写提示词就像给人下指令——说清楚要什么、给足背景、检查结果。AI 不会读心术，好的 Prompt 能让它输出更准确、更有用的内容。
不是 AI 不够聪明，而是你没说清楚。
上图是一个完整 Prompt 的解剖：一个人咨询健身教练，但他没说”给我健身计划”，而是设定了角色、明确了目标、提供了背景、约定了结束信号。这就是好 Prompt 和坏 Prompt 的区别。
Prompt 的六个组成部分
Persona：你要 AI 扮演谁？
AI 的训练数据里有健身教练、程序员、律师、诗人。你不说，它就用”通用助手”的口吻回答。
❌ 给我一个健身计划
✅ Act like a successful personal fitness trainer.
Give me a personalized workout plan.技术场景同理：
❌ 写个登录功能
✅ 你是一个精通安全实践的全栈工程师。
帮我设计一个登录功能，考虑常见的安全漏洞。Task：你到底要什么？
核心问题。要说清楚目标和输出格式。
❌ 帮我写个函数
✅ 用 TypeScript 写一个数组去重函数，带注释，时间复杂度 O(n)“帮我优化代码”→ AI 不知道要优化什么（性能？可读性？）。“这段代码处理大数组时很慢，帮我优化时间复杂度”→ AI 知道该往哪使劲。
Context：现在是什么情况？
AI 不知道你的技术栈、限制、阶段。你不说，它就按最常见的模式猜。
背景：电商购物车，Redis 缓存，QPS 峰值 5000
当前问题：高并发下会超卖
技术栈：Node.js + Redis + PostgreSQL
限制：不能用分布式锁（延迟太高）有了这些，AI 才能给出合理方案，而不是复制粘贴”用分布式锁”。
Requested Takeaways：对话结束时我要拿到什么？
很多人忽略这一步。你和 AI 聊了半天，关掉对话框，然后忘了刚才说了啥。
对话结束时，给我一个总结 + 行动清单Stop Phrase：什么时候停下来？
长对话容易失控。设置一个结束信号，AI 就知道该总结收尾了。
当我说 "就这样吧"，停止生成新方案，给我当前最优方案的总结。Conversation Type：这是什么样的对话？
问答式：我描述问题，你直接给解决方案
指导式：你先问我几个问题（技术栈、性能要求），再给方案
协作式：我们一起讨论不同方案的优缺点，最后选一个不同类型决定了对话的节奏和深度。
第一次往往不够好，正常
你按照六要素写了 Prompt，AI 给了输出。但代码能跑，风格却和项目不统一；方案可行，但没考虑边界情况。
这很正常。 好 Prompt 是迭代出来的。
四个迭代方向
1. 回到六要素，看哪里没说清楚
❌ 帮我设计数据库表
✅ 设计博客系统的文章表（PostgreSQL），支持标签多对多，
预计 10 万篇文章，查询频率高2. 把复杂任务拆成小步骤
❌ 帮我重构这个 2000 行的文件
✅ Step 1: 提取重复逻辑到工具函数
Step 2: 状态管理抽离成 Hook
Step 3: 优化渲染性能3. 换个说法或打个比方
❌ 实现一个防抖函数
✅ 用户连续输入时，只在停止输入 500ms 后执行一次搜索
（类似搜索框的延迟查询）4. 加约束，缩小范围
❌ 优化这段代码
✅ 优化时间复杂度，但保持现有接口不变，不引入新依赖两个进阶技巧
Prompt Chaining：拆成流水线
复杂任务拆成多个步骤，每一步的输出是下一步的输入。
第一步：读这篇文章，列出 3 个核心观点
第二步：针对每个观点，找 2 个支撑论据
第三步：用这些论据，重新写成一篇 800 字的文章适合需要多轮推理、中间结果需要确认的任务。
Meta Prompting：让 AI 帮你写 Prompt
直接问 AI：
我想让 AI 帮我重构一个 React 组件，现在的 Prompt 是：
"帮我重构这个组件"
你觉得怎么改进？AI 会建议你补充：组件的具体问题、重构目标、技术约束。
完整例子
假设你要让 AI 帮你实现一个评论系统。
糟糕的 Prompt
帮我写一个评论功能AI 会给你一个通用的评论表，可能用 MySQL，可能用 MongoDB，可能带点赞，可能不带，完全看运气。
优秀的 Prompt
【Persona】
你是一个有 10 年经验的全栈工程师，精通 Node.js 和 React，做过多个高并发的社区产品。
【Task】
为技术博客网站设计一个评论系统的后端 API，实现评论发布、查询、删除功能。
输出格式：
1. 数据库表结构（PostgreSQL）
2. 3 个 API 接口设计（含请求/响应示例）
3. 关键实现逻辑的伪代码
【Context】
- 技术栈：Node.js + Express + PostgreSQL + Redis
- 预计用户量：10 万，日均评论 5000 条
- 需求：支持多级回复（最多 3 层）、点赞、举报
- 限制：不用第三方评论服务，不用 GraphQL
- 当前问题：需要考虑反垃圾评论、高并发查询
【Requested Takeaways】
对话结束时，给我：
1. 完整的技术方案总结
2. 潜在风险点和优化建议
3. 下一步实施清单（按优先级排序）
【Conversation Type】
协作式：你给出初步方案后，我会提问或提出修改意见，我们一起讨论最优方案。
【Stop Phrase】
当我说 "方案确定"，停止讨论新方案，直接输出最终版技术文档。核心是：把你脑子里的想法翻译成 AI 能懂的输入
写 Prompt 就是把人类沟通的常识应用到 AI 上：
- 说清楚身份（Persona）→ 医生和律师的回答方式不一样
- 说清楚目标（Task）→ “帮我”太模糊，“帮我做什么”才具体
- 说清楚背景（Context）→ 同样是”优化”，电商和博客的优化点不同
- 说清楚要什么结果（Takeaways）→ 要总结？要代码？要清单？
第一次不够好？看看六要素哪里没说清楚，拆小一点，换个说法，加点限制。
AI 是工具，Prompt 是使用说明书。说明书写得越清楚，工具用得越顺手。