网站的列表
• 从入门到高级全都有
• 有付费的、有免费的、有英文的、有中文的

✅ 有约束：

给我推荐 3 个学习 Python 的资源，要求：- 完全免费- 中文- 适合零基础- 有实际项目练习
每个资源用两句话说明：第一句介绍是什么，第二句说明为什么适合零基础。

AI 会：

• 精确筛选符合条件的资源
• 不推荐付费课程或英文内容
• 按你要求的格式解释每个推荐

常见约束类型：

• 长度："不超过 200 字"
• 范围："只讨论 2023 年以后的方法"
• 语气："用正式的学术语言"
• 排除："不要包含需要付费的方案"
• 优先级："优先考虑开源工具"

组合使用四要素

一个完整的 prompt 把四个要素组合起来。看一个真实场景：

场景：让 AI 帮你写会议纪要

❌ 只有任务，缺少其他要素：

根据这段会议记录写一份纪要

✅ 包含四要素：

[角色] 你是一位专业的项目助理。
[任务] 根据下面的会议记录，写一份会议纪要。
[格式] 按以下结构组织：- 会议基本信息（时间、参与人）- 讨论的问题（按优先级排序）- 每个问题的决策结果- 待办事项（负责人 + 截止日期）
[约束]- 只记录有明确结论的讨论，略过闲聊内容- 待办事项必须可执行（有动词 + 可检查的交付物）- 总长度不超过 500 字
会议记录：[这里粘贴会议记录]

这个 prompt 清晰、完整、可复用——把会议记录部分做成占位符，就是一个可以反复使用的 Prompt 模板。下次开会，只需要替换最后的会议记录内容即可。

实战：改写模糊 prompt

现在练习把一个模糊 prompt 改写为结构化版本。

原始 prompt（模糊）

帮我优化这段代码

改写步骤

第 1 步：明确任务

• 优化什么？性能、可读性、还是安全性？
• 假设目标是提升性能

第 2 步：添加角色

• 代码审查者的视角最合适

第 3 步：指定格式

• 用结构化的方式输出：先列问题，再给方案

第 4 步：加入约束

• 不改变功能逻辑
• 优先考虑明显的性能提升

改写后的 prompt

你是一位资深的性能优化工程师。
请分析下面这段 Python 代码的性能问题，并给出优化建议。
按以下格式输出：1. 当前性能瓶颈（按影响从大到小排序）   - 瓶颈点描述   - 在什么数据量下会成为问题2. 优化方案   - 具体修改建议   - 优化后的代码片段   - 预期性能提升
约束：- 不改变函数的输入输出接口- 不引入新的外部依赖- 优先考虑能提升 2 倍以上性能的改动
代码：[这里粘贴代码]

对比原始版本，改写后的 prompt 清晰地告诉 AI：以什么角色、做什么、怎么输出、在什么限制下做。

四要素的灵活运用

四要素不是教条，而是检查清单：

• 简单任务可以只用 2-3 个要素："用三句话总结这篇文章的核心观点"（任务 + 格式）
• 复杂任务需要全部四个："你是技术作家，将这段 API 文档改写为面向初学者的教程，包含代码示例和常见错误说明，不超过 1000 字"
• 探索性任务约束要少："分析这个问题可能有哪些解决角度"
• 执行性任务约束要多："严格按照以下 JSON 格式输出，不要添加任何解释"

判断标准很简单：**AI 看完你的 prompt，能不能清楚知道该做什么、输出什么样的结果？**如果你自己都不能明确回答，那 AI 更做不到。

小结

有效的 prompt 包含四个要素：角色设定（以什么身份）、任务描述（做什么）、输出格式（怎么组织）、约束条件（边界是什么）。不是每次都要四个全用，但越复杂的任务需要的要素越完整。

改写 prompt 的流程：先明确任务核心，再决定需要什么角色、什么输出格式、什么约束。把模糊的一句话扩展为结构化的指令，AI 的输出质量会显著提升。

下一课学习 few-shot learning——如何用 2-5 个示例让 AI 理解你想要的模式，而不是用文字描述。

下一课 Few-shot Learning：通过示例引导 AI >>