这篇讲什么
ChatGPT 出来的”差”答复，绝大多数是少了指令，不是模型问题。每天用的人会卡在一个平台期：同样的 30 字提问，每次都希望出奇迹。这篇是 10 分钟的升级套路：四个杠杆加上去、两个”祖传”做法删掉、一份能跨任务复用的模板。目标不是”完美 prompt”——是把”5 次里 1 次能用”提到”5 次里 4 次能用”。
这篇适合谁看
日常用 ChatGPT 的人——写作者、PM、营销、学生、开发——觉得输出一般，但说不清是模型问题、prompt 问题、还是任务问题。
什么时候适合用
- 同一个回答反复调，没什么明显进步。
- 输出”流畅但是错”（通用、跑调、技术上不对）。
- 你说不出来”好的回答应该长什么样”——这才是真问题。
四个杠杆（按顺序加）
- 读者——这东西给谁看？他已经懂什么？“写给已经熟悉 Kubernetes 的 CTO”和”写给营销同学”，输出会差到完全不同的人。
- 格式——bullets / 表格 / 一段话 / JSON / 标题 + 3 句。模型默认输出流畅散文，几乎永远不是你要的。
- 约束——字数上限、语气、避免的用词、不能干啥。“150 字以内”和”不要用营销形容词”是杠杆最高的两条。
- 示例——粘一段”好的”输出（你自己写的也行，别人的也行）。一个真示例胜过两段抽象描述。
改造前 vs 改造后
弱 prompt
帮我写一封新功能的发布邮件。
升级版
帮我写一封新功能的发布邮件。
读者：每月付我们 20 美元的现有用户。
格式：标题 + 3 段短文 + 1 个 CTA 按钮文案。
约束：150 字以内、不用感叹号、不要"激动地宣布"。
口吻示例（上一次发布的一段）：
"今天我们做了一个小改动：……"改造后那版基本能 5 分钟改改就发。
具体步骤
- 先按你平时的方式写一版 prompt。
- 回头看一遍，问：“这话是不是 50 个不同读者的 50 个人都能写出来？“如果是，说明缺读者。
- 按顺序加读者、格式、约束、示例。到”够用”就停，不追”完美”。
- 跑一次。错了就只改一个变量再跑。同时改三个东西你什么都学不到。
第一次实操怎么跑
- 找一个上周输出一般的任务。把原 prompt 和原回答都存下。
- 用四个杠杆全部加一遍，重写 prompt。再跑。存新回答。
- 对比两个回答——哪儿好了、哪儿坏了、哪儿没变。
- 24 小时后用新 prompt 跑一个类似但不同的任务。能复用就固化为模板。
完成后检查
- 它回答的是你的问题，还是回答了一个”对它更友好”的版本？LLM 很喜欢把问题善意地复述一遍。
- 事实是不是可独立核实，还是听着自信的废话？
- 你的读者会真用这东西，还是只会礼貌地点头？
怎么复用这套流程
- 维护一个
prompts/文件夹放笔记里。一个文件一个周期性任务。开头注释里写四个杠杆，方便自信地改。 - 团队协作时把 prompt 文件和产出物一起交付，新人能更快上手。
- 季度复跑一次旧模板。模型更新会改变默认，GPT-5.5 上奏效的可能在新模型上要调。
建议的操作流程
读者 + 格式 + 约束 + 示例 → 跑 → 一次改一个变量 → 把胜出的模板存下来，附一条注释说明为什么管用。
该删掉的东西
- “麻烦”、“谢谢”——对质量中性；保留也无害。
- 没有具体内容的”你是 X 专家”——模型本来就是”专家”；只有配合具体行为时才有用（“按《Refactoring》作者会回答的方式回”）。
- 5 段背景大铺垫——前 500 字之后，模型对原问题的召回率下降。详细信息放 Project 文件或附件。
- 一个 prompt 套多目标——“总结 + 翻译 + 整成表格”会做出来三件都不到位。拆开做。
容易踩的坑
- 约束全堆在一段大段话里——模型会去平均它们，而不是逐条满足。
- 不写格式——你想要表格，它给你散文。
- 不给”好”的示例——抽象风格描述输给一个具体样本，每次都输。
- 问”最佳实践”——模糊提问，模糊答案。换成”大多数团队在 X 上踩错的 3 个取舍”。
- 把 prompt engineering 当一次性任务——真实工作流是反复迭代 + 存档，不是写完祈祷。
- 抄 Twitter 上的”魔法 prompt”不改读者和约束——人家是为别的任务调的。
FAQ
- prompt 越长越好？: 到一定点为止。大多数任务的甜区在 300-600 字。超过 1000 字之后，模型对早期指令的召回率下滑。
- 要不要用 system prompt / Project Instructions？: 周期性的任务一定要用。角色、语气、约束放那边。单次 prompt 只盯当前这个具体请求。
- “给模型 200 美元小费”这种把戏管用吗？: 一直边际效应很小；在当前模型上是噪声。直接跳过。
- 新模型会不会让这套过时？: 更好的模型会减少一些 prompt 敏感度，但读者和格式永远重要——模型读不到你的脑子。