AI大家说 | 从被动执行到主动思考，快来升级你的提示词技巧

自2025年开年以来，几乎每隔几天我们就能看到大模型之间不断地升级与超越。在这场激烈的竞争中，“提示词”的重要性被提升到了一个全新的高度——无论模型本身多么强大，最终的用户体验仍然取决于我们如何与它对话，如何“引导”模型发挥出最佳水平。

所以，一年前的提示词技巧已经不适合今天的我们了。那些曾经的"万能模板"，如今可能只会得到平淡无奇的回应；而过去简单的指令式提问，现在需要更精细的思维引导。下面，我们将通过几个方面，来解析更为科学的提示词框架和AI协作技巧，将AI从"被动执行者"转变为"主动思考伙伴"。

提示词框架：构建高效沟通的基础

如今，提示词框架已成为提升人机协作效率的关键工具。一个设计良好的提示词框架能带来多方面的价值：

• 首先，它能显著降低沟通成本。通过结构化要素——包括明确角色定位、输入要求、背景信息和输出预期——可以大幅减少模型对需求的误判。同时，统一的风格要求也使得团队成员之间的提示词交流更加顺畅，避免了因表达差异导致的理解偏差；

• 其次，框架能有效提升输出质量。当明确指定AI的角色身份、预设输出结构并设定评估标准时，模型的响应往往能更精准地契合用户预期。这种结构化设计相当于为AI提供了清晰的"思考路径"，减少了模糊地带产生的低质量输出。此外，不同AI工具往往需要差异化的提示策略，通过框架调整角色设定、输入格式等要素，我们可以针对特定模型的特点进行优化。

• 最后，框架的设计本身就充分考虑了可优化性。当需要改进提示词时，结构化的框架能让我们快速定位需要调整的环节——是角色定义不够准确？输入信息不够充分？还是评估标准需要细化？这种清晰的优化路径大大提升了提示词迭代效率。

让我们从学习下面两种提示词框架开始。

RICE 框架：结构化提示的四大要素

1.Role（指定模型角色）：定义模型在任务中的身份（如 “你是一位资深数据分析师”“你是科普博主”），引导其使用对应领域的知识与表达风格。

2.Input（明确输入内容）：提供任务的具体素材（如问题、数据、文本片段），确保模型基于准确信息响应。

3.Context（补充背景信息）：说明任务的应用场景、限制条件或前置知识，避免模型输出偏离实际需求。

4.Expectation（清晰输出预期）：规定输出的形式（如表格、报告、代码）、详细程度或重点方向。

CRISPE 框架：六大维度拆解任务

1.Clarify（澄清需求）：先明确任务的核心目标，避免模糊表述导致模型误解。例如“需解决的问题：如何用Python优化数据可视化效率？”

2.Role（角色定义）：指定模型身份。

3.Input（输入）：细化要求，明确输入数据的格式、来源或处理方式。

4.Structure（输出结构设计）：预设输出的框架（如 “分步骤说明+代码示例+注意事项”），让结果更规整。

5.Prompt（核心指令）：用具体动作词引导模型（如 “生成”“优化”“诊断”），避免抽象指令。

6.Evaluate（结果评估标准）：提前设定输出的验收条件（如 “准确率需≥95%”“代码无报错”；确保生成的方案在实际场景中可落地，附可行性测试步骤）。

从60分到90分：高阶提示词技巧

有了上面的提示词框架我们能轻松写出60分的提示词。如果想要更近一步，我们可以通过一些技巧来不断优化。近期，现任Anthropic首席产品官Mike Krieger在一次访谈中分享了他是如何将大模型从一个“工具”转变为一个强大“伙伴”的几个技巧。

技巧一：从“指令执行者”到“思维伙伴”的心态转变

不要直接问“我该怎么做”。不要将大模型仅仅看作一个等待指令的工具，而要把它视为一位能够与你平等对话、激发思考的“虚拟协作者”。

• 首先，别急着提问。先分享完整思路和背景信息，甚至可以是一份粗糙的初稿，然后提出开放性问题；

• 提出开放性问题：“这是我的初步想法，你看到了哪些盲点？”“我可能陷入了哪些思维定式？”

• 你还可以让AI挑战你的假设：“基于这些材料，你能否提出一个与我完全不同的视角？”

技巧二：突破模型的友善边界

大模型通常被训练得非常友善和乐于助人，所以在进行创意批判或风险评估时，你需要主动打破这层“礼貌”的屏障——与其问“这个策略哪里可以改进？”，不如直接下令：“对我狠一点，直接告诉我这个策略哪里有问题。”

使用更直接、甚至略带情绪化的指令。你可以尝试使用这样的词语：

• “请用最严厉、最挑剔的眼光来审查这份方案。”

• “把这个想法喷得体无完肤，找出它所有的致命缺陷。”

• “别给我鼓励，我需要的是最坦率、最尖锐的批评。”

技巧三：激发深度推理

对于需要复杂推理的任务，一个简单的指令“前缀”可能会解锁模型更深层次的计算和思考路径。例如，在处理复杂问题时，在提示词中加入一句“think hard（认真思考）”就能引导模型调用不同的、更强大的推理流程。

当你希望得到更高质量的分析、代码或解决方案时，可以在指令中明确地加入类似语句：

• “请一步一步来推理，并展示你的思考过程。”

• “在回答之前，请进行深度分析。”

• “认真思考以下问题，并给出详尽的回答。”

技巧四：提供“原料”而非空谈

高质量的输出，源于高质量的输入。你提供给模型的上下文信息越丰富，它产出的“成品”就越精准、越有价值。

将模型想象成一个需要消化信息才能工作的顾问。在提问前，尽可能地提供所有相关的背景材料：项目文档、数据报告、会议纪要、甚至是你之前的思考片段。

技巧五：让模型成为你的提示词教练

你可以直接向任何大模型请教：“我希望你帮我完成【XX任务】，为了让你能给我最好的结果，我应该如何向你提问？请给我一个理想的提示词模板，并解释为什么它有效。”

技巧六：从“一问一答”到“共同构建”

不要期望通过一次完美的提问就得到最终答案。真正高效的交互，是一个持续迭代、共同构建的过程。

将模型视为你的“伙伴”或“同事”。把大任务分解成小步骤，与模型进行多轮对话。在每一轮都提供清晰的反馈，不断修正和引导，共同逼近最终的完美方案。

写作场景中的AI协作技巧

用AI辅助写作，甚至直接使用AI生成稿件，是很多人都曾有过的经历。但是，AI写作虽然在速度上无可挑剔，在质量上就会有些差强人意了——文章虽然结构完整、语法正确、逻辑清晰，却总是无法走进我们的心里。

这种"正确但乏味"的写作困境，是AI写作的本质造成的——它只是概率统计的游戏，能模仿人类语言的外壳，却无法复制人类思维的内核；它掌握了海量信息，却无法像人类一样将知识转化为鲜活的体验。

我们用AI辅助写作时，如何破解这个困境？这有两个技巧或许能帮到你：

技巧一：别“说明”，请“放电影”

让你的写作“可视化”。理解的本质不是一堆文字，而是画面、是情感、是体验。好的写作者，是在读者的脑海里“放电影”，而不是背诵产品说明书。

比如，你想表达一个概念，别只说“一个刺激物”，要说“一只毛茸茸的小兔子”；别空谈“范式”和“框架”，讲一个“例如……”开头的故事。

所以，在与AI协作时，我们需要注意这一点：我们是导演；AI则是金牌后期团队。我们负责提供剧本的核心——那些充满画面感的个人经历、那个只有你才想得出的绝妙比喻；而这些内容交给AI后，他们可以帮你搭建场景、组织语言、优化节奏。你负责提供有血有肉的“人性”，AI负责构建工整优雅的“骨架”。

技巧二：使用AI删减冗余

“删减”往往能奇迹般地提升文章的质感。所以写完初稿后，你可以大胆地把文章扔给AI，然后下达指令：“帮我把这段话缩短30%，但保留核心意思，让它读起来更有力。”

你会惊讶地发现，AI能毫不留情地砍掉那些你“觉得很美”但其实毫无必要的词句，让你的文章瞬间清爽、精悍。它就像一个冷酷但高效的健身教练，帮你减掉文字的“赘肉”，亮出结实的“肌肉”。

总而言之，如今，我们与AI协作时，不应该再采取简单的问答操作了。不要把AI当成一键生成答案的“傻瓜相机”，而是把它看作思维的“外挂”——你来掌舵，负责思想的深度和情感的温度；AI来划桨，负责信息的组织和语言的效率。

参考资料：

1.《一年前的提示词技巧已经落伍了？Anthropic CPO 揭秘7个AI协作新玩法》，@AI趋势全天候；

2.《如何高效撰写优质 Prompt？提示词框架+优化方法分享》，@二进制茶馆

（声明：本文仅代表作者观点，不代表新浪网立场。）