原来高手写 Prompt 都是这个结构
这张图来自 AWS / Anthropic 相关 Prompt Engineering 公开课程材料里的结构示例。

为什么同样用 AI，有人得到的是可直接用的结果，有人得到的是一堆废话。
下面把这张图拆开讲。
1. Task context 任务背景
说明模型要扮演谁、目标是什么。
不要一上来就问问题，先告诉它“你是谁，要帮我完成什么”。
2. Tone context 语气背景
很多人忽略这一点，所以 AI 的回答会一会儿像论文，一会儿像客服，一会儿像营销号。
语气不指定，AI 就会自己猜。
3. Background data, documents, images 背景资料
给模型参考文档、图片、数据。
图中用 {{DOCUMENT}} 放入职业指导材料。
4. Detailed task description & rules 详细规则
这一步是在告诉 AI：
什么可以做，什么不能做，遇到特殊情况怎么处理。
5. Examples 示例
给一个标准问答样例，让模型模仿格式、语气和行为。
示例比抽象要求更有用。
6. Conversation history 对话历史
放之前的聊天上下文，帮助模型保持连续性。
尤其是做长对话、连续改稿、项目讨论时，这一步很重要。
7. Immediate task description or request 当前请求
用户这一次真正问的问题。
例子里是 {{QUESTION}}。
8. Thinking step by step / take a deep breath 思考指令
现在更推荐写成：“先在内部分析，再给出简洁答案”，避免要求模型暴露完整推理过程。
尤其适合复杂分析、方案设计、判断类问题。
9. Output formatting 输出格式
规定答案长什么样。
图中要求放在 标签里。
10. Prefilled response 预填回答
预先给 assistant 开个头，比如 ，引导模型按照指定格式继续输出。

它的作用是进一步限制输出方向，让模型更容易进入你设定的格式。
ai