编者按：本文来自微信公众号 刘润（ID：runliu-pub），作者：景九，编辑：歌平，创业邦经授权转载。
你大概有这样的感觉：
明明大家都说AI很厉害，可自己一用，却不是那么回事。日常生活类问题还好，稍微专业一点的问题，它要么泛泛而谈，要么驴头不对马嘴。
为什么会这样？
任务做不好，不是AI不聪明，而是我们没有“管理”好AI，不够懂自己的业务。
2025年，AI的平均智商已突破110，超越普通人类。厉害的，都到了140的天才水平。但即便AI再聪明，当它对你的业务、要求、具体目的，都一无所知的时候，也只能瞎猜。
那，怎么才能用好AI？这就要靠提示词了。
我不敢说自己有多么内行，但至少在和AI对话上，已经摸索了两三年，我们这家小破公司的不少业务，也已经把AI用了起来。其实，一个好的提示词，只需要你说明七件事：
1）版本号。2） 角色。3）任务目标。4）规则红线。5）工作流程。6）交付格式。7）执行指令。
今天，毫无保留，和你分享。
01角色扮演：你想要什么结果，就先给它什么角色
第一步，是版本号。
版本号，很简单。就像你给文件命名一样：项目周报-20251210，主要是为了方便知道版本，是个很多人会忽略的专业习惯。
接着，是第二步：确定角色。
确定角色，就是在AI开始干活之前，先给它安排一个身份。
举个例子。假如你要写一封邮件，向愤怒的甲方道歉。不少人，可能会这么写：
帮我写封邮件，为项目延期道歉。
你猜，AI会给你什么？大概是：
抱歉地通知您，由于xx原因，原定于xx日交付的xx项目，将延期至xx日完成。此次调整给您带来的不便，我们深表歉意。感谢您的理解与支持，我们会持续同步进展。
嗯。就是一篇干巴巴的“道歉公文”。客户看了，可能更火大。但如果你先说：
你是一位客户服务总监，有耐心、善于安抚客户情绪。风格真诚、有责任感，不推诿。面向的是一些认为自己受了委屈的客户。现在，你写一封邮件，为项目延期道歉。
你会发现，回答马上就不一样了：
……
首先，请允许我代表整个团队，向您表达我们最诚挚的歉意。
非常抱歉地通知您，原定于xx日完成的x项目，将需要延期至xx日。我们深知这可能会给您和您的团队带来不便，对此我们深感自责，并愿意全力承担责任。
……目前，项目正在加紧推进中。为了确保交付质量并避免再次延误，我们已采取以下措施：
1、增派资源：……
2、加强沟通：……
3、严格测试：……
给了“客户服务总监”的角色后，AI会立刻明白，信的目的不是“通知”，而是“安抚”。它会用更委婉的语气，更积极的态度，去写这封信。
因为AI在学习数据的时候，会学习行业人员的工作方式。比如，它会知道，医生需要谨慎，因为说错话很要命。所以，让它扮演医生，它就能大大提升专业性和严谨程度。
而关于如何写好这一步提示词，有一个通用模板，供你参考：
你是一位【角色】，擅长【领域】，面对的人是【类型】，你的风格是【风格描述】。
具体例子，大概是：
你是一位资深HR，给公司新人做入职培训。风格友好、鼓励。语言尽量少用专业术语，多用生活化例子。
你是一位头部电商店铺的文案总监，擅长把复杂产品讲清楚、讲动人。面向的是 25-40 岁的职场妈妈。风格专业但不啰嗦，有生活感。
你想要什么结果，就先给AI什么角色。
02明确目标：别只说“做什么”，说清楚“做成什么样”
第三步，是：明确任务目标。
面对AI，我们常常犯一种错误：只说“做什么”，没说清楚“做成什么样”。
举个例子。
假如，你想了解一下新能源汽车市场。你会怎么说？如果你说：
帮我分析一下新能源汽车市场。
那它给出的结果，就大概会是这样：
一、 市场现状：高速增长，进入规模化新阶段
全球销量持续攀升：……
竞争格局“一超多强”：……
技术路线多元化：……
二、 核心驱动因素
政策强力推动：……
技术快速进步与成本下降：……
消费认知与需求转变：……
三、 面临的主要挑战
……
篇幅原因，我们只展示一部分内容。但是，你大概可以感受到，这报告，虽然看起来洋洋洒洒，还分了核心驱动、主要挑战……但仔细说来，都是随处可以查到的东西。
所以至少，你应该给定一个明确的目标。比如：
你是资深行业分析师。为公司管理层写一份新能源汽车市场的内部简报。三个标准：
篇幅：2000字以内。
内容：必须包含过去一年的三大核心趋势、两大主要挑战，和一个关键机会点。
风格：结论先行，数据翔实，但要避免复杂的专业术语。
这次，结果就不一样了：
新能源汽车市场内部简报
核心结论： 新能源汽车市场，已进入“规模化与差异化”并行发展的关键阶段。
……
一、过去一年的三大核心趋势
产业链利润结构转移，下游品牌承压，上游材料成本回落。
随着电池主要原材料（如碳酸锂）价格大幅下降，电池成本压力缓解。但整车环节因激烈价格战导致利润承压，利润重心有向上游核心技术（如芯片、软件）及下游服务（如充电、补能）转移的迹象。
……
二、当前面临的两大主要挑战
激烈的“价格战”与严重的同质化竞争。
超过10个品牌在有限的价格区间内推出相似车型，导致多数企业陷入“以价换量”的困境。单纯比拼硬件配置和价格的模式难以为继，品牌忠诚度难以建立。
……
开头，就是核心结论。然后，列出了核心趋势、主要挑战和关键机会点。如果你同意它的观点，稍作修改，就可以直接发给同事了。
明确目标，也是每个管理者应尽的职责。
因为，当你只说“分析一下市场”，你其实是把“定义一份好报告”的责任，甩给了员工。如果结果不好，是你没说清，还是他没领会？如果你自己都想不清楚，那你的员工，就只能在黑暗里瞎猜。他们猜错的成本，最终还是由你来承担。
不要再说“你看着办”了。你看着办，是管理者最大的懒惰。
03划定红线：只有锁住下限，才有资格谈上限
第四步，是：划定规则红线。
划定红线，就是说清“不要做什么”。这在处理复杂任务时，至关重要。
举个例子。我们的“商业早新闻”，已经在“刘润商业频道”账号上，开播了有一段时间了。每个工作日的7-9点，都会准时开播。如果你感兴趣，欢迎来看。
可是，要准备能讲解2个小时的新闻内容，是一个巨大的复杂工作量。因为，它不光是搜集到就完了，还有各种各样的要求。
比如，时效性。AI搜索时，很容易把去年的旧闻当成今天的。比如，不涉及政治话题。但AI为了追求深度，有时会触碰红线。又比如，多样性。几十条新闻，不能只盯着一家公司或一个行业。但AI有自己的偏好，可能30条里有10条都在讲特斯拉。
所以，如果我们只是简单地对AI说：
请帮我找30条最新的商业新闻。
那你得到的，就很可能是一个充满“旧闻”、“雷区”和“偏见”的新闻集锦。需要我们花大量时间，人工筛选、修改、还担惊受怕。
于是，我们给AI设定了极其详细的“规则红线”。比如：
1. 时间窗口：只收录当前日期的事件，严格排除历史同期的旧闻。
2. 负面清单：以下内容一律不得进入候选池：金融产品推荐、医疗保健建议、明星八卦、政治内容……
3. 均衡协议：确保最终的新闻中，覆盖消费、科技、互联网等至少4个板块；同一家公司最多不超过3条。
……
是。这些密密麻麻的规则，看起来很麻烦，也很死板。
可如果没有这些规则，AI每一次自由发挥，对我们来说，都是一次开盲盒。一旦失误，都需要投入时间和精力补救。这对我们这个小破公司来说，是承担不起的。
很多人觉得，条条框框很烦。可约束，不是为了增加复杂度，而是减少麻烦。
有很多管理者，每天累死累活，不敢放权。因为，他没划定“红线”。员工不知道边界在哪里，于是只能不断地试探。上级不知道员工会捅什么篓子，就只能事必躬亲地盯着。
所以，管理者一项特别重要的工作，是通过规则的确定性，对抗执行的不确定性。
当红线足够清晰，所有的输出结果，都将落在你的安全区间内。这个时候，你就不需要再盯着过程了。因为你知道，最坏的结果，也是可接受的。
锁住下限，你才有资格去谈上限。
04拆解流程：管理不是许愿的权力，而是指路的能力
第五步，是：拆解工作流程。
这一步，是写好提示词最难，也最见功力的地方。
很多人用AI，习惯只给一个指令，然后就等着奇迹发生。结果，AI往往会给你一堆乱七八糟的东西，要么太短，要么重点跑偏。
写新闻，只是一个指令。在指令和结果之间，还隔着一万个具体的判断。好的提示词，要包含具体的工作流程。把业务拆解成1、2、3、4步骤，AI才能输出更好的结果。
还是以写《商业早新闻》为例。
如果，你现在要得到明天早上可以播放的，30条高质量新闻，你会怎么做呢？
首先，你得先找到足够多的新闻。
比如，去找4-5个经过我们不断查证，确认靠谱的源头，抓取足够多的候选新闻。不够怎么办？如果24小时内的新闻不够，那就把放宽到48小时，去更广泛的严肃媒体里找。
接着，你得去除不够好的杂质。
举个例子，有段时间，AI经常会搜到“华为发布Mate 70”的新闻。但你仔细一看，会发现是去年的事情。因为很多新闻网站的日期只写几月几日，没写年份。AI一搜，就把去年的旧闻当新闻了。所以，你还得在流程里加一步：历史去重。
现在，我们拿到了30条要播放的新闻。但这还没完。你得做排序。做调整。
你得根据自己的经验，打分排名。具体打分的维度，就看你对新闻的理解了。它可以是大众关注度，也可以是公司知名度。而且，听新闻就像吃饭，你不能一股脑给人喂大肘子，也不能光给人吃凉菜。所以，不能全讲科技，也不能全讲零售。等等等等。
接下来，才是“写”。
你也得想好具体的结构。比如，标题+事实+分析+一句话建议。
当然，还有自检。
AI是会犯错的，它会产生幻觉。所以，在流程的最后，拉一个清单，强制它自己检查一遍，就很重要。如果发现问题，请重新执行上述步骤。
这哪里是在写提示词？这就是在拆业务。如果你对业务没有透彻理解，你是写不出步骤的。
只有你把业务逻辑一层层剥开，拆解成AI能听懂的“1、2、3、4”，AI高达140的智商，才能真正为你所用。它不缺智商，缺经验；流程，就是把经验，教给他的最方便选择。
只给结果不给路径，不叫管理，叫为难。管理从不是许愿的权力，而是指路的能力。
05规定格式：混乱的交付，会吞噬效率
第六步，是：规定交付格式。
其实很多AI，比如DeepSeeK、豆包，在输出的时候，就自动调整了格式。但当你的要求很复杂，比如输出一整个研究报告，让AI直接给你个文档的时候，它就有可能给你一大坨密密麻麻的文字，看着头疼。
那怎么办呢？很简单。只要你在提示词里，做好格式要求：
请严格按下列格式输出全文（用于直接复制到云文档，手机阅读）
1）使用 Markdown 标题：#、##、### 区分层级；
2）使用**粗体**标记小标题、关键标签和重要词句；
3）不使用任何列表语法（不要以 "-"、"*"、"1." 等开头），避免缩进和多余空白；
4）各段之间仅用空行分隔，不做缩进。
Markdown格式，就是一种简单的排版指令。前边加几个井号（#），就是几级标题；前后都加两个星号（**），就是加粗；想要出现列表，就在前边写个减号加空格（- ）；引用，就加个大于号（＞）……这种格式，特别结构化，对你来说，它易写易改；对AI来说，它也更容易理解。
当你让AI用了markdown格式输出文档，观感就会好很多。为了让你更直观地理解，我放了两张对比图。
这是AI输出的文字指令：
这是你能看到的输出文档：
一旦加上了这几行指令，原本可能是乱七八糟的文本流，瞬间变成了一份重点突出、层次清晰的简报。不管是内部审阅，还是直接发给别人看，阅读体验，都特别舒适。
所谓专业，不仅是把活干对，更是让接手你工作的人，感到舒服。
好了。到了这里，我们的提示词就基本完成了。
第七步，也就是最后一步，是一个开始指令。大概是：
请严格遵守以上所有规则。
现在，开始执行。
为什么需要特地把这个列成一步？
首先，是为了改变AI的状态。
大模型做的事情，本质上是续写。所以，当你说完规则、角色、目标、流程后，它其实不知道你已经交代完了。这个指令，就是告诉它，接下来该执行了。就像写代码，最后有一句开始运行（run）。
其次，是为了防止AI自作聪明。
绝大部分用户，写不出如此复杂的提示词。所以在这个AI越来越聪明的今天，它可能会根据你的指令，揣测你的意图，跳过它认为不重要的步骤，打乱你设计的顺序。
再好的计划，也需要一个开始。
06先不着急让AI干活，先问它：你觉得应该怎么办？
我知道，我明白。
让一个没有写提示词经验的人，写这么大一串的提示词，很困难。但别担心，因为我自己写提示词，也不是一上来就让AI干活，而是会先问它：
这件事，你觉得应该怎么干？
比如，如果你想给公众号文章起一个好标题。
你就可以说：
能不能帮我研究一下，市面上那些高阅读量的公众号文章，标题都是怎么起的？大概有什么方法论？会有什么理论依据？
AI就会去搜索，然后告诉你：有悬念法、数字法、冲突法……接下来，你就可以跟它交互修改。当你们达成一致，你就可以让AI，把这套方法论改成一个提示词。
这时，你就可以让它按照今天聊到的这7个步骤，写一版提示词出来，再微调。比如，为了避免标题党，你就可以在“红线”加一条：禁止使用“震惊”、“吓尿”等标题党词汇。
1）问AI怎么干；2）让AI写指令；3）根据自己对问题的理解，进行微调。
这就是我常用的，写提示词的办法。
当然，至于写指令的时候，具体是不是参考我们谈到的这7步，并不固定，这只是我的个人习惯。有很多类似的框架，你也可以让AI进行提示词写作的时候，进行参考。
比如，特别经典的CRISPE框架。
CRISPE，就是能力Capacity、角色Role、前提Insight、任务Statement、风格Personality、多个版本输出Experiment。
还有，最简单的RTF框架。
RTF，就是角色Role、任务Task、格式Format。
当然，还有曾经在新加坡科技局的GPT-4大赛里获奖的，CO-STAR框架。
CO-STAR，是指背景信息Context；任务目标Objective；写作风格Style，比如“麦肯锡风格”还是“李佳琦风格”；语气Tone，比如“兴奋的”还是“严肃的”；目标受众Audience；输出格式Response。
比如，同样是写一封拒信。用CO-STAR，你可以这样说：
(背景) 我们是一家初创公司，刚面试了一位有才华的设计师，但他不太符合目前岗位。
(目标) 写一封拒绝邮件，但要保持良好关系，让他感觉被尊重。
(风格) 类似谷歌那种人性化、非官僚的风格。
(语气) 诚恳、遗憾但充满希望。
(受众) 一个非常有自尊心的资深设计师。
(格式) 邮件正文。
不管招式有多少种，心法其实只有一条：把模糊的需求，变成结构化的语言。
因为无论是在人机协作中，还是组织内部的协作中，结构，就是效率。
最后的话
提示词，本质上是你思考能力的外化。
当你觉得AI逻辑混乱，这往往说明你自己也没琢磨清楚。如果你自己都想不清楚，那个智商140的AI，也一定做不明白。
这也是为什么我开头就说：能不能用好AI，其实是一个管理问题。
过去，我们总觉得管理是针对人的。但在今天，不一样了。管理，逐渐成为了一种，对生产要素的配置能力。因为无论面对的是人，还是AI，管理的本质从未改变：
把模糊的愿望，翻译成清晰的指令；把不确定的过程，约束成确定的结果。
这一点，红杉资本的合伙人Konstantine Buhler，也曾经提到过：
AI时代，我们每个人都需要培养管理思维。
未来的工作中，我们身边的AI，会越来越多。这时候，我们就需要像管理一个有特长、有个性的团队成员一样，去和它协作。
所以，当你觉得AI“太笨”、“听不懂话”的时候，不妨先反思一下：
我真的把任务目标定义清楚了吗？
我真的知道这件事的成功标准是什么吗？
我真的把业务逻辑搞懂了吗？
当然，随着AI发展，它可能很快就聪明到不需要任何提示词。但至少在今天，学会它的语言，依然非常有用。不过，即便是以后不需要提示词，也还有一点，是确定的：
在答案廉价的时代，能定义问题的人，永远稀缺。
参考资料
1、2025临界点：AI智商超越人类，经济规则即将改写
本文为专栏作者授权创业邦发表，版权归原作者所有。文章系作者个人观点，不代表创业邦立场，转载请联系原作者。如有任何疑问，请联系editor@cyzone.cn。
