你写的指令，为什么总是「差点意思」

同样是把一段产品介绍丢给 AI，有人拿到的是可以直接发的推文，有人拿到的是一段「您好，我们是一家专注于……」的套话。差距往往不在模型，而在指令本身。

很多人习惯只给一句话：「帮我写个产品文案。」AI 不知道写给谁、发在哪、什么语气，只能给你一个「平均解」——也就是最平庸的解。提示词工程（Prompt Engineering）要做的，就是把模糊的期待翻译成模型能稳定执行的指令。

本文给你一个四要素框架：角色 + 上下文 + 约束 + 迭代。掌握它，你不需要背任何「咒语」，也能稳定拿到好结果。

要素一：角色设定，让模型进入状态

给模型一个身份，等于告诉它「该用哪一套知识体系和表达习惯」。

你现在是一名有 8 年经验的 B2B SaaS 内容营销专家，
擅长把技术功能翻译成客户能感知的业务价值。
请用专业但不晦涩的口吻回答问题。

为什么有效？大模型在训练语料里见过大量「专家角色」的文本，设定角色会激活对应的表达分布。不设定时，模型默认走「通用助手」模式，输出就会偏中庸。

新手爱写长篇指令，却忘了给背景。其实给上下文比给指令更划算——模型需要知道三件事：你是谁、给谁看、要达到什么目的。

背景：我是一家做项目协作工具的小公司市场负责人，
目标用户是 20-50 人的创业团队。
任务：为下周的公众号写一篇推文，
主题是「为什么小团队更需要轻量协作工具」。
读者痛点：怕工具太重、学习成本高、价格贵。

有了这段铺垫，你后面哪怕只说「写 800 字」，模型也知道往哪使劲。

约束是解决「差点意思」的核心手段。常见四类约束：

在星界AI 里，把约束连同角色、上下文一起丢给 Claude 或 GPT-5，一次就能拿到结构清晰的初稿。

好提示词是改出来的。三种低成本迭代法：

第三招尤其好用——让模型当自己的编辑，常能揪出你没注意到的生硬表达。

万能模板（通用任务）

# 角色
你是一名<领域>专家。
# 上下文
<背景、目标用户、使用场景>
# 任务
<要完成的具体事情>
# 约束
- 字数：<X> 字以内
- 格式：<Markdown/表格/列表>
- 语气：<口语/专业/幽默>
- 禁用：<不要出现的词>
# 输出
先给一版草稿，再给一句改进建议。

改写模板（去 AI 味）

请把下面这段文案改写得更像真人写的：
- 砍掉所有「首先/其次/最后」的骨架词
- 加入一个具体的使用场景细节
- 句子长短交错，避免排比堆砌
原文：
<粘贴你的文本>

结构化输出模板（整理信息）

请阅读以下内容，按结构输出：
1. 一句话核心结论
2. 三个关键要点（每条带一句解释）
3. 一个可执行的第一步动作
内容：
<粘贴资料>

提示词工程不是玄学，而是「把模糊期待说清楚」的沟通能力。记住四要素：先给角色定调，再铺上下文，用约束收口，最后靠迭代打磨。模板可以直接存进你的工具箱，下次写指令时照着填就行。