Prompt 提示词是什么？

Prompt，中文一般叫「提示词」，指的就是你发给模型的那段文字。 没有更玄的含义。

你在对话框里打的「帮我把这段话改得正式一点」，就是一条 prompt。

之所以这个词被讲得很神，是因为一个事实：上一篇说过，模型是根据前面的文字来生成后面的文字的。你给的文字变了，它生成的东西就跟着变。 所以同一个模型，不同的人用，结果差得很远。

这一篇只讲「是什么」——一次请求里到底装了哪些文字。至于怎么把话说好，本站第 4 段有专门一篇（4.1 如何向 AI 提问）。

先记住一句话：模型不会读心，它只会读字。

你以为你只发了一句话，实际上模型收到的是一整包文字，通常由三部分拼成：

举个具体的例子。你在某个 agent 工具里输入「把这个函数改写得更简洁」，模型实际读到的可能是：

• 系统提示词：你是一个编程助手，可以使用读文件、写文件、执行命令这些工具，修改前先说明方案……（几百到几千字，你看不见）
• 历史对话：前面五轮你们聊过的内容
• 工具返回：它刚才读进来的那个文件的完整内容
• 你的话：把这个函数改写得更简洁

所以「提示词」在严格意义上指的是这一整包文字，你打的那句话只是其中一小段。

知道这件事有什么用？因为这一整包都占额度、都要花钱、也都会影响它的回答——这就是下一篇「上下文」的主题。

系统提示词是排在最前面、优先级最高的一段指令，用来规定模型这一次扮演什么角色、守什么规矩。

你会在三个地方遇到它：

1. 产品预置的：你用 ChatGPT、Claude、豆包时，厂商已经写好了一段，你改不了
2. 你自己配的：很多工具允许你设置「自定义指令」「角色设定」，写进去的就是系统提示词
3. 项目文件里的：agent 工具通常会读取项目里的约定文件（比如 CLAUDE.md、AGENTS.md），把里面的内容作为长期指令带上——本站 4.3 专门讲这个

它和你的话有什么区别？ 一句话：系统提示词管的是长期规则（每次都生效），你的话管的是这一次要干什么。

所以「每次都要交代一遍」的东西——你的身份、项目背景、输出格式偏好、不许做的事——应该写进系统提示词或项目文件，而不是每次手打一遍。

这是新手最容易踩的坑：默认对方知道你的处境。

看两条真实的提问：

❌ 「帮我优化一下这段文案」

模型不知道：这段文案发在哪、给谁看、现在哪里不好、你希望改成什么调性、有没有字数限制。它只能按平均水平猜一个方向，然后你觉得「不好用」。

✅ 「这段文案要发在小红书，读者是刚开始学 AI 的上班族。现在的问题是太像说明书、没人愿意读完。帮我改得更口语、能一眼看懂，控制在 200 字以内，开头要有一个具体场景。」

同一个模型，第二种问法的结果好得多，原因不是「话术」，而是你把它需要的信息给了它。

它不知道的东西包括但不限于：你的行业、你们团队的习惯、上一版为什么被否、这个文件在项目里的作用、你的截止时间。

记住：它答得不好，多半不是它笨，而是你给的信息不够它做判断。

不用背复杂的框架，一条要求说清这四件事，绝大多数场景都够用：

拼起来就是一条合格的提示词。你会发现它一点也不「高级」，就是把交代给同事的话完整说一遍。

另外三个立刻能用的习惯：

• 给例子比给形容词管用。与其说「专业一点」，不如贴一段你认可的样例说「照这个风格写」
• 一次只要一件事。一条要求里塞五个任务，它会每个都做一半
• 不满意就说清哪里不满意。「第二段太长，砍到两句；结论换成更具体的数字」，比「重写一下」有用得多

网上流传的很多「提示词技巧」，在现在的模型上已经没有意义，甚至帮倒忙：

❌「你是世界顶级的 XX 专家」 给一个真实有用的角色是可以的（比如「你是审稿人，只挑逻辑漏洞」），但堆砌「顶级」「资深」「大师」不会提升质量，它只是几十个占额度的字。

❌「一定要认真思考，否则会被扣分」这类威胁或者奖励 没有用。真需要它想清楚，直接说「先列出你的判断依据，再给结论」，或者用工具自带的思考模式。

❌ 把一堆无关内容都贴进去「以防万一」 材料不是越多越好。无关内容会稀释重点，还会占掉额度——下一篇会讲，上下文越长，它反而越容易抓错重点。

一句话：提示词的质量取决于信息，不取决于语气。

接下来两篇是同一件事的两面：这一整包文字装在哪里、有多大额度，看 2.2 上下文；同样的要求每次都要重打一遍怎么办，看 2.3 Skill。想系统学怎么提问，直接看 4.1。