通义千问提示词教程：0基础快速入门指南

写好提示词，在许多工作场景中，是决定产出质量的核心杠杆之一。

不少人都遇到过这种情况：明明用的是通义千问，但输出的内容要么空洞笼统，要么偏离问题，甚至连基础细节都遗漏。

注意：这很少源于模型能力不足，更多是提示词没写对。缺少清晰的角色定义、具体的动作指令、明确的约束条件——这相当于让一位资深专家，在漆黑房间里凭空猜测你的诉求。

先搞懂提示词的核心构成

提示词不是你随口抛出的一句话，而是一个由【角色设定】+【任务指令】+【约束条件】组成的最小执行单元。缺了任何一个要素，模型只能靠概率随机生成，碰到什么算什么。

举个例子：“帮我写个通知”——这是无效指令。

但如果你说：“你是一位社区物业管家，请撰写一则停水通知，面向60岁以上居民，字数控制在120字以内，禁止使用‘敬请谅解’‘特此通知’等公文套话。”——这才是能直接执行的提示词。

模型不会主动填补你没写的信息，它只对你明确给出的三要素作出响应。

第一步：写出清晰的角色设定

一个合格的角色设定，必须包含职业、服务对象、表达边界这三个信息点。

方法一：直接用“你是一位……”开头。例如：“你是一位有3年经验的跨境电商独立站运营，只负责Shopify店铺的文案与转化优化，不涉及广告投放或选品。”

方法二：加一句行为特征来强化可信度。比如：“你习惯用短句+emoji分隔重点，从不使用英文缩写如ROI、CTR。”

你可以把这一点看作是“精准画像”——不写角色设定，模型就会回归通用场景，输出必然会泛化，难以落到具体问题的实处。

第二步：任务指令必须动词开头

要避免“讲讲”“说说”“介绍一下”这类动作很弱的词，它们无法触发模型精准的生成路径。

第一步：把任务拆成可验证的动作。比如，不要说“帮我优化简历”，而要改成“请提取原文中5处与‘项目管理’相关的动词短语，全部改为STAR结构表述”。

第二步：指定输出的粒度。比如“每个STAR表述控制在35字以内，第一句必须是‘我主导了……’”。

第三步：绑定格式载体。比如“所有内容以无序列表呈现，每项前加✅符号”。

这样，模型就知道你到底要一份怎样的结果，不会再给你一篇洋洋洒洒的概述。

第三步：约束条件要具体到不可绕过

“简洁一点”“专业一些”属于无效约束。“限制180字以内”“禁用‘赋能’‘抓手’‘闭环’三个词”才是有效约束。注意这里的差别：前者是主观感受，后者是硬性条件。

方法一：字数封顶。例如“总字数严格控制在240–260字之间，多1字或少1字都不行”。

方法二：排除法锁定安全区。例如“不出现任何百分比数据，不引用未提供的案例，不添加原文外的时间节点”。

方法三：格式强绑定。例如“输出必须为三段式：首段1句总结（≤15字），中段用破折号引出3个要点，末段以‘建议立即’开头”。

到这里，约束条件才真正具备可执行的边界。

实战：把模糊需求改造成高质量提示词

原始输入很常见：“我想让AI帮我写一封辞职信。”

第一步：补全角色。写成“你是一位专注劳动关系合规的HR顾问，服务对象为互联网公司3–5年资历员工，只提供文本类离职沟通方案，不涉及法律诉讼建议。”

第二步：动词化任务。写成“请生成一封正式辞职信，正文共四段：第一段说明离职意向与最后工作日；第二段感谢两位直属领导的具体帮助；第三段提出一项可落地的工作交接建议；第四段保持开放态度但不承诺返聘。”

第三步：硬性约束。写成“全文禁用‘深感荣幸’‘宝贵机会’‘再次感谢’等高频套话；不出现公司名、人名、部门名；总字数精确卡在390–410字区间；结尾不加署名和日期。”

到这一步，原本模糊的需求已经被改造成了一个完整的、可直接执行的“指令包”。

高质量提示词的底层逻辑其实就这么简单：想清楚你要谁，要他做什么，以及什么绝对不能做——然后把这三者交代清楚。

来源：互联网