解锁AI的“超能力”：提示词（Prompt）万能通用公式全解(文末有福利)
引言：为什么你觉得AI“变笨”了？
在人工智能普及的今天，ChatGPT、Claude、文心一言等大模型已经触手可及。然而，很多用户在使用时常常感到困惑：为什么别人用AI能写出精美的文案、生成复杂的代码，而我的AI只会输出车轱辘话，甚至一本正经地胡说八道？
问题的根源通常不在于AI的智商，而在于**“沟通的带宽”**。
大语言模型（LLM）本质上是一个基于概率的预测机器。它像是一个博学但没有主见的天才，你需要给它设定极其精确的坐标，它才能带你去你想去的地方。
Prompt Engineering（提示词工程） 就是这门设定坐标的艺术。本文将为你揭示一套经过无数实战验证的**“万能提示词公式”**，助你从“随便聊聊”进阶为“精准操控”。
第一章：核心武器——万能提示词公式（BROKE模型）
在众多的提示词框架中（如CRISPE、ICORE），BROKE模型因其逻辑清晰、覆盖面全且符合人类直觉，被公认为最实用的万能公式之一。
无论你是写周报、做策划，还是写代码，都可以套用这个公式。
公式：BROKE = B + R + O + K + E
- B - Background (背景/上下文)： 告诉AI这件事的前因后果，处于什么环境。
- R - Role (角色设定)： 给AI指定一个具体的专家身份。
- O - Objectives (核心目标)： 你到底想要什么具体的任务结果？
- K - Key Results/Constraints (关键结果与约束)： 风格、字数、格式、必含信息、禁忌事项。
- E - Examples (示例/少样本)： 给AI打个样（这是提升效果的杀手锏）。
第二章：公式深度拆解与底层逻辑
为什么这五个要素缺一不可？让我们逐一剖析。
1. B - Background (背景)：消除歧义
AI缺乏对你当前处境的感知。如果你只说“帮我写个请假条”，AI会给你一个通用的模板。 但如果你输入：“我是一家互联网公司的后端开发，最近项目上线连续加班导致免疫力下降，想向那个比较严厉的技术总监请假2天去体检。” 效果： AI会瞬间理解语境，在措辞上会强调“项目已上线”来降低领导的担忧，同时语气会更加诚恳。
2. R - Role (角色)：激活潜能
大模型的训练数据包含了人类几千年的知识。当你对它说“你是一个资深的小红书爆款文案写手”时，实际上是在激活模型中关于“社交媒体营销”、“吸引眼球”、“Emoji使用”那一部分的特定参数。
- 错误示范： “给我写个减肥食谱。”
- 正确示范： “你是一位拥有15年经验的临床营养师和健身教练...”
3. O - Objectives (目标)：动词定生死
目标必须由精准的动词驱动。避免使用“处理一下”、“搞一搞”这种模糊词汇。
- 推荐动词： 总结（Summarize）、提取（Extract）、翻译（Translate）、改写（Rewrite）、头脑风暴（Brainstorm）、分类（Classify）。
4. K - Key Results (约束)：控制边界
这是防止AI废话连篇的最重要防线。你需要明确“做什么”和“不做什么”。
- 格式约束： “请用Markdown表格输出”、“输出为JSON格式”。
- 风格约束： “像乔布斯一样简洁有力”、“用像给5岁孩子讲故事一样的语气”。
- 否定约束（Negative Prompt）： “不要使用敬语”、“不要解释代码，直接给结果”。
5. E - Examples (示例)：少样本学习（Few-Shot Prompting）
在学术界，这被称为“少样本提示”。大模型通过模仿示例，准确率能提升30%-50%。 如果你想让AI生成特定风格的标题，最好的办法不是描述风格，而是直接给它看两个例子。
第三章：实战演练——从“废铁”到“王者”
为了让你直观感受公式的威力，我们进行三组对比实战。
场景一：职场周报
【小白提示词】
“帮我写一份周报，这周做了用户调研和竞品分析。”
【AI的回复（平庸）】
本周工作总结：1. 完成了用户调研。2. 进行了竞品分析。下周计划：继续跟进。
【大师提示词（BROKE版）】
(Background) 我在一家SaaS软件公司担任产品经理，目前产品处于从0到1的探索期。 (Role) 你是一位擅长OKR管理法、逻辑严密的资深产品总监。 (Objectives) 根据我的工作内容，撰写一份高含金量的周报。 (Key Constraints)
- 分为“本周核心产出”、“数据洞察”、“遇到的困难与支持”三个板块。
- 语气要专业、客观，多用数据支撑，拒绝流水账。
- 字数控制在300字以内。 (Input Data)
- 调研了5家竞品（A、B、C...），发现他们的定价策略都是按年付费。
- 访谈了10个潜在客户，7个表示对我们的“一键导出”功能最感兴趣。
【AI的回复（惊艳）】
本周核心产出 完成5家核心竞品（A/B/C等）的深度调研，并对10位种子用户进行了1对1访谈。
数据洞察
- 功能验证：70%的受访用户对“一键导出”功能表现出强需求，建议将其优先级提升至P0。
- 商业模式：竞品普遍采用“按年付费”策略，建议我们初期考虑“月付+年付”的混合模式以降低决策门槛。 ...
场景二：新媒体文案（小红书风格）
【小白提示词】
“推荐一下这款蓝牙耳机，写个小红书文案。”
【大师提示词（BROKE版）】
(Role) 你是小红书的一位好物分享博主，擅长用情绪化、生活化的语言种草。 (Objectives) 为“索尼降噪耳机”写一篇爆款笔记。 (Key Constraints)
- 标题要吸引人，包含“真香”、“绝绝子”等关键词。
- 正文多使用Emoji表情（✨🎧🔥）。
- 结构：痛点场景 + 产品体验 + 结尾互动。
- 不要像说明书，要像闺蜜聊天。 (Examples) 风格参考： “家人们！谁懂啊！在这个吵闹的地铁上，戴上它的一瞬间，世界安静得只想哭！😭”
场景三：复杂概念学习（费曼学习法）
【小白提示词】
“什么是区块链？”
【大师提示词（BROKE版）】
(Role) 你是费曼（Richard Feynman），也是一位擅长用比喻解释深奥物理/计算机概念的科普作家。 (Background) 我是一名完全不懂技术的文科生。 (Objectives) 解释“区块链”的原理。 (Key Constraints)
- 禁止使用任何专业术语（如哈希值、去中心化账本）。
- 必须使用一个生活中的类比（比如村子里的账本、家庭记账）来阐述。
- 解释它为什么安全。
第四章：进阶心法——结构化提示词（Structured Prompting）
当你掌握了BROKE公式后，你会发现对于特别复杂的任务，一段话写在一起容易乱。这时候，你需要进化到**“结构化提示词”**。
这是一种利用 Markdown 语法将提示词模块化的技术。它看起来像代码，AI读起来非常轻松，执行极其精准。
结构化提示词模板（可直接复制）
# Role: [这里填写角色，如：资深Python面试官]
## Profile
- Author: [你的名字]
- Version: 1.0
- Language: 中文
- Description: [简述这个角色的功能]
## Background
[这里填写背景信息，如：用户即将参加阿里P7级别的面试，需要进行模拟对练。]
## Goals
1. [目标1]
2. [目标2]
## Constraints
- [约束1，如：每次只问一个问题]
- [约束2，如：用户回答后，先点评再出下一题]
- [约束3，如：风格要犀利，直击痛点]
## Workflow
1. 询问用户想要模拟的领域（如并发编程、数据库）。
2. 根据领域出题。
3. 等待用户回答。
4. 给出评分和改进建议。
5. 循环步骤2-4。
## Initialization
你好，我是你的模拟面试官。请告诉我你准备面试的岗位和技术栈，我们开始吧！
为什么这种格式好？
- 权重高：Markdown的标题（#）在模型注意力机制中权重更高。
- 易维护：想修改约束条件，直接改
Constraints模块，不用重写整段话。 - 防遗忘：长对话中，这种结构能让AI更好地保持“人设”。
第五章：提示词的“调优（Debug）”技巧
写完公式，AI生成的还是不够好？别急，Prompt是需要迭代的。以下是3个常用的调优指令：
-
思维链（Chain of Thought）： 如果AI算错了数学题或逻辑混乱，请在末尾加上：
“请一步步进行思考（Let's think step by step）。” 这句话有魔力，能强制模型展示推理过程，大幅提高准确率。
-
让AI自省： AI生成完内容后，追加一条指令：
“请批判性地审视上面的回答，找出其中的逻辑漏洞或不通顺的地方，并重新优化一版。”
-
苏格拉底式引导： 如果你不想让AI直接给答案，而是辅助你思考（比如写论文）：
“不要直接给我整篇文章。请通过提问的方式，引导我一步步构建大纲。”
结语：人机协作的未来
掌握“万能提示词公式”不仅仅是学会了一种工具的使用方法，更是锻炼了一种结构化思维。
当你开始习惯用 BROKE 或 结构化模板 去拆解任务时，你会发现，不仅是与AI沟通变顺畅了，你在向人类同事布置任务、汇报工作时，逻辑也会变得更加清晰。
AI不会淘汰人，但“会用AI的人”通过高效率的Prompt工程，将会对“不会用AI的人”形成降维打击。
从今天开始，把你的每一次提问，都当成一次精准的编程。收藏这个公式，去探索那个无限可能的概率空间吧！
最后，给大家安利一个"专攻"提示词的网站, 里面有很多提示词供大家使用, 同时新用户注册可免费领取10万token哦。。。 prompts.explinks.com/packs/integ…
