基础的角色、任务、格式、限制学会之后，这 10 个进阶技巧能把 prompt 控制再拉一阶。每个都有具体示例，可以直接复制去试。
先讲一个心态：prompt 工程没有「最佳模板」，只有「当前最适合任务的写法」。同一个任务类型可能有三四个 prompt 版本，因为不同模型、不同场景、不同心情写出来的 prompt 效果就是不一样。
1. 指派多重角色
不只给一个角色，而是叠两到三层身份。
单一角色：「你是一个 SEO 顾问」。AI 会用 SEO 的角度回答，但可能忽略文案质量。
堆叠角色：
你同时具备以下三种身份：
1. 资深 SEO 顾问，熟悉 Google 2026 年的排名因素
2. 台湾科技部落客，擅长用白话解释技术
3. 严格的编辑，会砍掉所有不必要的形容词
用这三个角色的综合判断来完成以下任务。这样 AI 在写的时候会同时考虑 SEO、可读性和文字精炼度。写博客文章的 prompt 适合用三层角色。
2. 分段送指令（Chunking）
长任务不要一口气塞完。拆成两到三段，每段确认 AI 理解了再继续。
第一段送背景和规则：
想写一篇关于 RAG 的教程文章。先不要写，会分段提供信息。
以下是这篇文章的目标读者和风格要求：
[贴上风格规则]
请确认你理解了，用一句话摘要你的理解。等 AI 回复确认后，第二段送大纲和素材。第三段才叫它开始写。
这招在 ChatGPT 上特别有效。它的注意力容易在长 prompt 中散焦，分段送能让它每一步都专注。
3. 给示例来校正输出（Calibration Shot）
在正式任务之前，先给一个小测试。
在开始正式任务之前，请先用以下示例校准你的风格：
示例输入：「什么是 API？」
示例输出：「API 就是两个软件之间的沟通桥梁。你用手机查天气，手机 App 就是通过气象局的 API 拿到数据的。不需要懂背后的技术，只要知道它是一个让不同系统互相交换信息的管道。」
请用这个风格回答接下来的问题。一个校准示例，胜过五百字的风格描述。AI 从示例里抓到的风格信息比用文字描述的精确很多。
4. 结束前，自我检查
叫 AI 写完之后自己 review。
完成以上任务后，请自行检查：
1. 有没有超过字数限制？
2. 有没有使用以下禁用词：[列出]
3. 每个论点是否都有具体例子支撑？
如果有问题，直接修正后输出最终版。不需要列出修改过程。经验谈：Claude 的自查能力相对强。在 prompt 最后附一段自检命令，相当于多了一道质量关卡。
5. 提供反面案例（Negative Few-shot）
告诉 AI「不要写成这样」，直接贴反面示例。
以下是不好的输出示例，请避免这种风格：
不好的示例：「在 AI 快速演进的时代，选择合适的模型至关重要。Claude 和 ChatGPT 各有优劣，前者擅长长文撰写，后者则在创意构思方面表现突出。」
问题：开头太八股、语气像报告、没有个人观点、用了「至关重要」「各有优劣」。
请用朋友聊天的语气重新表达同样的信息。正面示例教 AI 要什么，反面示例教它避什么。两个搭配效果最好。
6. 风格指引
聊天界面没办法直接调模型温度，但可以用文字影响它的「创意程度」。
要精确的时候：「请严格根据提供的资料回答，不要推测，不确定的地方标记为『待确认』。」
要创意的时候：「请大胆构思，列出 10 个不寻常的角度，不用在意可行性，越跳脱越好。」
同一个模型，这两种命令的输出差距非常大。SEO 内容规划构思题目时用「创意模式」，写正文时切到「精确模式」。
7. 结构化输入
prompt 本身也用结构化格式写，AI 更容易解析。
# 角色
台湾的 AI 教育工作者，政大资工硕士毕业
# 任务
写一篇 1500 字的教程文章，主题：RAG 入门
# 读者
- 非技术背景的上班族
- 听过 AI 但没用过 RAG
- 年龄 25-40 岁
# 格式
- Markdown
- 用 H2 和 H3 分章节
- 每章节 200-400 字
# 限制
- 简体中文
- 不用「浅显易懂」「华丽转身」这类空话
- 不超过 1500 字用 Markdown 标题分区块，AI 能更准确地抓到每个区块的意图。比全部挤在一大段文字里，解析错误率低很多。
8. 迭代精修
第一版输出不满意不要从头来。给具体的修改命令。
这个版本有三个地方要改：
1. 第二段的开头太像报告，改成聊天语气
2. 第四段的例子不够具体，请用台湾企业的案例替换
3. 全文太均匀，把第三段缩短到两句就好
其他部分维持不动。很多人第一版不满意就整个砍掉重写 prompt。在现有的基础上修比重来一次快，而且 AI 有前面的对话脉络，修改的方向更准。
9. 锁定输出格式
在 prompt 开头就给一个输出格式的骨架。
请用以下格式输出：
## [章节标题]
[1-2 句核心概念]
[具体示例，用引用区块格式]
[小企鹅的观察：1-2 句个人心得]
---
每个章节都按照这个格式。一共 5 个章节。格式锚定的好处是 AI 会很稳定地重复同一个结构。特别适合系列文章、比较表格、FAQ 这类重复性高的输出。
10. 请 AI 帮你生成 Prompt
最进阶的一招：让 AI 帮忙写 prompt。
想完成以下任务：[描述任务]
请写一个最适合 Claude 的 prompt，包含角色设置、任务描述、格式要求和限制条件。
写完之后解释你为什么这样设计每个部分。AI 写出来的 prompt 通常结构比人类自己写的完整、详尽，在真的开始进入工作环节之前，你还能 review 各个细节再动工。
Prompt 方法论：三个原则
长期使用整理出三个原则。
先跑再改，别追求一次完美。 写一个七成完成度的 prompt，跑一次看结果，再针对不满意的地方修。这比花三十分钟写一个「完美 prompt」有效率。
prompt 是活的，常用 prompt 或 prompt 库要定期更新。 模型会更新，同一个 prompt 在不同版本的 Claude Opus 上效果都可能不一样。prompt 库建议每隔一两个月就 review 一次，砍掉过时的、更新效果变差的。
记录踩坑。 每次 AI 的输出跟预期差太远，记录是哪个环节出问题、怎么修的。踩过的坑累积起来，就是最有价值的 prompt 经验。
常见错误
最后三个常见错误。
塞太多角色。 叠三层角色有效，叠八层就混乱了。AI 会不知道优先听谁的，输出变得精神分裂。三层是上限。
限制条件互相矛盾。 「要有创意」跟「严格按照示例格式」放在一起，AI 会卡住。创意的任务放宽格式限制，精确的任务收紧创意空间，不要两个都要。
忽略模型差异。 在 Claude 上跑得很好的 prompt 丢给 ChatGPT，可能效果打六折。每个模型的脾气不一样，值得花时间为常用模型各维护一版。模型差异整理在 Claude vs ChatGPT 和 Gemini vs ChatGPT。
这篇的 10 个技巧不用一次全学。挑两三个跟工作最相关的，先用起来。等到那两三个变成反射动作，再回来看剩下的。基础结构从 提示词完整指南 开始也可以。
小企鹅的经验
小企鹅有一个固定用的 prompt 库，主要是用来生图，是长期累积的常用模板集合。每找到一组能稳定产出可用结果的 prompt 就分类存起来，下次需要类似任务时直接拿出来改几个字。
实务上我调查过，最常用的是「角色堆叠 + 结构化输入 + 自我检查」三件套。写博客文章用三层角色（该领域顾问、白话翻译者、严格编辑）叠起来，prompt 用 Markdown 分区块清楚标示，最后一段叫 AI 自己过一次禁用词和字数检查。这个组合的单篇成功率最稳。
模型差异上，Claude 对长规则和限制词表的遵守度最好，可以列十几条禁用词让它避开；ChatGPT 列太多会选择性忽略，要靠 Few-shot 示例 anchor 它的风格；Gemini 适合大量数据的长 context 任务，但中文功能限制要小心，有时要切英文 prompt 才会触发某些功能。
每隔一两个月会 review 一次 prompt 库。模型版本更新后，同一个 prompt 的效果会变化；不抽时间维护，prompt 库会变成一堆过时模板。
延伸阅读
常见问题
Q: 进阶 prompt 技巧跟基础有什么差别？
基础是把四个元素（角色、任务、格式、限制）组合起来。进阶是在这个基础上加入策略，像是用示例校准风格、分段拆解任务、让 AI 自我检查。差别在于能控制的精细程度。
Q: 这些技巧每个 AI 模型都适用吗？
大方向通用，但效果有差。Claude 对长规则和限制条件反应最好，ChatGPT 对示例学习最敏感，Gemini 适合大量数据搭配搜索。文中每个技巧都会标适合的模型。
Q: 要花多少时间学？
每个技巧看完示例大概 5 分钟就能理解。但要用得顺手，需要自己动手改示例、跑几次，抓到模型的反应模式。大概一两周就能把常用的内化成习惯。
Q: prompt 写很长不会超过字数限制吗？
2026 年主流模型的 context 窗口都很大。Claude 200K tokens、Gemini 100 万 tokens，长 prompt 在技术上完全没问题。重点是有没有用，不是长不长。
Q: 有推荐的 prompt 练习方式吗？
最有效的方式：拿日常工作中的一个真实任务，写 prompt 跑一次，看结果哪里不满意，改 prompt 再跑。这个循环跑个十次，比看教程学得快。
整理：Penna｜小企鹅 Penchan