第9章 Prompt入门：写好提示词的5个原则

9.1 什么是Prompt？为什么它很重要？

Prompt（提示词）就是你给大模型的输入指令。同样一个大模型，你给它不同的Prompt，输出质量可能天差地别。

这就是Prompt的力量。Prompt是AI产品经理的核心技能，就像SQL是数据分析师的核心技能一样。

9.2 原则一：明确角色（Role）

原理：大模型读过无数角色的文本，你告诉它"你是谁"，它就会调用对应角色的知识和语气来回答。

写法："你是一个[角色]，拥有[经验/资质]，擅长[领域]。"

示例：

• ❌ 差："帮我写个产品方案"
• ✅ 好："你是一个有10年经验的B端SaaS产品经理，曾主导过3个百万级ARR产品的从0到1，擅长制造业数字化转型场景。请帮我写一个设备管理系统的产品方案。"

9.3 原则二：明确任务（Task）

原理：大模型不知道你想要什么，你必须精确描述任务。任务越模糊，输出越泛泛。

写法："请[具体动作][具体对象]，要求[具体要求]。"

示例：

• ❌ 差："分析一下这个产品"
• ✅ 好："请从以下3个维度分析这个产品：1）目标用户是谁，核心痛点是什么；2）产品的核心功能和差异化优势；3）可能的盈利模式和市场规模。每个维度不少于200字。"

9.4 原则三：提供上下文（Context）

原理：大模型没有你的业务背景，不知道你的产品、用户、行业情况。你必须把相关背景信息喂给它。

写法："背景信息：[行业/产品/用户/目标/限制条件]"

示例：

• ❌ 差："帮我写个产品介绍"
• ✅ 好："背景信息：我们是一家工业互联网公司，产品是设备管理系统（EMS），目标用户是制造业工厂的设备主管，核心功能是设备台账、��保管理、故障预警、能耗统计。产品定价是5万元/年起。请写一段300字的产品介绍，用于官网首页，语气要专业但不晦涩，突出'降本增效'的价值。"

9.5 原则四：指定输出格式（Format）

原理：大模型默认输出自由文本，但你可能需要表格、JSON、列表、代码等特定格式。指定格式能大幅提升可用性。

写法："请用[格式]输出，格式要求：[具体格式说明]"

示例：

• ✅ 表格："请用表格输出，列包括：功能名称、功能描述、优先级、开发工作量"
• ✅ JSON："请输出JSON格式，字段包括：name(string), description(string), priority(high/medium/low)"
• ✅ 列表："请用编号列表输出，每条不超过50字"
• ✅ Markdown："请用Markdown格式输出，包含二级标题、表格、代码块"

9.6 原则五：给出示例（Examples）

原理：示例是最强大的Prompt技巧。你给它1-3个示例，它就能准确理解你想要的风格和格式，比你用100句话描述都管用。这叫Few-shot Learning（少样本学习）。

写法："示例： 输入：[示例输入] 输出：[示例输出] 现在请处理以下输入：[实际输入]"

示例：

• ❌ 差："帮我把这些产品名改得更有吸引力"
• ✅ 好："请把以下产品名改得更有吸引力，示例：
  输入：设备管理系统
  输出：设备管家·让每台设备都有迹可循
  输入：能耗监测平台
  输出：能耗天眼·每一度电都看得见
  现在请处理：碳排放管理系统"

9.7 五原则组合拳：一个完整的高质量Prompt

把五个原则组合起来，就是一个高质量Prompt的标准结构：

【角色】你是一个[具体角色]，拥有[经验/资质]，擅长[领域]。

【任务】请[具体动作][具体对象]，要求[具体要求]。

【上下文】背景信息：
- 行业：[行业]
- 产品：[产品描述]
- 目标用户：[用户描述]
- 目标：[要达成的目标]
- 限制条件：[不能做什么/必须遵守什么]

【输出格式】请用[格式]输出，格式要求：[具体格式说明]

【示例】
输入：[示例输入1]
输出：[示例输出1]

输入：[示例输入2]
输出：[示例输出2]

现在请处理以下输入：
[实际输入]

9.8 常见Prompt错误与避坑指南

9.9 本章小结

写好Prompt的5个原则：

1. 明确角色（Role）：告诉模型"你是谁"，越具体越好
2. 明确任务（Task）：精确描述要做什么，不要模糊
3. 提供上下文（Context）：把业务背景喂给模型
4. 指定输出格式（Format）：表格/JSON/列表/Markdown，提升可用性
5. 给出示例（Examples）：示例是最强大的技巧，2-3个示例胜过100句话

记住：Prompt不是一次写成的，是迭代出来的。第一版输出不满意，就基于输出继续追问、修正、细化。好的Prompt工程师都是迭代出来的，不是一次写对的。

📝 本章练习（5题）

答案与解析请在 互动学习看板 中作答查看。

📚 AI产品经理实战训练营 课程目录（44 章）

1. 第1章 AI产品经理是做什么的？和传统PM有什么区别？
2. 第2章 2026年AI产品经理就业市场：哪些行业在招？薪资多少？
3. 第3章 零经验转行AI产品经理的3条路径
4. 第4章 AI产品全景图：从聊天机器人到Agent，一文搞懂
5. 第5章 AI产品经理能力模型：你需要掌握哪些技能？
6. 第6章 实战：拆解3个你每天在用的AI产品
7. 第7章 大模型是什么？用大白话讲清楚
8. 第8章 主流大模型对比：GPT-4o、Claude、DeepSeek、豆包、Kimi怎么选？
9. 第9章 Prompt入门：写好提示词的5个原则
10. 第10章 Prompt进阶：System Prompt、COT思维链、Few-shot示例
11. 第11章 结构化输出：让大模型返回JSON、表格、代码
12. 第12章 Prompt优化实战：从垃圾Prompt到高质量Prompt
13. 第13章 大模型的"幻觉"问题：产品经理怎么应对？
14. 第14章 实战：为一个智能客服设计完整Prompt体系
15. 第15章 RAG是什么？为什么企业都在做知识库？
16. 第16章 RAG工作原理：文档→分块→向量→检索→生成
17. 第17章 向量数据库选型：Milvus、Pinecone、Chroma、pgvector怎么选？
18. 第18章 Embedding模型选型：OpenAI、BGE、M3E、GTE对比
19. 第19章 Reranker重排序：让检索结果更精准
20. 第20章 查询改写与混合检索：提升召回率的实战技巧
21. 第21章 知识库运营：文档治理、更新机制、效果监控
22. 第22章 实战：从零搭建一个企业知识库（完整流程）
23. 第23章 Agent是什么？和聊天机器人有什么区别？
24. 第24章 Agent核心能力：感知、规划、工具调用、记忆
25. 第25章 主流Agent框架与协议：Agent Harness、MCP、A2A全解析
26. 第26章 工具调用（Function Calling）原理与实战
27. 第27章 Agent记忆系统：短期记忆、长期记忆、向量记忆
28. 第28章 多Agent协作：多个智能体怎么分工配合？
29. 第29章 Agent评估体系：成功率、成本、延迟怎么监控？
30. 第30章 实战：设计一个制造业生产异常处理Agent
31. 第31章 AI产品需求分析：怎么识别真需求还是伪需求？
32. 第32章 AI产品竞品分析：怎么调研和拆解竞品？
33. 第33章 AI产品PRD撰写：技术可行性、数据需求、评估指标
34. 第34章 AI产品原型设计：对话流、状态机、异常处理
35. 第35章 AI产品数据指标体系：从DAU到模型准确率，全面监控
36. 第36章 AI项目管理：从需求到上线的全流程管控
37. 第37章 实战项目1：从零搭建制造业AI智能质检系统
38. 第38章 实战项目2：从零搭建企业级AI知识库（RAG系统）
39. 第39章 AI产品经理简历优化：让HR一眼看中你
40. 第40章 项目经验包装：把普通项目讲成亮眼案例
41. 第41章 AI产品经理面试常见问题：提前准备，从容应对
42. 第42章 案例分析面试：用结构化思维征服面试官
43. 第43章 薪资谈判：拿到你应得的报酬
44. 第44章 入职前3个月：快速站稳脚跟，建立信任