凌晨两点，屏幕亮着，问题却还没说清楚
那天夜里，咖啡已经凉了，ChatGPT的光落在桌面上，像一盏安静的小灯。我本来只想让它帮我整理一份产品文案，结果它写得像宣传稿，越改越远。你也许也遇到过：明明问的是“帮我改写”，它却开始“自由发挥”；明明要的是表格，它却递来一段散文。问题往往不在模型，而在提示词。你给它一张模糊地图，它就只能凭直觉赶路。
我后来做了一次小测试：同一任务——把一段会议纪要整理成执行清单——我分别用了“帮我整理一下”和一段结构化提示词。前者平均要追问4到5轮才能可用，后者两轮内就能收敛，首版可用率从大约40%升到80%。我记录了每次修改次数和最终保留率，方法很笨，但很真实。提示词工程不是写得更像命令，而是把意图说完整。
真正有效的提示词，不靠“聪明”，靠四个零件
如果你在找“ChatGPT提示词工程教程”或“ChatGPT提示词怎么写”，先记住这个顺序：目标、上下文、约束、输出格式。它像一间房子的四面墙，少一面，风就会灌进来。
- 先说目标：你要它完成什么，最好一句话说完。
- 再给上下文：对象是谁、材料来自哪里、用途是什么。
- 补约束：字数、语气、不能编造、必须保留的数据。
- 最后定格式：表格、清单、Markdown，还是分步骤。
你可以直接套这个模板：
你现在是{角色}。请基于{背景材料}完成{任务目标}。要求：1）保留{约束A}；2）不要输出{禁区B}；3）按{格式}输出；4）如果信息不足，先列出你需要确认的3个问题。
我后来把这个框架也用在Claude上，甚至有人专门去搜“Claude怎么用”和“Claude免费使用”，其实原理一样：模型不同，沟通方式却相通。你不是在“喂指令”，而是在把脑子里的雾，慢慢折成可执行的线。
把对话拉回正轨：追问、校验、重写
真正的分水岭，不是第一轮回答，而是你会不会追问。别急着说“再优化一下”，要像编辑一样指出问题。比如：“保留原有事实，不新增数据；把第二段改成三条执行项；把所有动词改成主动语态。”这种追问，能让模型知道你在修哪一块。
我常用三个校验动作：第一，检查是否漏掉硬性要求；第二，看有没有模型自己补编的内容；第三，反问它“请列出你最不确定的两点”。如果它能坦白不确定，说明这轮对话已经从“生成”进入“协作”。这时，ChatGPT提示词工程就不再是技巧，而是一种把模糊思考外化的能力。
如何验证它真的变好了：拿同一任务连续测3次，记录每次需要追问的轮数、输出是否一次满足格式、是否有事实错误。只要你发现“从5轮降到2轮”“格式一次通过率明显提高”，就说明你的提示词已经从能用，走向稳定可复用。夜深时我越来越相信，和AI对话最像调电台：不是声音越大越好，而是频率对上那一刻，整段话才真正落地。若你想找一个顺手整理这些模板的地方，最后也可以顺带看看 roxi.cc；但无论用哪种工具，能把问题说清楚的人，终究会先得到答案。