Prompt Engineering 的 7 条反直觉技巧

不写 "请用最专业最详细的方式..."。这种话术 2024 年的人都还在写,2026 年的模型早就不吃这一套。

反直觉 1:不要说"你是一位资深的 XX 专家"

老的 prompt 教程教你开头先角色扮演,比如 "You are a senior software architect..."。

2026 年的现实:

Claude 4.7+ / GPT-5+ 内部已经有强烈的"我是助手"的身份,你把 role 强加上去反而会让它输出"装专家"的腔调
真正起作用的是:任务约束 + 输出格式,不是角色

对比:

❌ You are a senior backend engineer with 15 years of experience.
   Please write a Go function that...

✅ Write a Go function that hashes passwords using bcrypt with cost=12.
   Constraints:
   - Return (string, error)
   - Use crypto/subtle for constant-time compare
   - No external dependencies beyond standard library

第二种 prompt 更短,但输出的代码质量稳定多了。

反直觉 2:让它"想清楚再答"比让它"详细解释"重要

很多人为了让 AI 想清楚,会写 "解释你的思路" / "step by step"。

2026 年的现实:

顶级模型(Claude Opus / o3 / Gemini 2.5 Pro)有 native reasoning,它内部已经在 thinking,你让它"显式 step by step"反而会拖累
真正起作用的是 ——先 plan,再写

对比:

❌ Solve this problem step by step:
   [problem]

✅ For the problem below:
   1. First, write out 3 different approaches (1-2 sentences each)
   2. Pick the best one with reasoning
   3. Then write the full solution

   [problem]

第二种 prompt 让模型先 brainstorm,再做选择,质量比"step by step"高很多。

反直觉 3:示例比指令重要

任何长 prompt 都不如一个好的 example。

对比:

❌ 把一句话改成正经科普风格,大概像知乎大 V 那种,
   要有数据支撑,语气专业但易懂,字数控制在 300-500 字...
   (写了 200 字约束)

✅ Rewrite the sentence in the style below:

   原句: "AI 正在改变设计"
   改写示例:
   "如果你 2020 年问设计师 '未来 5 年最大变化是什么',大多数人会说 5G、VR、超大屏。
    现在回头看,真正的变量是 AI —— 不是它取代设计师,而是它把'出图'这一步压缩到了
    1/100 时间。这意味着..."(全文 350 字)

   现在改写下面这句:
   [your sentence]

3 行 example > 200 行约束。

反直觉 4:用 XML / JSON 标签包装内容

老 prompt 用 === 或 --- 分隔内容块。

2026 年的现实:

Claude / GPT 都被训练成对 XML / JSON tags 敏感度更高
标签让模型能精确知道"什么是 instruction, 什么是 input"

对比:

❌ Translate this to English:
   ===
   今天天气不错
   ===
   Keep technical terms in original.

✅ <task>
   Translate the content inside <input> to English.
   Keep technical terms in their original Chinese.
   </task>

   <input>
   今天天气不错
   </input>

反直觉 5:不要让它"自由发挥"

很多人觉得 "be creative" 会得到更有意思的答案。

2026 年的现实:

"creative" 太宽,模型会回到训练数据里的"平均创意",很套路
真正激发创意的方法:给硬约束

对比:

❌ Be creative. Write a startup pitch for a coffee shop.

✅ Pitch a coffee shop that:
   - Targets remote workers
   - Charges 3x normal price
   - Has no WiFi
   - Has a 90-minute time limit per visit
   Explain why this would work.

硬约束反而逼出非套路答案。

反直觉 6:模型不知道时间,要明确告诉它

很多 prompt 假设模型知道"现在",但其实它不知道。

正确做法:

The current date is 2026-05-15. The user is asking about
[topic] as of this date. Assume any info you have past this
date is not yet known.

这一句能避免模型瞎编"未来"的事。

反直觉 7:短 prompt 通常打败长 prompt

新手以为 "prompt 写得详细 = AI 更懂"。

2026 年的现实:

长 prompt = 上下文稀释 = 重要约束被忽略
5 个强约束 > 20 个弱约束
把"必须做的"放最后,模型 attention 在 prompt 末尾最强

实操:

写一版完整的 prompt
删掉 50% 不影响输出的部分
再跑一遍,质量大概率持平或更好
重复

实战 prompt 模板

我们的 /prompts 里有 20+ 个验证过的模板,都遵循上面 7 条规则。可以直接抄。

最常用的几个:

总结

不要相信"prompt 技巧速成班"。Prompt engineering 不是说服模型,是让你自己想清楚要什么。

模型的输出质量上限,就是你 prompt 的清晰度。