我靠"抄"提示词,把 AI 从聊天玩具变成了生产力

提示词拆解复用法

📦 3 Parts + Conclusion

👉 滑动

判断标准只有一条：它跑出来的结果，是不是你想要的那种。能用，才是好提示词。

！踩坑提示 🕳

别按“写得漂不漂亮”挑提示词，要按“跑出来能不能直接用”挑。

整套方法就是这三步，中间那步最重要

也就是这个提示词 到底在让 AI 干一件什么事。用一句话概括出来。如果概括不出来，说明这份提示词本身就写糊了，别抄。

开头那句“你是一个……”不是废话。角色决定了 AI 调哪部分知识、用什么语气。让它当“资深主编”还是当“热心网友”，出来的东西完全是两回事。

它给 AI 喂了什么背景：受众是谁、篇幅多少、发在哪个平台、目的是什么。这一步 最容易被忽略，也最影响质量。

好提示词通常带一两个例子。例子是告诉 AI “我要的是这种东西”，比描述十句都管用。

要表格、要分点、要多少字、要不要小标题、要不要 JSON。写得越具体，返工率越低。

不能写什么、必须避开什么、信息不足时怎么处理。很多人抄提示词只抄前半段，把约束丢了，于是 AI 开始 一本正经地编数据。

假设你找到一份流传很广的提示词，作用是：给小红书笔记批量生成爆款标题，一次给 20 个，每个标注用了哪种情绪钩子。你想要的不是小红书标题，而是 公众号文章的选题和标题。

原指令的核心是 “批量产出可选项 + 标注钩子类型”。这条保留。

平台从小红书换成公众号，数量从 20 个换成 10 个，钩子类型换成公众号读者更吃的那一套：悬念、数字、身份认同、损失厌恶。

PROMPT 你是一位有 8 年经验的公众号主编，服务 26-50 岁的 C 端读者，擅长用大白话讲清一件复杂的事。

角色设定 → 任务描述 → 上下文 → 输入示例 → 输出格式 → 约束条件。骨架不动，内容全换。

把原来的“标题要口语、要带 emoji”，换成公众号的要求：标题 18-24 字，包含 1 个核心关键词，不使用夸张词，正文开头必须抛钩子或制造悬念。

PROMPT 如果信息不足，先列出你需要我补充的 3 个问题，不要自行编造数据。

用 AI 这件事，拼的不是你多会“创造”，而是你多会“拆”