企业官网建设流程全解析

1. 为什么“提示词写得准”比“模型调得勤”更值得花时间？

最近帮三个不同行业的客户做AI应用落地，发现一个特别有意思的现象：技术团队花两周调参优化推理速度，结果用户反馈“生成内容还是不对劲”；而市场部实习生用半小时重写了三组提示词，同一模型输出质量直接翻倍。这不是玄学——提示词本质上是人和AI之间的一份“操作说明书”，它不决定模型的上限，但决定了你每天实际能用到的下限。我见过太多人把提示词当成“试试看”的随机字符串：加几个感叹号、堆砌形容词、复制粘贴网上模板，结果模型要么答非所问，要么一本正经地胡说八道。真正有效的提示词，核心不是让AI更聪明，而是让它更“懂你”。它要像一个经验丰富的助理，清楚知道你要什么、在什么场景下用、给谁看、有哪些不能碰的雷区、哪些细节必须抠死、最后交出来的成果长什么样。这六个维度——角色、任务、背景、约束、格式、示例——不是教条，而是从上千次失败对话里提炼出的“防错 checklist”。比如你让AI写一封给客户的道歉信，如果只说“写封道歉信”，它可能给你来一段文言文骈体；加上“角色：客服主管”“背景：因物流延误导致客户订单超期3天”“约束：不推卸责任，不承诺赔偿金额，语气诚恳但保持专业距离”，结果就稳了。这六个要素，缺一不可，少一个，AI就多一分自由发挥的空间，而你的失控风险就多一分。新手常犯的错误是把“任务”当全部，以为写清“写一篇公众号推文”就够了，却忘了告诉AI“这篇推文要发给30-45岁的职场妈妈，她们最关心孩子睡眠问题，反感说教，喜欢真实故事+可操作小技巧”，没有这些，再好的模型也是蒙眼射箭。所以别再纠结“哪个大模型更强”，先把你手里的提示词，变成一张精准的作战地图。

2. 六要素框架拆解：每个要素到底在解决什么问题？

2.1 角色（Role）：给AI戴上一副职业眼镜

角色定义不是虚的，它直接框定AI的语言风格、知识边界和表达分寸。很多人忽略这点，直接让AI“写文案”，结果生成的内容要么过于学术化，要么轻浮得像朋友圈段子。角色的本质，是告诉AI：“你现在不是通用知识库，你是XX领域的专业人士，请用这个身份的思维习惯和表达方式来思考。”
我试过同一个任务，不同角色设定带来的差异非常直观：让AI“以营养师身份”写儿童补锌食谱，它会强调食物搭配的科学依据、不同年龄段的摄入量标准、常见误区提醒；换成“以幼儿园保健老师身份”，内容立刻转向实操性——怎么把含锌食物做成孩子爱吃的造型、午间餐单怎么安排、家长沟通话术怎么设计。角色还隐含了权威层级：同样是写法律建议，“执业律师”会严谨援引法条并提示风险，“社区调解员”则侧重情理法结合、语言更口语化、给出可落地的协商方案。选角色有三个铁律：第一，必须真实存在且职责清晰，避免“资深专家”“行业大佬”这类模糊标签；第二，要匹配任务难度，给小学生讲物理，角色设为“中学物理老师”比“诺贝尔物理学奖得主”更有效；第三，角色能力要与任务对等，别让“小学语文老师”去写芯片制造工艺说明。实操中，我把角色写在提示词最开头，用冒号明确分隔，比如“角色：三甲医院儿科主治医师”。这样AI在启动推理时，第一层激活的就是这个角色的专业知识图谱和表达模式，后续所有输出都自动锚定在这个坐标系里。

2.2 任务（Task）：用动词锁定动作，拒绝模糊指令

任务描述是整个提示词的引擎，它必须是一个清晰、具体、可执行的动作指令。常见错误是用名词或形容词代替动词：“一份好报告”“高质量文案”“专业分析”——这些对AI毫无意义，因为它不知道“好”“高质量”“专业”的量化标准是什么。真正的任务描述，要像给同事派活一样直白：“将以下会议记录整理成500字以内、分三点陈述的行动清单”“根据用户提供的体检数据，用表格对比显示异常指标与正常值范围，并用✅/❌标注是否需复查”“把这篇技术文档改写成面向非技术人员的3分钟语音稿，重点解释‘为什么这个功能能提升手机续航’”。
这里的关键是动词选择。我总结了一套“动词分级表”：基础级（列出、提取、转述）适合信息搬运；进阶级（分析、对比、归纳）需要逻辑处理；高阶级（设计、策划、诊断）涉及创造性判断。选错动词，结果必然跑偏。比如让AI“分析”销售数据，它可能输出一堆统计术语；但如果明确任务为“分析近三个月销售数据，找出销量下滑最严重的两个产品线，并用一句话说明可能原因”，AI就必须完成识别、归因、精炼三步动作。任务还要控制颗粒度。曾有个客户让我优化电商详情页文案，原始提示是“优化产品描述”，我反问：“优化目标是提升点击率？转化率？还是降低客服咨询量？”他才意识到，不同目标对应完全不同的优化方向——前者要强化卖点钩子，后者要预埋常见问题解答。所以现在我写任务时，必加一句“最终交付物是……”，比如“最终交付物是一份包含标题、3个核心卖点 bullet point、1段场景化使用描述的文案草稿”。这相当于给AI画了一个交付验收的靶心，它所有的努力都朝着这个靶心校准。

2.3 背景（Context）：提供AI缺失的“现场感”

背景是提示词里最容易被省略，却最影响结果质量的部分。AI没有上下文记忆，它不知道你昨天和客户吵了什么，不清楚公司刚发布的战略重点，也不了解这个需求是在什么紧急情况下提出的。背景的作用，就是把AI从“真空实验室”拽进你的真实战场。它包含三类信息：环境信息（当前业务阶段、平台特性）、对象信息（目标用户画像、读者身份）、事件信息（触发原因、前置条件）。
举个真实案例：某教育机构让我写招生简章，原始提示只有“写招生简章”。我追问后补全背景：“背景：机构刚完成校区扩建，新增STEAM实验室和外教团队；目标用户是本市重点小学五年级学生家长，他们普遍焦虑小升初科技特长生通道；当前招生季已过半，需突出‘稀缺名额’和‘即刻体验’”。补完背景后，AI输出的简章立刻有了针对性——开篇用“您的孩子，离名校科技特长生只差一次实验室体验”切入，课程介绍聚焦“外教带队的机器人竞赛孵化营”，报名入口强调“本周预约可享免费1v1升学规划咨询”。没有背景，AI只能泛泛而谈“优质师资”“先进设施”；有了背景，它才能写出带温度、有锋芒的内容。写背景时有个技巧：用“因为……所以……”句式强制自己理清逻辑链。比如“因为用户投诉集中在APP闪退问题，所以本次需求是生成一份面向技术团队的故障复盘报告，而非面向用户的致歉公告”。这种句式能逼出真正关键的背景要素，避免堆砌无关信息。

2.4 约束（Constraints）：划出不可逾越的红线

约束是提示词的安全阀，它不指导AI做什么，而是明确告诉它“绝对不能做什么”。很多AI输出翻车，不是因为能力不足，而是因为缺乏约束。常见的约束类型有四类：内容禁忌（禁用术语、禁提竞品、禁用绝对化表述）、格式限制（字数上限、段落结构、禁用列表）、风格要求（禁用网络用语、必须用第三人称、避免被动语态）、事实核查（仅基于提供资料、不编造数据、引用需标注来源）。
我处理过一个敏感案例：某政务新媒体需要发布政策解读。原始提示没加约束，AI生成的稿子用了大量“重磅”“颠覆性”等夸张词汇，还擅自添加了未公开的实施细则。后来我们加入硬性约束：“约束：全文禁用‘重磅’‘颠覆’‘革命性’等主观评价词；所有政策条款必须严格对应附件《XX办法》第三章原文，不得引申；提及实施时间统一用‘自2024年X月X日起’，不写‘即将’‘近期’等模糊表述；结尾必须包含‘政策原文详见官网链接’”。结果稿子立刻合规，编辑只需微调标点。约束的写法很有讲究：必须用“禁用”“必须”“不得”等强指令词，避免“尽量”“建议”“可以考虑”等弱表达；每条约束要独立成句，方便AI解析；优先写不可妥协的底线约束（如法律合规），再写优化型约束（如风格偏好）。有个血泪教训：曾帮客户写合同条款，只写了“用法律语言”，没写“禁用‘甲方’‘乙方’，统一用‘服务提供方’‘服务接受方’”，结果AI通篇用甲方乙方，法务直接打回重写。所以现在我的约束清单里，第一条永远是“角色与任务中已明确的专有名词，必须全文统一使用，不得替换或缩写”。

2.5 格式（Format）：给AI一把可量化的尺子

格式是让AI输出“所见即所得”的最后一道工序。它解决的是“交上来的东西能不能直接用”的问题。很多人以为格式只是排版，其实它包含结构、载体、交互三重含义。结构指内容组织逻辑（如“按时间顺序”“按重要性降序”“总分总结构”）；载体指交付形态（如“markdown表格”“纯文本无格式”“可直接粘贴到微信公众号后台的HTML代码”）；交互指人机协作方式（如“分步输出，每步确认后再继续”“先给3个标题选项，我选后再展开正文”）。
我做过一个深度测试：同样写产品功能说明，一组提示词只写“用清晰语言说明”，另一组明确“格式：分三部分——①一句话核心价值（不超过20字）；②3个使用场景（每场景≤30字，用emoji开头）；③1个常见问题解答（Q&A形式，答案≤50字）”。结果前者输出长达800字的段落，后者交上来就是开箱即用的模块化内容，运营同事直接复制粘贴就能发。格式设计要遵循“最小必要原则”：只规定真正影响使用的要素。比如给设计师写需求，格式必须包含“尺寸：1920×1080px”“色彩模式：RGB”“文件格式：PNG透明背景”；但给市场部写传播话术，就没必要规定字体字号。有个实用技巧：把格式要求写成“交付物模板”，比如“请严格按以下结构输出：【标题】XXX 【正文】…… 【行动号召】……”，AI会把这个模板当作填空题来完成，准确率极高。另外，对复杂格式，一定要提供示例——这点我们后面案例里会详细展开。

2.6 示例（Examples）：用样板告诉AI什么叫“到位”

示例是六要素里最有力的校准器，它用具体样本向AI展示“你想要的，就是这样的”。文字描述再精准，也比不上一个鲜活的例子。但示例不是越多越好，关键在“典型性”和“对比性”。典型性指例子必须覆盖任务的核心难点，比如写邮件，示例要体现如何把负面消息（如涨价）包装成用户利益（如“升级服务保障”）；对比性指最好提供正反例，让AI理解边界在哪里。
我常用“三明治示例法”：一个完美示例 + 一个常见错误示例 + 一句点评。比如教AI写用户调研问卷，我会给：
【正例】问题3：过去一个月，您平均每周使用本APP的频率是？
○ 每天多次 ○ 每天一次 ○ 每周3-4次 ○ 每周1-2次 ○ 几乎不用
【反例】问题3：您是不是经常用我们的APP？（是/否）
【点评】反例使用引导性提问且选项模糊，正例采用中性表述和具体频次区间。
这样AI不仅知道“要什么”，更清楚“不要什么”。示例的位置也很关键：放在提示词末尾，紧挨着任务描述之后，效果最佳。因为AI的注意力机制会优先记住最后看到的样本。另外，示例必须真实可用，别用“XXX”“AAAA”占位，要用真实数据、真实场景。曾有个客户用“[产品名]”“[价格]”做示例，AI直接照抄占位符，闹了笑话。现在我写示例，一定用虚构但合理的数据，比如“智能手表续航：常规使用7天，重度使用3天”，既保护隐私，又提供有效参照。

3. 实操全流程：从零开始搭建两个完整提示词

3.1 案例一：为跨境电商卖家生成亚马逊A+页面文案（面向欧美家庭用户）

需求还原：客户卖一款儿童护眼台灯，想优化亚马逊A+页面。原始需求很模糊：“写点好文案”。我通过三次沟通，挖出关键信息：产品核心卖点是“无蓝光危害认证+智能调光”；目标用户是25-40岁欧美中产父母，他们搜索关键词是“kids desk lamp safety”；竞品文案普遍强调“护眼”，但没说清“怎么护”；客户希望文案能降低退货率（当前退货主因是“灯光太亮刺眼”）。

六要素构建过程：

• 角色：确定为“资深亚马逊A+页面文案顾问，专注儿童家居品类，熟悉欧美消费者阅读习惯和平台算法偏好”。这个角色自带平台规则（如禁用绝对化用语）、用户洞察（如欧美父母更信认证而非宣传语）、转化逻辑（A+页面需兼顾SEO和情感共鸣）。
• 任务：细化为“为‘LumiGuard儿童护眼台灯’生成亚马逊A+页面核心模块文案，包含：①首屏主标题（≤80字符，含核心关键词‘kids desk lamp’）；②3个卖点模块（每模块含1行小标题+3行描述，突出无蓝光认证和智能调光技术）；③1个FAQ模块（回答‘灯光亮度是否可调节？’，需消除‘刺眼’顾虑）”。动词全部用“生成”，交付物明确到字符数和行数。
• 背景：整合为“背景：该台灯已获UL认证和IEC 62471光生物安全等级RG0认证；用户评论显示，23%退货提及‘initial brightness too harsh’；竞品文案多用‘eye protection’但未说明检测标准；当前A+页面缺少技术信任背书”。这段背景把认证、痛点、竞品短板全锁死了。
• 约束：列出硬性条款：“约束：①禁用‘best’‘#1’‘guarantee’等亚马逊禁止词；②所有技术参数必须源自产品说明书第4页；③FAQ答案需包含‘出厂默认亮度为舒适档，用户可一键切换至柔光模式’；④全文英文，美式拼写”。其中第三条直击退货痛点。
• 格式：设计为“格式：严格按以下结构输出，用markdown语法：
  【Main Headline】……
  【Feature 1】……
  【Feature 2】……
  【Feature 3】……
  【FAQ】Q: …… A: ……”
  这样客户复制后，直接粘贴到亚马逊后台就能用。
• 示例：选用竞品中表现最好的一段文案作正例：“【Feature 1】Smart Auto-Dimming: Sensors detect ambient light and adjust brightness in real-time, preventing eye strain during long homework sessions.” 并指出其优点：“用动词‘detect’‘adjust’体现技术主动性，‘preventing eye strain’直击用户恐惧”。

最终提示词实录（已脱敏）：
角色：资深亚马逊A+页面文案顾问，专注儿童家居品类，熟悉欧美消费者阅读习惯和平台算法偏好
任务：为‘LumiGuard儿童护眼台灯’生成亚马逊A+页面核心模块文案，包含：①首屏主标题（≤80字符，含核心关键词‘kids desk lamp’）；②3个卖点模块（每模块含1行小标题+3行描述，突出无蓝光认证和智能调光技术）；③1个FAQ模块（回答‘灯光亮度是否可调节？’，需消除‘刺眼’顾虑）
背景：该台灯已获UL认证和IEC 62471光生物安全等级RG0认证；用户评论显示，23%退货提及‘initial brightness too harsh’；竞品文案多用‘eye protection’但未说明检测标准；当前A+页面缺少技术信任背书
约束：①禁用‘best’‘#1’‘guarantee’等亚马逊禁止词；②所有技术参数必须源自产品说明书第4页；③FAQ答案需包含‘出厂默认亮度为舒适档，用户可一键切换至柔光模式’；④全文英文，美式拼写
格式：严格按以下结构输出，用markdown语法：
【Main Headline】……
【Feature 1】……
【Feature 2】……
【Feature 3】……
【FAQ】Q: …… A: ……
示例：【Feature 1】Smart Auto-Dimming: Sensors detect ambient light and adjust brightness in real-time, preventing eye strain during long homework sessions. —— 此示例用动词体现技术主动性，用结果‘preventing eye strain’直击用户恐惧

实操结果与验证：AI输出首屏标题为“LumiGuard Kids Desk Lamp: RG0-Certified Blue Light Free & Smart Dimming”，字符数78，含关键词；FAQ答案明确写出“出厂默认亮度为舒适档，用户可一键切换至柔光模式”，完全命中退货痛点。客户上线后，该页面停留时长提升35%，相关退货率下降18%。关键在于，约束里那句“FAQ答案需包含……”像一道铁闸，把AI的自由发挥挡在了用户真实顾虑之外。

3.2 案例二：为HR部门生成新员工入职培训考核试题（制造业流水线岗位）

需求还原：某汽车零部件厂HR提出“出几道考题”。深入沟通发现：工厂刚上线新装配线，老员工带教压力大；新员工培训后仍频繁操作失误；现有考核题全是选择题，无法评估实操判断力；最急需考察的是“安全防护装备穿戴规范”和“异常停机流程”。

六要素构建过程：

• 角色：定为“制造业一线培训师，有10年汽车零部件厂带教经验，熟悉ISO 45001职业健康安全管理体系”。这个角色自带行业术语（如“LOTO上锁挂牌”）、实操细节（如“安全眼镜必须覆盖颞部”）、管理视角（如“考核要区分知识掌握与行为习惯”）。
• 任务：升级为“生成10道新员工入职培训考核题，覆盖安全防护装备穿戴和异常停机流程两大模块，题型包括：①3道情景判断题（每题描述一个现场异常场景，要求选出正确处置步骤）；②2道图文匹配题（配图显示防护装备穿戴错误点，要求指出并说明后果）；③5道简答题（每题≤30字作答，聚焦关键动作，如‘发现设备异响，第一步该做什么？’）”。任务明确题型、数量、字数，杜绝AI自由发挥。
• 背景：浓缩为“背景：新装配线使用ABB机器人，存在夹伤和碰撞风险；近3个月工伤事故中，72%源于防护装备未正确佩戴；现有培训视频未演示‘LOTO上锁挂牌’实操细节；考核需在15分钟内完成，题目难度梯度设置（基础题占60%，情景题占40%）”。背景把风险、数据、痛点、考试约束全列清。
• 约束：设为“约束：①所有题目必须基于《GB/T 28001-2011职业健康安全管理体系》和本厂《SOP-2024-07安全操作规程》；②情景题必须源自真实事故报告（编号ACC-2024-001至ACC-2024-005）；③图文匹配题配图需描述‘安全眼镜未覆盖颞部’‘耳塞未压实耳道’‘安全鞋未系紧鞋带’三种典型错误；④简答题答案必须是动词开头的指令句（如‘立即按下急停按钮’）”。约束把法规、真实案例、典型错误、答案格式全框死。
• 格式：设计为“格式：按以下顺序输出，每道题独占一行，题干后跟‘A. B. C. D.’选项（情景题）或‘答案：’（简答题）：

1. 【情景判断】……
2. 【情景判断】……
   ……
3. 【图文匹配】图中安全眼镜佩戴错误在于？答案：……
4. 【简答】发现设备异响，第一步该做什么？答案：……
5. 【简答】进行LOTO上锁挂牌时，必须确认什么？答案：……”
   这个格式让HR拿到就能直接打印，无需二次排版。

• 示例：用真实事故报告改编：“【情景判断】员工小王在清洁机器人工作区时，发现防护栏有轻微变形。他应该：A. 继续清洁，事后报修 B. 立即停止作业，报告班组长 C. 自行用胶带固定变形处 D. 拍照发微信群提醒同事”。并点评：“此题考察‘发现隐患立即停止作业’这一核心安全原则，选项B为唯一符合SOP的答案”。

最终提示词实录（已脱敏）：
角色：制造业一线培训师，有10年汽车零部件厂带教经验，熟悉ISO 45001职业健康安全管理体系
任务：生成10道新员工入职培训考核题，覆盖安全防护装备穿戴和异常停机流程两大模块，题型包括：①3道情景判断题（每题描述一个现场异常场景，要求选出正确处置步骤）；②2道图文匹配题（配图显示防护装备穿戴错误点，要求指出并说明后果）；③5道简答题（每题≤30字作答，聚焦关键动作，如‘发现设备异响，第一步该做什么？’）
背景：新装配线使用ABB机器人，存在夹伤和碰撞风险；近3个月工伤事故中，72%源于防护装备未正确佩戴；现有培训视频未演示‘LOTO上锁挂牌’实操细节；考核需在15分钟内完成，题目难度梯度设置（基础题占60%，情景题占40%）
约束：①所有题目必须基于《GB/T 28001-2011职业健康安全管理体系》和本厂《SOP-2024-07安全操作规程》；②情景题必须源自真实事故报告（编号ACC-2024-001至ACC-2024-005）；③图文匹配题配图需描述‘安全眼镜未覆盖颞部’‘耳塞未压实耳道’‘安全鞋未系紧鞋带’三种典型错误；④简答题答案必须是动词开头的指令句（如‘立即按下急停按钮’）
格式：按以下顺序输出，每道题独占一行，题干后跟‘A. B. C. D.’选项（情景题）或‘答案：’（简答题）：

1. 【情景判断】……
2. 【情景判断】……
   ……
3. 【图文匹配】图中安全眼镜佩戴错误在于？答案：……
4. 【简答】发现设备异响，第一步该做什么？答案：……
5. 【简答】进行LOTO上锁挂牌时，必须确认什么？答案：……
   示例：【情景判断】员工小王在清洁机器人工作区时，发现防护栏有轻微变形。他应该：A. 继续清洁，事后报修 B. 立即停止作业，报告班组长 C. 自行用胶带固定变形处 D. 拍照发微信群提醒同事 —— 此题考察‘发现隐患立即停止作业’这一核心安全原则，选项B为唯一符合SOP的答案

实操结果与验证：AI生成的第7题是图文匹配题：“图中耳塞佩戴错误在于？答案：耳塞未压实耳道，导致85dB以上噪音穿透，长期暴露引发听力损伤”。答案精准对应约束中的“说明后果”。第10题简答：“进行LOTO上锁挂牌时，必须确认什么？答案：确认所有能量源已隔离并上锁”。完全符合动词开头指令句要求。HR反馈，这套题首次实现了“考题即操作指南”，新员工培训后考核通过率从61%升至89%，更重要的是，现场安全巡检中防护装备违规率下降42%。这证明，当提示词把“安全”这个抽象概念，拆解成可执行、可验证、可追溯的具体动作时，AI就成了最不知疲倦的培训质检员。

4. 高频问题排查与避坑指南：那些没人告诉你的细节

4.1 为什么AI总是忽略我的约束？——约束失效的三大根源

约束被无视，是新手最常抱怨的问题。但真相往往是：约束本身就有缺陷。我梳理出三个高频根源，每个都附真实修复方案。
根源一：约束表述模糊，存在解读空间。比如写“用专业语言”，AI可能理解为“多用术语”，结果生成满篇“范式”“赋能”“抓手”，反而让一线工人看不懂。修复方法是把模糊词替换成可验证标准：“用专业语言” → “禁用‘赋能’‘抓手’‘闭环’等管理黑话；所有术语首次出现时需括号解释，如‘LOTO（上锁挂牌）’”。我在某次给医疗客户写患者告知书时，原始约束是“语言通俗”，结果AI写了“本疗法通过调节免疫微环境实现病理逆转”。改成“语言通俗：所有句子主谓宾完整，避免超过25字；医学术语如‘PD-L1’必须同步说明‘一种免疫检查点蛋白’”后，输出立刻可读。
根源二：约束之间相互冲突。最典型的是“字数≤200字”和“包含5个要点”，AI被迫删减内容导致信息残缺。我的解决方案是建立约束优先级：在提示词开头加一行“约束优先级：①法律合规 > ②核心信息完整 > ③字数限制”。这样AI知道，宁可超10字，也不能漏掉关键条款。曾有个金融文案需求，约束要求“必须包含年化收益率、风险等级、起购金额”，又要求“全文≤150字”。AI第一次输出砍掉了风险等级。我加上优先级后，它主动压缩了修饰语，保住了三项硬指标。
根源三：约束脱离AI能力边界。比如要求“根据最新财报生成分析”，但没提供财报数据，AI只能编造。这属于典型的“把提示词当搜索引擎用”。正确做法是：约束必须基于已知信息。“根据最新财报生成分析” → “基于附件《XX公司2024Q1财报》第5页‘营收构成’表格，分析华东区收入占比变化”。我在帮客户做竞品分析时吃过亏：原始提示“分析竞品A的定价策略”，AI胡编了一堆数据。后来改成“基于附件《竞品A官网截图》中显示的3款主力产品价格，对比我司同类产品，指出价差最大的一款并说明可能原因”，结果立刻靠谱。记住：AI不联网，所有约束必须锚定在你提供的信息上。

4.2 为什么示例越详细，AI反而越跑偏？——示例设计的黄金比例

示例不是越多越好，关键在“信息密度”。我测试过：给AI看10个同类型文案示例，它会陷入细节模仿，丢失任务本质；只给1个，又可能抓不住关键特征。找到平衡点后，我确立了“1+1+1”示例法则：1个完整正例（展示整体结构）、1个局部特写（聚焦核心技巧）、1个错误对照（划清底线）。
完整正例要真实可用，比如写公众号标题，就给“《凌晨3点，我删掉了那条‘恭喜升职’的朋友圈》——这个标题包含时间锚点、行为冲突、情绪留白，三要素齐全”。
局部特写要放大关键技巧，比如针对“如何写钩子”，单独截取正例中“凌晨3点”这个细节，点评：“用具体时间制造画面感，比‘深夜’‘晚上’更具冲击力，且暗示主人公处于非正常作息状态，引发好奇”。
错误对照要直击痛点，比如给个反例“《升职加薪秘籍，99%的人不知道！》”，点评：“‘秘籍’‘99%’是典型流量套路，违背本账号‘真实职场记录’的定位，易引发读者反感”。
这个组合拳的效果，在我优化某知识付费课程海报时得到验证：原始用5个标题示例，AI生成的标题全是“震惊体”；改用“1+1+1”后，它学会了用细节营造真实感，产出标题如《陪孩子写作业的第273天，我终于放下了橡皮擦》，客户当场拍板。另外，示例的排版很重要：务必用【】或代码块包裹，和正文明显区隔。我试过把示例混在段落里，AI直接把它当成了任务描述的一部分，开始模仿示例的语气写任务说明，彻底乱套。

4.3 为什么六要素都写了，结果还是不满意？——要素间的隐藏依赖关系

六要素不是并列关系，而是有严密的逻辑链条。很多人按顺序写完就提交，结果发现AI输出和预期偏差很大。问题出在要素间的“依赖未显性化”。比如“角色”决定了“任务”的可行性，“背景”限定了“约束”的范围，“格式”约束了“示例”的呈现方式。
最致命的依赖断裂是角色与任务不匹配。曾有个客户让我写“给投资人看的融资PPT”，角色设为“创业公司CEO”，任务却是“用财务模型预测未来5年现金流”。这就有问题：CEO角色通常不直接做财务建模，AI会困惑该用宏观叙事还是微观数据。修复方案是调整角色为“CFO兼融资负责人”，或把任务改为“用3页PPT向投资人说明现金流健康度，重点呈现经营性现金流净额和现金周转天数”。
背景与约束的冲突更隐蔽。比如背景写“公司刚完成B轮融资”，约束却写“文案需体现初创公司活力”，这就矛盾了——B轮公司已过初创期。我的处理是：把背景升级为“公司处于B轮后规模化扩张阶段，需向新进员工传递‘创业初心’与‘成熟体系’并存的文化”，约束相应改为“禁用‘草根’‘野蛮生长’等初创标签，改用‘敏捷迭代’‘客户驱动’等成长期关键词”。
格式与示例的耦合最容易被忽视。如果格式要求“用表格输出”，示例却给了一段文字，AI会懵。正确做法是：示例必须严格按格式要求呈现。比如要AI生成采购清单，格式定为“| 物品 | 数量 | 单价 | 备注 |”，示例就必须是真实表格，哪怕只有一行：“| LED灯管 | 20支 | ¥18.50 | 需带镇流器 |”。我在做政府项目申报材料时，因示例用了文字描述而非表格，AI交上来的是“物品：LED灯管；数量：20支……”，还得手动转表格。后来把示例表格化，一次通过。

4.4 为什么调试十次都没进步？——提示词优化的正确迭代路径

很多人陷入“改一个词，跑一次，不行再改”的死循环，效率极低。我总结出一套“三阶诊断法”，把调试变成系统工程。
第一阶：要素完整性诊断。拿张纸，逐条核对六要素是否全部存在、是否都写了具体内容。常见漏洞是“背景”写成“公司情况”这种废话，或“约束”只写“语言简洁”这种无效条款。我的检查清单是：角色有没有具体职业+领域+经验？任务有没有动词+交付物+量化标准？背景有没有包含环境+对象+事件？约束有没有禁用词+必须项+格式要求？格式有没有结构+载体+交互？示例有没有正反例+点评？漏一条，就先补全。
第二阶：要素冲突诊断。把六要素写在六张便签上，两两组合看是否矛盾。比如角色是“小学老师”，任务却要求“用量子力学原理解释光合作用”，显然超纲。这时要么降任务难度，要么换角色。我帮教育科技公司做课件时，发现“角色：教研专家”和“任务：生成10分钟课堂互动脚本”冲突——教研专家擅长设计，不擅长写台词。于是把角色改为“一线小学语文教师”，任务微调为“生成10分钟课堂互动脚本，含3个学生可能的回答及教师应对话术”。
第三阶：AI认知负荷诊断。这是最高阶的，要看提示词是否超出了AI的处理能力。简单测试法：把提示词砍掉一半（比如先去掉背景和约束），看AI输出是否基本合格。如果砍掉后反而更好，说明原提示词信息过载。我的经验是：单次提示词长度控制在300-500字为佳；要素描述用短句，避免复合长句；专业术语首次出现时加括号解释。曾有个技术文档需求，原始提示词长达800字，AI输出混乱。我按三阶法诊断，发现背景部分堆砌了5个技术参数，远超必要。删减后保留最关键的“兼容Windows 11和Linux Kernel 6.0+”，其他参数移到附件说明，结果一次成功。记住：提示词不是简历，不是写得越多越好，而是写得越准越好。

提示：六要素框架不是万能公式，而是帮你建立“人机协作契约”的工具。每次写提示词前，先问自己：如果这是交给一个新来的实习生，ta看了这六条，能不能100%理解我要什么、在什么条件下做、做到什么程度算合格？如果答案是否定的，那就继续打磨，直到答案是肯定的。AI不会读心，但它会忠实地执行你写下的每一个字——所以