向 AI 提问的技巧：Prompt Engineering 入门指南

同一个 AI，有人问出来的回答像废话，有人却能拿到可以直接用的高质量答案。区别不在于 AI，而在于你怎么问。本文教你用最简单的方法，让 AI 每次都给你满意的回答。

---

为什么提问方式这么重要

你可以把 AI 想象成一个能力极强但需要指令的新员工。你说"帮我写个东西"，它不知道你要什么；你说"帮我用 Python 写一个批量下载图片的函数，支持断点续传"，它就能直接给你可用的代码。

核心原因：

• AI 没有读心术：它只能根据你给的信息来回答，信息越少，回答越泛
• AI 有多种可能的回答方向：你的问题越模糊，AI 越倾向于给一个"安全但没用"的通用回答
• 好的提问 = 省时间：一次问清楚，省去反复追问的来回

---

万能提问公式

一个好的提问包含四个核心要素，不需要全部包含，但包含越多，回答越精准：

要素一：角色（Role）

告诉 AI 它应该以什么身份回答。这会直接影响回答的专业度和风格。

你可以说	效果
「你是一个资深 Python 工程师」	回答会更专业，使用最佳实践
「你是一个面向初中生的科普老师」	回答会更通俗易懂，避免术语
「你是一个产品经理」	回答会更关注用户体验和业务价值

要素二：任务（Task）

明确告诉 AI 你要它做什么。越具体越好。

• ❌ 模糊：「帮我写个程序」
• ✅ 具体：「用 Python 写一个函数，输入 URL 列表，多线程下载图片到本地文件夹」

要素三：上下文（Context）

提供背景信息，帮助 AI 理解你的场景。

• 你是什么身份：「我是一个刚学编程的新手」
• 用在什么场景：「这个脚本要部署在 Linux 服务器上定时运行」
• 有什么限制：「不能使用第三方库，只能用标准库」

要素四：格式（Format）

指定你想要的输出格式。

• 「用代码块展示，加上中文注释」
• 「用表格对比，列出优缺点」
• 「分步骤列出，每步不超过 3 句话」
• 「用 Markdown 格式，包含标题和子标题」

---

差提问 vs 好提问

以下是一些常见的对比示例，看看你平时更像哪一种：

场景一：写代码

❌ 差提问	✅ 好提问
帮我写个爬虫	用 Python requests 库写一个爬虫，抓取某电商网站的商品名称和价格，保存为 CSV，需要处理反爬机制

场景二：改代码

❌ 差提问	✅ 好提问
这段代码有 bug	这段 Python 代码运行时报 TypeError: xxx，期望行为是 yyy，帮我排查问题并修复

场景三：写文章

❌ 差提问	✅ 好提问
写一篇文章	写一篇 800 字的科普文章，主题是「为什么天空是蓝色的」，面向初中生，用生活化的比喻，分 3 个小节

场景四：学习新知识

❌ 差提问	✅ 好提问
给我讲讲机器学习	我是编程新手，想了解机器学习是什么。请用通俗的语言解释核心概念，举 2 个生活中的例子，推荐 3 个入门学习资源

---

六个实用提问技巧

技巧一：给 AI 一个角色

在提问开头加上角色设定，AI 的回答会立刻变得专业且有针对性。

模板：「你是一个 [角色]，请 [任务]」

示例：「你是一个有 10 年经验的前端工程师，请帮我审查这段 React 代码，指出性能问题并给出优化建议。」

技巧二：提供示例（Few-shot）

如果你对输出有特定的风格或格式要求，直接给 AI 看一个例子。

模板：「按照以下格式回答：[示例]，现在请 [你的任务]」

示例：

「按照以下格式写产品描述：
产品名：xxx
一句话卖点：xxx
核心功能：1. xxx 2. xxx 3. xxx
适用人群：xxx

现在请为「无线降噪耳机」写一个产品描述。」

技巧三：分步骤提问

复杂任务不要一次性塞给 AI，拆成多步效果更好。

• 第一步：「帮我设计一个博客网站的数据库表结构」
• 第二步：「基于这个表结构，写一个查询最近 10 篇文章的 SQL」
• 第三步：「为这个查询添加分页功能」

技巧四：限制回答范围

告诉 AI 什么该做、什么不该做。

• 「只回答与 Python 相关的问题，其他语言的问题请说明不适用」
• 「不要编造不确定的信息，如果不知道就说不知道」
• 「回答控制在 200 字以内」

技巧五：要求 AI 追问

当你自己也不确定需求时，让 AI 先问你几个问题。

示例：「我想搭建一个个人博客网站，但不确定用什么技术栈。请先问我 3 个关键问题，再根据我的回答推荐方案。」

技巧六：让 AI 打分或自我检查

让 AI 对自己的回答进行评估，往往能得到更高质量的结果。

示例：「请为这段代码打分（满分 10 分），从可读性、性能、安全性三个维度各打分，并说明扣分原因和改进方向。」

---

常见场景的提问模板

写代码

「你是一个 [语言] 工程师。请写一个 [功能描述]。要求：[技术约束]。输出格式：代码块 + 中文注释。」

改 Bug

「这段 [语言] 代码报错：[错误信息]。期望行为：[描述]。实际行为：[描述]。请分析原因并给出修复方案。」

写文案

「你是一个资深文案。为 [产品/主题] 写一篇 [类型]，目标读者是 [人群]，字数约 [字数]，风格要求 [风格]。」

翻译

「将以下中文翻译成 [语言]，要求：保持原文语气，专业术语使用行业通用翻译，输出时保留原文对照。」

学习新知识

「我是 [你的水平]，想学习 [主题]。请用 [方式] 解释，给出 [数量] 个例子，并推荐进一步学习的资源。」

数据分析

「以下是 [数据描述]。请分析 [分析目标]，用表格展示关键指标，给出 [数量] 条可操作的建议。」

---

进阶技巧

思维链（Chain of Thought）

让 AI 一步步思考，而不是直接给答案，能显著提高复杂问题的回答质量。

魔法词：在问题末尾加上「请一步步思考」或「Let's think step by step」。

示例：「一个水池有两个水管，进水管每小时注水 3 吨，出水管每小时排水 1 吨。水池容量 10 吨，从空开始多久能装满？请一步步思考。」

让 AI 扮演多个角色

让 AI 从不同角度分析同一个问题。

示例：「请分别从前端工程师、后端工程师、产品经理三个角色的角度，评价这个网站设计方案的优缺点。」

迭代优化

第一次回答不满意？不要重新问，而是在上一轮基础上要求修改。

• 「上面的回答太长了，请精简到 200 字以内」
• 「第二个方案不错，请展开详细说明」
• 「语气太正式了，改成轻松口语化的风格」

---

常见错误

错误	为什么是错的	怎么改
一次问太多问题	AI 容易遗漏部分问题	拆成多次提问，每次聚焦一个
不提供上下文	AI 只能猜你的场景	说明你的身份、场景、限制
要求"完美"回答	AI 的第一次回答很少完美	把 AI 当协作者，迭代优化
不验证 AI 的回答	AI 可能编造信息	关键信息务必自行验证
只用一种问法	换个问法可能效果完全不同	不满意就换个角度重新问

---

总结

向 AI 提问是一门可以快速学会的技能。记住这几个核心原则：

1. 具体明确：说清楚你要什么，而不是"帮我写个东西"
2. 提供上下文：告诉 AI 你的身份、场景、限制条件
3. 指定格式：表格、代码块、分步骤——你说了算
4. 分步提问：复杂任务拆开问，效果更好
5. 迭代优化：第一次不满意就继续调，AI 不会烦

不需要背公式，多练几次就自然了。下次和 AI 对话时，试着多加一点上下文和具体要求，你会发现回答质量立刻提升一个档次。