提示词是什么？AI 提示词的含义与示例

提示词（prompt）是你交给 AI 模型、告诉它要生成什么的输入。在 ChatGPT、Claude 或 Gemini 中，它就是你在输入框里输入的消息，加上你附带的任何东西：一个文件、一张截图、一段粘贴的报错信息。模型读取提示词，并顺着它写出回复。除此之外，它没有任何途径了解你想要什么，所以提示词就是你的全部请求。

这个词来自它在英语中的日常含义：prompt 某人，就是提示他开口或行动。AI 提示词就是这个提示。它可以是一个问题、一条指令、一段附带任务的文本，或者对一幅图片的描述。

提示词由哪些部分组成

一行字的问题也是有效的提示词，如果只需要一行字的回答，这往往就够了。随着请求变得更具体，提示词通常会包含同样的几个部分：

• 任务：要做什么，通常是一个动词。解释、编写、修复、总结、翻译、比较。
• 上下文：模型猜不到的事实。你是谁、你已经知道什么、结果要用来做什么。
• 输入：要处理的材料。代码、邮件、表格、文章。
• 格式：回答的形式。列表、表格、三个短段落、JSON。
• 约束：各种限制。字数、要避免的词、不能改动的部分。

弱提示词和强提示词的区别，很少在于措辞是否巧妙，而在于这些部分有没有写出来。“写一个对列表排序的函数”让模型去猜语言、数据和排序方式。补上这三点事实，就不用猜了。如何写提示词逐一讲解了每个部分，并附有可以开关各部分的示例。

提示词示例

想要得到的东西不同，提示词的样子也不同。在标签页之间切换，看看用于写作、写代码和学习的提示词，每个都附有一个典型的回复。

文本代码学习

EditCopy

Fill in语言

把这条消息改写得礼貌但坚定。不超过 80 字。 “喂，你说报告周一能好，现在都周三了。我今天必须拿到，不然没法把数据发给客户”

Try it

Example replyReplies vary between models and runs.

你好，我原本预计周一能收到报告，但到现在还没有收到。我需要在今天下班前拿到，才能按时把数据发给客户。能告诉我报告什么时候能好吗？谢谢。

图片提示词的原理也一样，只不过回复是一张图片。图片生成器，包括一些聊天应用内置的那些，最擅长响应对主体、场景、风格和构图的描述：

一幅水彩插画：日出时分，一个小机器人在城市阳台上给植物浇水，柔和的暖光，远景。

每个细节都替你做掉了一个原本要由模型来做的选择。去掉“水彩”，你可能会得到一张照片；去掉“远景”，阳台可能会被裁掉。

提示词、回复和系统提示词

和 AI 模型的一次典型聊天涉及三段文本，分清它们的名称会很有帮助：

• 提示词（也叫用户消息）是你为这次请求发送的内容。
• 回复（也叫响应或补全）是模型写回来的内容。
• 系统提示词是一组对整个对话都生效的固定指令。它由应用或开发者设置，你也可以通过自定义指令或项目指令等设置往里添加内容。

下面的示例展示了这三者。系统提示词只设定了一次规则，即使用户从没重复过，回复也遵循了它。

提示词、回复和系统提示词

EditCopy

System prompt

你是一位面向初学者的编程辅导老师。绝不给出练习的完整答案。每次只给一个提示，并问学生下一步打算怎么尝试。

我的循环输出的是 1 到 9，但练习要求输出 1 到 10。这是我的代码：for i in range(1, 10): print(i)

Try it

Chat apps receive the system prompt as the start of your message, so this tries its wording, not its priority. To test it as standing instructions, put it in the app's custom instructions or the API's system field.

Example replyReplies vary between models and runs.

很接近了！给你一个提示：运行 print(list(range(1, 4)))，把输出和你传给 range 的两个数比较一下。

你注意到了什么？你会怎样修改你的循环？

没有系统提示词的话，模型多半会直接给出修改方法 range(1, 11)。系统提示词改变了聊天中每条消息的行为。系统提示词讲了在哪里设置它，以及里面该写什么。

提示词不只是你的最后一条消息

在对话中，模型并不会像人那样记住之前的几轮。每次你发送消息时，应用都会把系统提示词和目前为止的对话发给模型，你的新消息放在最后。模型真正回应的，就是这段合在一起的文本。

这带来两个实际影响。第一，之前的消息会持续影响后面的回答：如果你十条消息之前说过“使用 TypeScript”，这条指令仍然有效。第二，模型一次能接收的文本量是有限的，以 token 计量。当对话超出这个上限时，应用必须丢弃或压缩较早的部分，或者让你开一个新聊天，而聊天开头的指令可能就不再起作用了。Token 和上下文窗口解释了这个上限是怎么回事。

提示词不是数据库查询

模型本身不会去查找任何东西。它一小段一小段地生成回复，每一段都根据提示词和训练中学到的模式来选择。（带有网页搜索或文件工具的应用会先获取材料，再把它加进提示词；模型依然是根据摆在它面前的文本来写。）这就是为什么同一个提示词运行两次，回复可能略有不同；也是为什么当提示词问到一个模型并不掌握的事实时，它可能会信心十足地说出错误的内容。

由此可以得出两个习惯。把你需要答案依据的事实直接放进提示词里，比如文档、数字或报错信息，而不要指望模型知道它们。在使用回复中的任何事实、数字或引文之前，先核实一遍。