同样问大模型，有人得到杂乱无章的回答，有人得到结构清晰、可直接用的结果。差别往往不在模型，而在提示词。这篇教程带你把”随口一问”升级成一套可复用的结构化提示词模板，每一步都给出可直接套用的写法。

为什么要结构化

零散的提示词有三个问题：模型猜不准你的意图、输出格式不稳定、换个任务又要重头想。结构化模板把要求拆成固定的几块，让模型每次都清楚”我是谁、要做什么、有什么限制、输出成什么样”。一个完整的结构化提示词由这几部分组成：

步骤一：设定角色

用 system 消息告诉模型它扮演谁，角色决定了语气和专业度：

你是一位有 10 年经验的资深技术编辑，擅长把复杂概念讲得通俗易懂。

角色越具体，回答越贴合场景。”你是助手”远不如”你是资深技术编辑”。

步骤二：明确任务

一句话说清要模型做什么，用动词开头，避免歧义：

请把下面这段技术文档改写成面向初学者的科普短文。

不要写”处理一下这段文字”——“处理”太模糊，模型只能靠猜。

步骤三：列出约束

把边界条件逐条列出，模型会严格遵守：

约束：
1. 字数控制在 300 字以内
2. 不使用专业术语，必须出现时用括号解释
3. 保持客观，不添加原文没有的信息

步骤四：给示例（Few-shot）

给一到两个”输入→输出”的例子，比一大段描述更有效：

示例：
输入：TCP 是一种面向连接的协议。
输出：TCP 就像打电话，双方要先接通、确认对方在，才能开始交流。

示例让模型”照葫芦画瓢”，风格和格式立刻对齐。

步骤五：规定输出格式

明确要什么结构，方便后续用程序处理：

请按以下 JSON 格式输出：
{
  "title": "标题",
  "summary": "一句话摘要",
  "tags": ["标签1", "标签2"]
}

步骤六：组装成可复用模板

把上面几块拼成一个带占位符的模板，用代码填充变量：

TEMPLATE = """你是{role}。

任务：{task}

约束：
{constraints}

示例：
{examples}

请按{output_format}输出。

待处理内容：
{content}
"""

prompt = TEMPLATE.format(
    role="资深技术编辑",
    task="把技术文档改写成科普短文",
    constraints="1. 300字以内\n2. 不用术语",
    examples="输入:... 输出:...",
    output_format="JSON",
    content="这里放你的原文",
)

组装与使用的流程是：

步骤七：迭代优化

第一版很少完美，按结果反推调整：

  • 回答跑题 → 强化任务描述和约束
  • 格式不对 → 补充更明确的示例
  • 太啰嗦 → 加字数限制
  • 每次只改一处，方便定位是哪部分起了作用

常见问题

  • 提示词越长越好吗？不一定，无关内容会稀释重点，够用即可
  • 一定要写满所有部分吗？简单任务可省略示例，但角色 + 任务 + 格式建议保留
  • 用中文还是英文？看模型和场景，中文模型用中文通常更自然

小结

结构化提示词的本质，是把”我希望模型怎么做”拆成角色、任务、约束、示例、格式五块，再用模板固化下来。掌握这套方法，你就能把一次性的提问，变成可复用、可迭代的生产力工具。