想让 AI 模型交出好成果，并不需要什么秘诀。Anthropic 和 OpenAI 都公开发布了如何向自家模型交代任务的指南，而且两者的建议重合度比您想象的更高。Anthropic 的指南开篇给出一个值得记住的比喻：把模型当作一位才华出众、但刚入职的新员工，他还不了解您的规范和工作流程。下面几乎每一个习惯都由此而来。
先说一件事。Anthropic 的指南默认您清楚好结果是什么样子，并且有办法检验。在打磨提示词之前，先用一两句话写下什么才算成功。
1. 像给能干的新同事布置任务一样交代
Anthropic 的黄金法则：把提示词拿给一位对任务几乎不了解的同事看。如果他看不懂，模型也会看不懂。再加一句说明它要扮演的角色，也会有帮助。与其写“写一段电子报开头”，不如写“你为我们的 B2B 电子报撰稿：为现有客户写一段 60 字左右的开头，宣布我们的客服台现在早上 8 点开始服务。”
2. 说明原因，而不只是提出要求
说明一条指令背后的原因，能帮助模型理解您的目标，它还会从解释中举一反三。Anthropic 自己的例子是，把“绝对不要使用省略号”改为说明原因：这段文字将由语音合成引擎朗读，而引擎无法读出省略号。与其写“写短一点”，不如写“写短一点，因为它会作为通知显示在手机锁屏上。”
3. 用数字和格式代替含糊的词
OpenAI 建议把背景、预期结果、长度、格式和风格说具体，并删掉空泛、含糊的描述。与其写“一段比较短的产品介绍，别太长”，不如写“一段 3 到 5 句的产品介绍，用‘您’称呼读者，最后写上价格。”
4. 直接要结果，而不是要建议
模型会按字面理解您的话。Anthropic 指出，“修改这个函数以提升性能”比“你能建议一些修改吗”效果更好；如果您想要超出基本要求的成果，就必须明确提出。与其问“这个标题有什么想法吗？”，不如写“把这个标题改写成三个版本：一个平实、一个俏皮、一个围绕数字展开。”
5. 说该做什么，而不只是不该做什么
两份指南都强调这一点：一串禁令只会让模型去猜您真正想要什么。与其写“不要用术语”，不如写“写得让一位没有技术背景的新客户能看懂每一句话。”
6. 给出三到五个示例
几个精心挑选的示例能提高准确性和一致性。Anthropic 建议提供三到五个，贴近您的真实用例，并且足够多样，避免模型照搬某个偶然的模式；OpenAI 同样建议示例覆盖多种不同的输入。与其写“按我们的风格写邮件标题”，不如写“这是四个在我们这里效果很好的邮件标题，请按同样风格为春季促销再写五个。”
7. 把指令和材料分开
当指令、背景和原文混在一起时，模型可能会把其中一种误当成另一种。Anthropic 建议把每一部分放进各自带有清晰名称的 XML 风格标签中；OpenAI 则提到三引号之类的分隔符，或 Markdown 标题。与其把报告直接贴在问题下面，不如写“用五个要点总结下面的报告”，再把报告放进命名清楚的标签里。
8. 长材料放前面，问题放最后
处理长文档时，Anthropic 建议把材料放在顶部、问题放在末尾；在其测试中，这样做能把回答质量提升多达 30%，在有多份文档时尤其明显。先让模型引用相关段落，也有助于它聚焦。与其把“这份合同关于解约是怎么规定的？”放在四十页合同上方，不如先放合同，最后写“先引用关于解约的段落，再用通俗的话解释它们对我们意味着什么。”
9. 允许说“我不知道”，并要求核查
Anthropic 关于减少幻觉的指南，第一条就是明确允许模型承认自己不知道。请它为每个论断注明来源，或在收尾前对照您的标准检查答案。与其问“我们三家竞争对手的市场份额是多少？”，不如写“只使用我附上的报告，为每个数字注明出处；如果报告里没有某个数字，请直接说明。”
10. 给会思考的模型一个目标，而不是一份剧本
如今许多模型会先推理再回答。OpenAI 把推理模型比作资深同事，交给他一个目标即可；而把经典的 GPT 模型比作初级同事，需要明确的指令。Anthropic 补充说，像“深入思考”这样的提示，往往比亲手写好的分步计划带来更好的推理。与其为一项分析写下十个步骤，不如写“找出我们三月份转化率下降的原因；先查看数据，再告诉我你会怎么做。”
先测试，再分享有效的做法
在信任一个提示词之前，先用几个真实案例试一试，保留效果最好的版本。OpenAI 还建议建立评估机制，这样当新版本模型表现发生变化时，您能及时察觉。
一个有效的提示词，就是公司的知识，理应如此对待。
在 Zaela 中，一种行之有效的方法只需记录一次，人人都能使用，并与您的品牌规范和语气一起存放在共享记忆中。同样的事问了两次？把它变成一个智能体。