作者丨正在学AI的小泉同学
很多人以为，高手写 Prompt 是一次成型。
像武林高手出招，一句咒语，AI 立刻听话。
真实情况不是这样。
大多数好 Prompt，都是一轮一轮试出来的。
写第一版。
看输出。
发现问题。
改措辞。
补限制。
加例子。
再测试。
Prompt 调优，像给一台很聪明但有点飘的机器调焦。
你不是一次按下快门就完事。
你要不断把焦点拧准。
为什么 Prompt 需要调？
因为大模型不是传统软件。
传统软件里，按钮 A 对应结果 A。
你点“保存”，它就保存。
但大模型不是这样。
它是根据上下文，预测下一段最可能出现的文字。
这意味着，你的描述方式、词语顺序、示例质量，都会影响结果。
有时候，差一个词，输出方向就变了。
比如：
"帮我写一篇专业文章。"
和：
"帮我写一篇适合公众号读者阅读的专业文章，要求像朋友聊天，但观点要有密度。"
这两个 Prompt 得到的内容，完全可能是两种口味。
前者像教材。
后者像能读下去的公众号。
高质量 Prompt 的核心：具体、丰富、少歧义
你可以记住这 7 个字：
具体、丰富、少歧义。
具体，是不要只说“好一点”。
要说清楚哪里好。
比如：
不要说：
“帮我优化一下。”
可以说：
“请帮我优化这段文字的开头，让它更有钩子，适合小红书口播，语气亲和，不要太鸡汤。”
丰富，是给足背景。
少歧义，是避免模糊形容词单独出现。
比如“高级”“自然”“有质感”“专业”，都很容易歧义。
你最好配一个示例，或者说明它具体表现在哪里。
例如：
高级 = 配色克制、留白充足、不要复杂装饰、信息层级清楚。
这样 AI 才知道你说的高级，不是“加金色光效”。
不同模型，Prompt 可能要重新调
还有一个容易被忽视的问题：
底层大模型不同，Prompt 效果也可能不同。
有的模型对 Markdown 结构更友好。
有的模型对 XML 标签更稳定。
有的模型擅长代码。
有的模型擅长中文写作。
所以，一个在模型 A 上很好用的 Prompt，换到模型 B，不一定还能保持同样效果。
这就像你和不同同事沟通。
有的人喜欢看表格。
有的人喜欢看流程图。
有的人需要你先讲背景。
有的人只想直接看任务清单。
AI 模型也有“沟通偏好”。
Prompt 调优，就是不断找到它最容易理解的表达方式。
Benchmark 可以看，但不能迷信
很多人选模型时，会去看 Benchmark。
Benchmark 可以理解成 AI 的标准化考试。
比如综合能力、数学推理、代码能力、安全性等。
这当然有参考价值。
但有一个问题：
考试分高，不代表一定适合你的场景。
一个模型在数学题上很强，不代表它适合写公众号。
一个模型代码能力很强，不代表它能做好客服话术。
所以看 Benchmark 的正确姿势是：
先看大方向。
再看和你任务相关的单项能力。
最后一定要自己测。
真正决定模型好不好用的，不是排行榜。
是它在你的业务场景里能不能稳定产出。
Prompt 调优的 5 个常用动作
动作 1：补角色
让 AI 先进入正确身份。
动作 2：补上下文
让 AI 知道事情发生在哪里。
动作 3：补输出格式
让 AI 的结果更稳定。
动作 4：补正反例
告诉 AI 什么是好，什么是坏。
动作 5：补边界
告诉 AI 哪些坑不要踩。
这 5 个动作，基本能解决大多数 Prompt 不稳定的问题。
结尾行动清单
下次 AI 输出不满意，不要马上重开一个问题。
先检查：
是不是角色不清？
是不是背景不足？
是不是要求太抽象？
是不是格式没规定？
是不是缺示例？
是不是边界没说？
Prompt 调优不是玄学。
它更像打磨一份需求文档。
你越清楚，AI 越稳定。
好 Prompt 不是写出来的。
是改出来、测出来、磨出来的。