好提示词的基本结构：先把任务交代清楚

很多人写 Prompt 的第一反应，是找一个看起来很完整的模板，然后把自己的需求塞进去。模板当然有用，但真正决定结果的不是模板长度，而是信息有没有交代清楚。清华 DeepSeek 职场应用资料里提到 RTGO 和 CO-STAR 两类框架，本质上都在解决同一件事：让模型知道自己扮演什么角色、要完成什么目标、依据什么上下文、用什么格式交付，以及哪些地方不能自由发挥。

LLM 提示工程资料里也反复强调，清晰、具体的指令比漂亮的词更重要。你可以把 AI 想成一个反应很快、语言能力很强、但并不了解你工作现场的同事。你只说“帮我优化一下”，它只能按默认经验猜；你说“把下面这段产品说明改成官网首屏文案，读者是第一次了解该工具的新手，保留事实，不夸大效果，输出 3 段，每段不超过 70 字”，它才有明确的判断标准。

所以这篇不教复杂咒语，只讲一条好 Prompt 最基础的骨架。把这个骨架用熟，后面不管写总结、改写、提取、PPT 大纲，还是让 DeepSeek 帮你做图表、方案和资料整理，都能少返工。

任务要回答的是：你到底希望 AI 做哪类动作。是总结、改写、提取、翻译、分类、检查、生成方案，还是把材料整理成表格？这些动作看着差不多，实际输出会完全不同。比如“看看这段内容”几乎没有任务信息；“提取这段内容里的时间、人物、金额和待办事项，并整理成 Markdown 表格”就清楚得多。

DeepSeek 资料里把 V3 和 R1 的提问差异说得很直接：基础模型更适合“过程-结果”清晰的指令，推理模型更适合目标清晰但路径开放的问题。这个区分很实用。你让 AI 改错别字、整理会议纪要、抽取字段，就应该把步骤和结果写得清楚；你让它分析一个策略、比较多个方案、寻找研究问题，就可以把目标和约束写清楚，让它自己展开推理。

写任务时，尽量使用动词，而不是形容词。少写“专业一点、自然一点、有深度一点”，多写“删掉口号式表达、保留原文事实、补出三级标题、列出 5 个风险点、把结论放在开头”。动词越明确，AI 越知道应该改变什么。

很多看似 Prompt 不好，其实是材料不够。让 AI 写行业分析，却不给行业、产品、读者、数据来源，它只能按常识补。常识有时够用，但一旦涉及公司业务、价格、规则、法律、技术细节或内部流程，就很容易写得完整但不可靠。

LLM 教程里建议用分隔符把材料框起来，比如三个反引号，或者用 `<<< >>>` 标出原文范围。这样做不是形式主义，而是告诉模型：下面这块是资料，不是新的指令。尤其从 资料、网页、聊天记录复制内容时，材料里常混着页眉、页码、广告语和重复标题，先清理再粘贴，效果会稳很多。

比较可靠的写法是把材料范围说死：只根据我提供的材料回答；材料中没有的信息，不要猜，请列在“需要确认的信息”里。这个边界对教程、合同、产品说明、技术文档都很重要。它不能彻底消除幻觉，但能明显降低模型随手补事实的概率。

同一段内容，给老板看、给客户看、给新手用户看，写法不应该一样。CO-STAR 框架里把 Audience 单独列出来，就是因为受众会直接影响语言密度、术语解释、例子选择和结论顺序。你不写读者，AI 往往会写成一种“谁都能看，但谁都不够贴合”的通用稿。

比如你要解释 Redis 缓存穿透。给后端专业人员看，可以谈布隆过滤器、空值缓存、请求路径；给产品经理看，要解释为什么系统会被异常查询拖垮，以及会影响哪些用户体验；给面试准备者看，则要按概念、原因、解决方案、追问点来组织。读者一变，结构就变。

使用场景也要写。公众号文章、官网说明、内部周报、客服回复、PPT 讲稿、短视频脚本，对节奏和格式的要求都不同。清华 DeepSeek 职场应用资料里的 PPT、海报、可视化图表案例，其实都先定义了应用场景，再倒推输出结构。

格式不是排版洁癖，而是工作流的一部分。你要把结果粘进网页，就让它输出 Markdown；你要导入系统，就让它输出 JSON；你要做对比，就让它输出表格；你要让同事继续执行，就让它输出清单。LLM 教程里的信息提取示例也会要求模型用 JSON 对象返回，因为统一格式更方便后续处理。

格式要求最好具体到字段。比如不要只写“整理成表格”，可以写“表格包含：问题、影响、修改建议、优先级”。不要只写“给我大纲”，可以写“一级标题为章节，二级标题为页面标题，每页 3-5 个要点”。清华 DeepSeek 的 PPT 案例里就把研究资料摘要、PPT 大纲、核心流程图分成不同输出块，避免内容混在一起。

如果你对格式要求很高，可以给一个小示例。示例不需要长，能说明结构就行。很多时候，一行示例比五句解释更有效。

边界是很多新手最容易漏掉的一层。你以为 AI 会自动知道不能乱改数字、不能编造来源、不能替你承诺结果，但它不一定。尤其当你要求它“写得更完整”时，模型很容易补出看似合理、实际没有依据的信息。

常见边界包括：不要新增材料里没有的事实；不要改变数字、日期、金额和专有名词；不确定的信息列为待确认；不要使用夸张承诺；不要输出违法、违规或未经验证的建议；不要把草稿当最终结论。边界越具体，越能减少后续人工排雷。

DeepSeek R1 这类推理模型适合开放性分析，但开放不等于没有边界。资料里提到智能体提示框架时，也会把约束、工作流程和输出格式放进去。原因很简单：能力越强，越要知道哪里可以发挥，哪里必须收住。

下面这个模板不是万能模板，但适合大多数日常任务。你可以按任务删减，不必每次都填满。

这个结构的好处是可控。它先把任务类型说清楚，再把材料框起来，然后说明读者、格式和限制。你可以把它用于总结 资料、改写说明文案、生成 PPT 大纲、整理访谈记录，也可以把其中一部分拆出来做轻量任务。

RTGO、CO-STAR、CAP 这类框架都值得参考，但不要把它们背成固定口号。日常短任务可以很轻：任务、材料、格式三件事写清楚就够了。复杂任务再补角色、受众、工作流程、检查标准和限制条件。

比如让 AI 改一段客服回复，不需要写很长的角色背景；让它生成 30 页 PPT 大纲，就必须交代主题、听众、页数、资料来源、章节结构、图表要求和输出顺序。任务越复杂，Prompt 越像一份简短需求文档；任务越简单，Prompt 越像一句清楚的工作交代。

真正的能力不在于记住某个框架，而在于知道自己缺了哪块信息。结果跑偏时，回头看：任务是否具体？材料是否完整？读者是否明确？格式是否可交付？边界是否写清？这五个问题，比任何“万能提示词”都更耐用。