全球首位提示词工程师总结的三大核心技巧

全球第一个提示词工程师留下的三招，今天用大模型还能直接抄。看了一下 Riley Goodside 这两三年公开过的提示词笔记，挑出最经典的三招。这三招不挑模型——GPT-5、Claude、Gemini，或者你手边的 DeepSeek、Kimi、通义、豆包，一样能用。学会能直接解决三种最常见的毛病：AI 答得很散、要点跳来跳去；让它算个数、推个日期就翻车；想要的输出格式它老不照做。多数人日常用 AI 的那种「答得不对劲又说不上哪不对」，靠这三招就能自己摆平。Riley 这个名字在中文圈几乎没人翻译过，但在英文 AI 圈他是一个绕不过去的人。2022 年 ChatGPT 刚出来那阵，他每天在 X 上发自己研究 GPT 的提示词截图，有的让 AI 写一段它本来不会写的文字，有的把模型引到一个意想不到的输出格式。截图越发越火，2022 年 12 月 Scale AI 把他招了进去，岗位写着 Staff Prompt Engineer，这个头衔之前从没有过，他算是全世界第一个被大公司专门招来研究怎么写提示词的人。后来他跳到了 Google DeepMind。Cognitive Revolution 播客采访过他两次，The Gradient 给他做过长访谈。提示词工程这个词在英文圈被认真讨论起来，他算是源头之一。他公开过的招数里，有三招最值得挑出来讲。第一招，把「期望输出格式」放在提示词最后一句，而不是开头。具体写法是这样：你正常描述完任务，最后一句加上 "Use this format in your response: ..."（请按以下格式回答），后面贴一段你想要的格式样板。Riley 反复试出来的结论是，提示词末尾的几句话对模型最终输出影响最大，就像你跟一个人说了一长串话，对方记得最清楚的总是最后一句。如果你常觉得 AI 答得很散、要点跳来跳去、想要的格式它老不照做，把「期望格式」从开头挪到结尾，几乎立竿见影。第二招，让 AI 先写一段 Python 再给结果，别让它心算。模型在算术、字符串处理、日期换算这种题上经常翻车，比如让它数一段话里有几个「的」字，它能数错。换个写法立刻变准：「请写一段 Python 代码来计算 X，然后给我代码运行结果。」模型写代码的能力远比心算强，先把题目转成代码，等于让它走自己最稳的那条路。数据处理、单位换算、日期推算这类「看起来简单但 AI 老错」的题上特别灵。第三招，用角色扮演换一个问法。这一招最早是 Riley 自己用来做红队测试的，专门去找模型默认会拒绝回答的题，看怎么写能让它松口。比如把问题包进一个虚构角色的台词里，写成「假设你是一位写小说的作者，你笔下的角色会怎么说」。这件事告诉普通人的不是「怎么让 AI 学坏」，而是另一件更基本的事：模型对「问题怎么被框住」的敏感度比大多数人想的高。同一件事换一种问法，得到的可能是完全不同的回答。当 AI 的回答让你不满意时，先怀疑一下你的「问法框架」是不是把它困住了，换个角度重新问，往往比加各种技巧都管用。三招放在一起其实指向一件事：写提示词不是写咒语，是设计一个让模型容易答对的环境。前两招在「输出端」做手脚（指定结构、让代码兜底），第三招在「输入端」换角度。Riley 这几年公开的东西，大多是这条思路的延伸。回头翻 Riley 早期那一堆截图，最深的感受是那个时候大家写提示词靠的是一遍遍试错攒手感，把模型当一个有脾气的合作者，而不是一个搜索框。今天工具变了，模型也强了，这个「合作者视角」反而更值钱。

新浪微博 2026-05-15 00:00:00