你有没有过这种经历打开一个收藏夹里面躺着84条“神级提示词”有的来自某个大V的分享帖有的是从教程里复制来的“一分钟生成专业海报”还有自己在网上刷到立刻存下的“AI写作万能模板”。可真到要用的时候翻来翻去不是词不达意就是输出效果平平最后还得自己重新磕磕绊绊现编。我跟提示词打了几年交道最深的体会就是收藏一堆碎片远不如背下一条公式。这条公式就是今天要讲的“角色-任务-目标-约束-交付”五段式。它不是什么玄学而是所有高效提示词底层共有的骨架。把这五段吃透你不需要收藏夹也能在写图、写文、写代码、写视频提示词时一次拿准方向。1. 为什么收藏84条提示词不如背下1个万能公式1.1 收藏夹里的提示词为什么总是不好用很多人跟我一样最早接触提示词是从玩文生图开始的。那时候网上疯传各种“鹈鹕骑自行车提示词”“高难度打斗场景提示词”“AI人物生成提示词”看着效果图确实惊艳于是赶紧复制进收藏夹。可真到自己输入同样一串词出来的图不是崩了一角就是风格完全不对。为什么因为这些提示词是从某个具体场景里长出来的“定制方案”离开那个模型版本、参数设置、风格前置、甚至随机种子它就很难复现。更关键的是大部分收藏的提示词并没有告诉你背后的设计意图为什么这段词要这样排列为什么某些描述放在前面为什么要把动作约束得那么细。你抄到的是结果不是方法。换个需求那些词条立即失效。比如让你用同一段“鹈鹕骑自行车”的提示词去生成一只“正在送货的鹈鹕”很多人就卡住了因为不知道怎么拆、怎么改、怎么补。这背后其实暴露了一个核心问题很多人把提示词当成了“咒语”以为背下来就能召唤。但现在的AI模型不是魔法灯它更像一个阅读理解能力很强、但想象力有点发散的实习生。你给它一份逻辑清晰、要素齐全的需求说明书它才能交出像样的活你给它一堆堆叠的华丽辞藻它的注意力就会被乱七八糟的修饰词带偏。1.2 提示词工程的底层逻辑模型到底在“读”什么要理解万能公式为什么有效得先搞清楚模型是怎么处理提示词的。以图像生成模型为例提示词中的每个名词、动词、形容词都会被编码成语义向量然后通过交叉注意力机制在生成过程中逐层影响画面。模型不是像人一样“读图”而是把文字转换成注意力分布去决定画布上每一块区域应该长成什么样。举个例子当你写“一只鹈鹕在骑自行车翅膀握住车把嘴里叼着公文包”模型需要同时建立好几个绑定关系主体是鹈鹕、动作是骑车、翅膀和车把有关、嘴巴和公文包有关。如果提示词结构混乱比如先写了风景、再写鹈鹕、又突然插进一个“阳光明媚”模型的注意力就可能被分散结果就是画出一只鸟悬在半空中、翅膀和车把“融为一体”的诡异画面。这就是网上那些“鹈鹕测试翻车图”的由来。对语言模型也是如此。大模型的输出质量高度依赖它在上下文里捕捉到的“角色、指令、限制条件”。上下文窗口再大也经不起没有重点的冗余信息轰炸。你把需求说清楚它才能把能力对准靶心你把边界划出来它才不会信马由缰。理解了这一点你就会明白所谓“提示词工程”本质就是一门需求沟通学。而“角色-任务-目标-约束-交付”这五个槽位恰好覆盖了一次清晰需求沟通所需的全部要素。2. 万能公式拆解五段式结构把提示词彻底说明白2.1 万能公式长什么样我先给出这个公式的通用模板后文所有场景都会拿它来套你是一名角色。 当前背景/情景是背景。 现在需要完成的任务是任务。 你要达成的目标是目标。 请注意以下约束条件约束1、约束2... 输出时请遵循以下交付规范输出格式、结构、风格要求。别小看这五行字。你可以把它理解成给一个实习生派活时的完整说法先告诉对方“你是谁”再交代“现场情况如何”然后说“你去干什么”接着讲“为什么要干成什么样”最后强调“这事哪些不能碰、交付物按什么标准来”。反馈一次到位对方就不会反复找你来确认“这里要不要做成红色”“这个细节是不是漏了”。我在很多实际项目里把这套模板叫“五槽位法”因为它像五个卡槽每个槽位都有明确的功能组合起来才能稳定产出高质量结果。下面逐个拆。2.2 角色给模型一个行为视角角色设定的作用是让模型从合适的语料先验中激活说话方式、行文风格和专业技能。比如你说“你是一名有八年经验的教育领域公众号主编”模型会用一种类似资深编辑的口吻来组织内容你说“你是一名UI设计师”它就会更注重布局、间距、色彩对比这些视觉语言。角色不只是嘴上说说。它直接影响输出内容的专业浓度和语气温度。很多人生成的文案一眼就看出是AI写的恰恰是因为没给角色定位模型默认用了最安全但也最平庸的“百科腔”。而加了角色之后输出就会明显带上行业黑话、叙事节奏和经验感。一个有效的角色设定建议包含身份、领域、经验年限、风格倾向。比如“有十年出版经验、擅长面向亲子人群的图书编辑”比单纯“你是编辑”要精准得多。2.3 任务用动词明确动作一次只派一个活任务槽位是公式的主干它描述“到底要做什么”。写任务的关键是两个原则动词要具体动作要单一。比如“请生成一张海报”“请写一篇600字的产品推荐文案”“请把这段代码重构为Python版本”这些都是清晰的任务。而“帮我看看这个项目怎么样”这种模糊表述模型往往无从下手只能给你一堆正确的废话。很多人在任务槽位里喜欢一次塞好几个要求比如“写一篇公众号文章顺便帮我设计封面标题再想三条转发语”。模型确实能完成多件事但每一项的质量都会被稀释因为它在生成时需要不断切换注意力。实操经验是一个提示词只安排一个主任务其他辅助需求放到交付规范里。比如“写一篇公众号文章”是主任务封面标题和转发语可以作为交付项列在后面这样模型会在完成主任务的同时把附加项当作输出的一部分来统一处理效果远好于让它在文字和设计之间来回横跳。2.4 目标告诉模型“为什么而做”目标槽位最容易被忽略但它恰恰是决定内容质量的分水岭。同样是“写一篇关于时间管理的文章”如果没有目标模型会写成常规的清单体、罗列式如果目标是“让读者读完后立刻产生行动愿意尝试清单中至少一个方法”模型就会刻意加入可操作步骤、场景代入、紧迫感设置整篇内容的节奏完全不同。目标为什么这么关键因为语言模型在训练时见过海量文本它天然能根据意图调整输出风格。你给了它一个质量标准它就会往那个方向靠。这就像你让摄影师拍一张“人像照”他可以拍出各种风格但你告诉他“这张照片要用于相亲软件的头像要让对方觉得你阳光且可靠”他的构图、光线、表情引导全都会随之改变。同样目标就是给模型锚定质量标准的核心指示。2.5 约束划清边界防止放飞自我约束槽位是很多人会忽略、但最能体现专业度的地方。它告诉模型“不能做什么”“必须满足什么条件”。比如你要AI写文章约束可以是“不得编造数据和案例”“避免使用过于夸张的形容词”“必须包含至少一个实际操作方法”等等。对图像生成约束可以指定“主体必须是鹈鹕不能出现人类”“翅膀必须握着车把不能悬浮”“禁止文字和LOGO填满画面”等。约束的价值在于把模型的发散能力关进笼子里。大模型天然倾向于“自由发挥”因为训练目标就是生成合理且多样的文本。不设约束它就会往最安全的中间地带跑输出那种“看起来没什么错但也没什么用”的内容。而约束越清晰模型的输出就越能落在你需要的区间。不过也要注意约束不是越多越好。约束堆砌太狠模型会顾此失彼甚至全程在“避免违规”上花掉大量注意力输出反而僵硬。我一般建议每条提示词设置3到5条关键约束优先选那些“踩线就报废”的硬性条件。2.6 交付规范规定输出的形状、结构、风格最后一个槽位是交付规范。它解决的是“模型怎么把结果呈现给你”。常见的交付规范包括输出格式Markdown、JSON、纯文本、表格、结构分几个段落、是否需要小标题、长度多少字、多少条、风格要求口语化还是书面化、附加项是否需要总结、是否需要代码注释。交付规范写得越具体你后期需要手动调整的成本就越低。举个例子。我让AI写一份周报如果只写“帮我写周报”它会给出一份三段式的泛泛总结。但加了交付规范“以本周重点工作、风险项、下周计划三个板块输出每板块不超过5条每条带一句话说明”拿到手的周报几乎可以无缝粘贴使用。很多所谓的“提示词技巧”本质都是在交付规范里下了功夫。这五段组合起来提示词就不是一句碰运气的口语而是一份正式的需求文档。3. 用万能公式实操四大高频场景有了公式我们把它放进最常见的几个真实场景里拆一遍。你会发现无论是全网热议的“鹈鹕骑自行车提示词”还是视频生成、公众号写作、AI编程本质上都能用这五个槽位稳稳接住。3.1 文生图实战破解“鹈鹕骑自行车提示词”先说大名鼎鼎的“鹈鹕骑自行车测试”。这个测试最早源于一个非常简单的英文提示词大意是“一只鹈鹕鸟骑着自行车提着公文包”。因为它要求模型同时处理“鹈鹕”“骑车”和“携带公文包”三个要素之间的动作绑定早期版本的图像模型经常把鹈鹕画得要么身体扭曲要么翅膀和车把融为一体要么公文包悬浮在半空。于是它迅速成了测试模型基础能力的经典题目。如果直接用一句话提示词去生成效果全看模型心情。但用万能公式把它展开稳定性会大幅提升你是一名野生动物摄影师。 背景在一个阳光明亮的欧式小镇街道上。 任务拍摄一张鹈鹕鸟骑自行车的写实照片。 目标画面既有纪实感又带一点诙谐像获奖的野生动物摄影作品。 约束 - 主体必须是鹈鹕鸟不能出现人类 - 鹈鹕的爪子踩着自行车踏板 - 翅膀握着自行车车把 - 公文包挂在车把上不能悬浮 - 拒绝文字、水印和LOGO 交付竖版3:4构图自然光浅景深高清细节这样一改模型的工作量就从“猜你想干嘛”变成了“照着规格执行”。每个部件有了明确的归属和动作绑定翻车概率直接降一个量级。老实说我拿这套去生成“鹈鹕骑自行车”从没失败到“致命崩坏”最多是光线风格和预期略有出入。而这恰恰说明不是提示词越长越灵而是提示词里的信息结构越清晰越灵。3.2 AI UI与人物生成场景怎么套公式有人会觉得万能公式只适合写实风那做AI UI设计或人物生成怎么办其实原理一样。比如你要用AI生成一个“登录页界面”你可以这样写你是一名资深UI设计师。 任务设计一个面向年轻用户的APP登录页面。 目标界面简洁清爽让用户能在10秒内理解操作方式。 约束 - 颜色不超过三种主色为蓝色系 - 必须有账号输入框、密码输入框、登录按钮 - 按钮上文字是“立即登录” - 不要复杂的背景插画 交付输出HTMLCSS代码附带设计说明对比一下那些动辄上百个词的“UI提示词模板”这套公式是不是更像项目经理发给设计师的开工单对于AI人物生成也一样你只需要把“角色”替换成人物设定“任务”替换成“拍摄一张全身肖像”“约束”里明确五官、服装、光照、镜头焦段“交付”里规定构图比例。之前那些收藏的“AI人物生成提示词”拆开看也逃不过这五步。3.3 文生视频提示词在公式基础上加一根时间轴近两年文生视频工具火起来了热词里全是“seedance生成iris out舞提示词”“minimax h3 生成5秒视频提示词”“文生视频提示词模板”之类。很多人拿文生图的思路去做视频结果发现模型只会让静态画面微微动一下根本谈不上“剧情”。问题出在哪视频提示词不仅需要描述画面内容还要描述“画面随时间如何变化”。万能公式在视频场景里可以这样升级在约束中加入时间轴描述或者在任务里明确“镜头如何运动、主体如何移动”。比如你是一名电影摄影师。 任务拍摄一段5秒钟的短片画面中一只鹈鹕鸟骑着自行车穿过街道。 目标画面流畅自然镜头有推进感像电影中的跟拍镜头。 约束 - 前2秒远景鹈鹕从街头远处驶来 - 第3秒镜头缓推至中景鹈鹕清晰入画 - 最后2秒镜头跟随鹈鹕掠过镜头略显虚幻拖影 - 保持鹈鹕形象、色调全程一致 - 街道背景不能穿帮或闪烁 交付5秒短视频24fps电影宽幅比例这里最关键的是把“时间”显式地写进约束里。模型只有知道每一个时间段的画面状态才能生成真正的动态变化而不是一帧到底的“会动的图”。很多热门视频提示词模板之所以有效就是因为它们在不知不觉里遵循了“时间轴运动镜头语言”这三件套。掌握了这套思路你不需要囤模板也能按需组合出高质量视频提示词。3.4 文案写作场景公众号文章自动生成提示词设计公众号写作是提示词使用频率最高的场景之一。很多人问“用扣子制作自动生成公众号文章的能力该怎么设计提示词”其实核心就是把万能公式拆成“选题、初稿、润色”三个环节分别给定角色、任务、目标、约束和交付规范。这里我直接给一套可以抄的参考选题环节提示词你是一名有三年公众号实操经验的资深编辑。 任务基于主题“给孩子的时间管理启蒙”策划5个公众号选题。 目标选题要有情绪钩子能引发家长转发意愿。 约束 - 每个选题不超过20个字 - 避免“如何做好”“强身健体”这类老生常谈 - 必须包含一个让读者觉得“这就是说我”的场景 交付按列表输出每个选题配一句选题理由初稿环节提示词你是一名教育领域公众号主编。 任务围绕指定选题撰写一篇1500字左右的公众号正文。 目标让家长读完觉得有用、有理、愿意收藏。 约束 - 不得编造统计数据和研究结论 - 开头必须有一个真实感的生活场景 - 每段落不超过五行 - 语言平实禁止“众所周知”“总的来说” - 结尾提供3条可直接执行的小建议 交付提供一个推荐标题、一段不超过80字的摘要、正文全文润色环节则简单很多角色换成“文字校对”任务变成“改进语气衔接、删减冗余”约束里保留“不改变原意”交付规范为“输出修改前后对照”。把这些提示词按顺序串进自动化工作流里一个“自动生成公众号文章”的能力就立住了。3.5 AI编程场景cursor、copilot、deepseek提示词的核心结构编程提示词和写作提示词看起来很不一样但结构依然能套用。比如你在Cursor或DeepSeek里写“用Python写一个爬虫模板”这算一句合格的日常用法但如果想要高质量代码就必须给足上下文。万能公式的编程版大概是你是一名有五年后端经验的高级Python工程师。 任务实现一个从公开网址抓取标题和正文内容的脚本。 目标代码结构清晰方便后续扩展能处理常见网络异常。 约束 - 只使用requests和BeautifulSoup库不使用scrapy - 必须加入超时重试机制 - 不处理登录和验证码场景 - 关键函数添加中文注释 交付输出完整Python代码附带函数说明和运行方法网上流传的“cursor提示词泄露”多少都有类似内容只不过以系统级提示词的形式存在告诉Agent“你是什么角色、回答时遵循什么顺序、遇到什么问题怎么处理”。本质上它们就是“角色-任务-目标-约束-交付”的工程化表达。所以与其去寻找某个神秘的高分提示词不如学会自己搭这套结构。这样不管换什么编程工具你都能快速让AI给出可落地、符合预期的代码。4. 从0到1用万能公式搭建“自动生成公众号文章”工作流4.1 先拆流程再写提示词如果你要在扣子Coze这类平台上搭建一个“自动生成公众号文章”的能力不要一上来就写一个超长提示词指望它一口气完成从选题到发布的所有步骤。正确的做法是先拆流程选题策划、素材收集、初稿生成、内容校审、格式整理。每一步单独配一个Agent或一个工作流节点每个节点里的提示词都用万能公式来写。以选题策划节点为例。这个节点的输入是“用户指定主题”输出是“一组通过初选的选题”。提示词的重点槽位是“角色”和“约束”角色决定模型站在什么视角想选题约束决定选题的质量下限。初稿节点则相反提示词的核心在“任务”和“交付”上任务要锁定文章主题和字数交付要卡住结构和格式。把流程拆细之后每个提示词都能保持相对简短、精准调试起来也方便定位问题。4.2 主提示词模板可以直接抄的版本我给出一个可以直接粘贴到扣子“大模型节点”里使用的主提示词模板。它不是万能公式的全部而是公式在自动化工作流中的具体化你是一名有五年公众号实战经验的主编擅长把复杂话题写成大众愿意读的推送。 主题背景{用户输入的主题} 任务围绕主题撰写一篇公众号文章字数控制在1500字左右。 目标文章让读者有“学到东西”的感觉并在结尾愿意关注账号。 约束 - 标题党适度但不能虚假夸张 - 必须有一个生活场景式的开头 - 正文事实必须围绕已有素材禁止编造数据 - 每段不超过5行语言口语化 - 结尾给出2-3条行动建议 交付 1. 一个20字以内的推文标题 2. 一篇80字以内的点开前概要 3. 正文内容不要用Markdown格式 4. 三个转发朋友圈时可用的一句话金句这个模板里的{用户输入的主题}是一个变量槽由上游节点动态填入。每次触发工作流模型都会拿到一份规范化的“需求单”输出也就相对稳定。你可以在此基础上继续调整字数、文风、行业术语但骨架不用换。我实际测下来这样一个节点跑出来的初稿修改成本能从“全部推翻”降到“局部微调”。4.3 迭代是提示词的真功夫搭建自动化工作流的另一个心得是提示词不是一次写好的是要靠输出反推迭代的。初版提示词跑出来的结果往往会有几个问题选题太同质化、正文有说教感、标题平淡。这时不要急着改约束而是先看输出里的哪一环节跑偏了。比如生成的文章开头太“百度百科”说明角色设定里缺了“擅长写故事化开头”的倾向如果正文信息量偏低可能是目标槽位没有强调“要有干货”如果标题完全不想点开那就要在交付规范里加一句“标题要包含具体利益点或悬念”。每次只改一个槽位跑一两篇对比效果再决定下一步。这种“输出驱动式”的调整比对着各种提示词攻略猜测有效得多。我还习惯在自动化工作流里加一个“质检节点”让另一个Agent用工式公式来审核上一节点的输出。质检提示词里角色是“公众号主编”任务是“检查文章是否符合选题、结构是否完整、有无大忌”约束是“指出问题后必须给出修改建议”交付是“按问题列表输出审核意见”。这样一个基础的三段式工作流就能自动完成初稿质检润色比单节点直接生成整篇文章的稳定性高出一大截。5. 常见问题与排查技巧实录5.1 典型问题速查表我把自己这些年在图像、视频、文案、代码四个方向上踩过的典型问题整理成了一张速查表方便你对症下药。症状主要原因调整方法图片细节崩坏鹈鹕脚掌、翅膀乱长动作绑定关系没写清在约束里显式写明“爪子踩踏板、翅膀握车把”删除无关修饰图片出现多余文字或乱码没有禁止文字约束中加入“不允许画面上有任何文字和LOGO”视频画面几乎没有动态缺少时间轴只有静态场景描述在任务或约束中按“第几秒发生什么”描述变化生成的文章口吻很AI角色槽位缺失或过于泛化补上具体身份比如“有五年教育写作经验的妈妈”文章读完后没有记忆点目标槽位没有强调读者感受加入“让读者读完后有具体收获或行动冲动”代码有报错但AI坚持它没错任务和约束没说明运行环境把语言版本、依赖库、运行目标写清楚输出格式杂乱难以直接使用交付规范缺失明确“用JSON输出”“不要解释直接给代码”等格式5.2 我的三连排障法排查提示词问题我有一套固定的“三连”流程几乎能解决80%的疑难杂症。第一步看“角色和任务”是否匹配。如果你的角色设成“资深编辑”任务却是“写一段抖音搞笑文案”那模型会很拧巴。角色和任务之间要有一致性否则输出会两头不靠。第二步看“约束是不是在限制空气”。很多人写约束时怕模型跑偏一下子列十几条但其中一半都是无关痛痒的废话。这些废话说多了反而挤占了模型对于关键约束的注意力。遇到输出仍然跑偏先把约束精简到5条以内把真正要命的那几条放最前面。第三步看“交付规范是否强制了结构”。很多问题不是内容不对而是格式不对比如你让AI写方案它给了你完整段落你本来想用Excel整理。这就是交付规范里没写“分点列出”。加上“按序号分条输出”这类指令问题当场解决。这套三连排障法比反复删改提示词有效得多。因为它先帮你判断是哪一层出了问题而不是拿整个提示词开刀。大多数时候问题不是出在“话术”上而是出在“该给的信息结构没给全”。5.3 要不要用提示词优化插件现在网上有各种提示词优化插件比如“DeepSeek harness提示词优化插件”一键把普通的描述重写成更有结构的提示词。我自己的态度是可以用但不能依赖。这类插件生成的提示词本质上是在帮你做“角色-任务-目标-约束-交付”的格式化。如果你已经理解公式会发现它们的答案并不神奇只是把信息补全、顺序理顺。但如果你完全不懂公式只靠插件一键生成拿到优化后的提示词仍然是一头雾水为什么它要把“细节描述”放在那个位置为什么要把否定词改成肯定词下一次换个需求你又要靠插件。所以我的建议是用插件生成的结果当参考用你自己的公式知识去检查它、修改它。工具是拐杖公式才是腿。6. 结尾还是得说公式是“需求沟通术”不是“咒语书”写到这我想说说自己在实际操作里的体会。收藏夹里的84条提示词就像一堆散装螺丝看起来每一颗都有用处但真到拼装的时候你总会发现型号对不上。而万能公式是一套螺丝刀它不能替你做所有巧妙的事但它让你面对任何新场景时都有机会把内容拆开、重组、定向输出。我用这套五段式改写过上百条提示词从“鹈鹕骑自行车”这类经典测试到公众号自动化工作流再到代码生成和视频分镜无一例外都能套上。最后再分享一个小技巧每次AI给出一次特别满意的输出不要只高兴一下把那段推荐的提示词按公式重新抄录一遍看看它是靠哪个槽位获得成功的。长期积累下来你会慢慢发现所谓“神级提示词”的秘密其实就藏在最基础的角色定位和约束设置里。到那时候你也能随手写出让别人想收藏的提示词。