写好提示词，AI 更听话：三步模板 + 模型适配
结合 MIT、Google 等指南，给出三层提示结构，并针对 Gemini 和 Kimi 给出调优窍门。
提示词的本质：你是在用词编程
AI 提示词（prompt）就是你和模型对话的起点——你输入什么，它输出什么。MIT 的教学文章指出，可以把生成式 AI 工具（如 ChatGPT、Claude）理解为“一台你用词编程的机器”（Mollick, 2023）。你遣词造句的方式，直接决定了输出的质量。
高效的提示词不是简单说“写一篇文章”，而是像下指令一样明确任务、背景、格式和约束。
三步模板：背景 + 任务 + 格式
Google 培训中常用的模板是：Context（背景）+ Task（任务）+ Format（格式）。
Background / Context：告诉 AI 你需要它扮演什么角色，了解哪些前提。
例如：“你是一位有 10 年经验的营销专家，面向中小企业。”
Task / Goal：明确说出你要它完成什么。
例如：“请为我们的新产品撰写 3 条社交媒体文案。”
Format / Constraints：定义输出的结构、长度、风格等。
例如：“每条 100 字以内，带一个 emoji，用口语化语气。”
完整例子： > “你是一名面向创业者的 AI 助手。我需要你帮我写一封简短的感谢邮件，对象是刚投资我们种子轮的天使投资人。邮件要表达真诚感激，并告知下一轮融资计划。控制在 150 字以内，保持正式但温暖。”
进阶技巧：让 AI 先写“框架”再填充
Reddit 社区的一位高级用户分享了实用方法：先让 AI 生成一个回答框架或大纲，再用这个框架来生成最终内容。这能大幅提升输出的逻辑性和可控性。
例如： > “请先列出关于‘远程团队效率提升’的三个关键建议的提纲。然后针对每个建议写一段 200 字左右的解释。最后用一段话总结。”
这样 AI 不会跑偏，且内容结构清晰。
不同模型的偏好（实测发现）
基于近期的用户实测对比（测试了超过 200 条提示词），不同模型对提示词的敏感点不同：
Gemini：对明确的输出格式约束（如“用序号列出 5 点，每点不超过 30 字”）响应更好。如果你只说“解释机器学习”，它容易泛泛而谈；加上格式要求后，回答更精准。
Kimi：擅长多步骤的链式思考（chain-of-thought），例如“先分析问题原因，再给出解决方案，最后对比优劣”。但它对模糊的角色扮演提示（比如“你是一位专家”）容易跑偏，不如直接给任务步骤。
因此，使用 Kimi 时尽量把任务拆成清晰步骤；使用 Gemini 时优先指定输出格式。
避坑指南
不要只说“写得好一点”：好是主观的，给示例或标准（比如“像知乎科普文一样，带案例和数据”）。
一次只做一件事：不要在一个提示里塞多个独立任务，AI 容易顾此失彼。分几次对话更高效。
重复迭代：第一次输出不满意很正常，用后续追问来调整（如“语气更轻松一点”、“再加上一个反例”）。
掌握这些原则，你的 AI 输出质量可以提升一大截。下次写提示词时，试试用“背景 + 任务 + 格式”模板，并根据模型微调方法。