深度思考 vs 智能搜索
提示词写好之前,先核对模式开关选对了。
阅读教程同一个模型,有人用得出神效果,有人只得到泛泛而谈的答案,差距多数时候不在模型,而在提示词。可行的提示词不是一段华丽的话,而是把"目标、上下文、约束、输入、格式、验收"这六件事说清楚。
本教程给出六个可直接套用的结构,和每一项改写前后的对照。
先说清楚你要它完成什么,而不是先说它是谁。目标越具体,回应越聚焦。
弱:帮我写个周报
强:帮我写一份产品团队的周报,包含三部分:本周进展(按项目列)、遇到的风险(每条写清影响面和缓解动作)、下周计划(不超过 5 条)。
读者是部门负责人,不需要技术细节。模型不知道你屏幕上的东西。业务背景、用户对象、已有决策,都应该显式交代,越接近真实工作环境越好。
弱:这段代码有点慢,帮我优化
强:下面是一个订单列表接口,P99 约 1.8 秒。数据量在千万级,当前实现是先分页再排序,排序字段没有索引。技术栈是 Java 与 MySQL。请给出优化方案,并说明每一步的预期收益与风险。约束是防止跑偏最可行的手段。直接写"不要做什么"和"只能用什么",比含糊的"轻便一点"可行得多。
弱:给我几个数据库优化建议
强:给 5 条 MySQL 查询优化建议。限制:不引入中间件、不改表结构、只改 SQL;每条说明预期收益、适用前提与副作用。原始数据、代码、日志、文档,直接贴进去并标注哪一部分是重点。模型不会自己猜你的数据长什么样。
弱:分析一下这组数据
强:下面是一段 CSV 的前 20 行,共 6 个字段:order_id、user_id、amount、status、created_at、channel。请找出金额异常(超过均值 3 倍标准差)的订单,并给出可能原因假设,输出为表格:order_id、amount、偏离倍数、可能原因。若是你要拿结果去做下一步处理,就必须规定格式:分几段、用什么标题、要不要表格、每个字段叫什么。
弱:总结这篇文章
强:总结这篇文章,输出三部分:一、核心结论(3 条以内);二、关键论据(每条一句话);三、可落地建议(不超过 4 条)。不要复述原文句子,不要输出其他内容。最终一步是让模型自己校验。给它一条"校验清单",要么要求它先给方案再逐条自查,能显著减少格式跑偏和事实性错误。
强:给出上面的改造方案后,请用三句话自查:是否覆盖了全部问题、是否存在未经证实的假设、是否遗漏了回滚方案。若有不确定的地方请直接标注"需人工确认",不要猜测。六个结构不必每次全用,按事项挑 3 到 4 个多数时候就够。若是一次回应不满意,先分辨缺的是哪一项:跑偏多数时候是目标或约束缺失,材料空洞多数时候是输入材料不足,格式混乱多数时候是输出格式缺失。
补上缺的那一项再问一次,比反复重写整段提示词效率高得多。
长度不是目标,材料密度才是。太短会让模型猜意图,太长会稀释重点。一条好的提示词多数时候包含目标、关键上下文、约束和输出格式四一部分,其余材料按需补充;若是发现回应跑偏,优先补充缺失的那一项,而不是把整段提示词推倒重写。
可写,但作用有限。写明领域背景比写一个泛泛的身份更有用:与其写你是一位资深专家,不如写接下来的数据来自订单系统和字段分别代表什么。真正影响结果的是上下文与约束,而不是头衔。