一条好的职场 AI 提示词，要给模型四样东西：清晰的目标（你想要什么）、背景（为什么、给谁用）、一个"好结果长什么样"的范例，以及你需要的输出格式。把它们像给新同事交代任务一样说清楚，然后读结果、再改。这个循环，就是全部的功夫。
大多数人只敲一句含糊的话，拿到一个平庸答案，就断定"AI 没那么有用"。差距几乎从来不在模型，而在提示词。下面这组小习惯，能稳稳地把一个平庸回答变成能用的回答——依据来自各家厂商自己的指引，也来自本站真正跑过的一条提示词。
一条能用的提示词的四个部分
微软自家的 Copilot 培训把一条有效提示词拆成四部分：目标、背景、来源、期望——并指出只有目标是必需的，另外三个只是让结果更具体。这是适用于任何工具的清单，不只是 Copilot：
- 目标——任务本身。"总结一下"弱于"用三个要点，为不懂技术的经理总结"。
- 背景——你为什么问、给谁看。读者、利害、约束条件。
- 来源——要处理的材料：邮件往来、文档、你自己的一段写作样本。
- 期望——答案的形状：长度、格式、语气（要点还是段落，正式还是随意）。
你很少需要凑齐这四样。但答案一旦跑偏，通常就是缺了其中一样——最常缺的是期望或背景。
像给新同事交代任务一样写
最有用的一条检验来自 Anthropic 的提示词工程指南：把你的提示词给一个几乎没有背景的同事看，看他能不能照着做。如果一个人会看懵，模型也会。Anthropic 的核心建议就是：清楚、带上背景、具体地说明你到底想要什么——模型读不到你留在脑子里的意图。
OpenAI 的指引从另一面说了同一件事：要具体、给足背景、避免歧义，并用朴素的形容词——"正式""友好""简洁"——来引导语气。模型很能干，但它不会读心，也不知道你对自己工作的那些了解。
别只说，拿范例给它看
想要某种语气或结构，别去描述它，直接贴一个。给模型一个"好结果长什么样"的样本（你过去的邮件、一份格式漂亮的报告、你想要被填好的版式），是锁定一种难以言传的风格的最快办法。这正是为什么微软的清单里有"来源"这一格，也是为什么一个简短范例通常胜过一长串堆砌形容词的指令。
四个习惯同时出现、最清楚的例子，是本站真正在跑的一条提示词：Issue #001 的 Gmail 分拣系统提示词。它给了模型一个角色、收件箱的背景、要分拣进去的明确类别，以及固定的输出格式——目标、背景、来源、期望，全都写明了。值得一读，不是为了照抄，而是为了学它的骨架：具体的角色、具体的规则、具体的输出。
第一条提示词只是草稿
把写提示词当成一个循环，而不是一锤子买卖。OpenAI 的指引说得很直白：先写一条、读回答、再改——调措辞、补背景、或者简化。你很少能一次拿到完美答案，这很正常；结果出色的人不是写出了完美提示词，而是迭代得更快。
任务大，就拆开。先要大纲，再要初稿，再要润色——每一步都给你一个在错误累积前纠偏的检查点。而不论返回什么，你始终是那个编辑：模型起草，由人决定什么能发。这份"人来把关"的纪律，和本站每一个有记录的搭建背后是同一条——agent 提议，你批准。
这件事处在哪个位置
写提示词是第一天的技能；一旦上手，下一级是上下文工程——决定该把哪些信息摆在模型面前，而不只是怎么措辞。如果你想让一整个团队越过"含糊一句话"的阶段，那更多不在于某一条提示词，而在于帮每个人在自己真实的工作上养成习惯。全新上手？先看agent 入门。
FAQ
怎么写出有效的职场 AI 提示词？ 给模型四样东西：清晰的目标（任务）、背景（你为什么问、给谁用）、可参照的来源或范例，以及对输出的期望（长度、格式、语气）。微软的 Copilot 培训用的正是"目标—背景—来源—期望"这套结构，而且只有目标是必需的，其余三个只是让结果更锐利。像给新同事交代任务一样说清楚，想要某种风格就贴一个样本，然后读答案、再改。功夫不在写出一条完美提示词，而在快速迭代。
AI 为什么总给我泛泛或错误的答案？ 几乎总是因为提示词含糊，而不是模型不行。你问"写个总结"，就会拿到一个泛泛的总结；你问"三个要点，给我的经理，聚焦我们要做的决定，用大白话"，就会拿到那样的东西。Anthropic 的那条检验很好用：如果一个几乎没背景的同事都看不懂你的提示词，模型也看不懂。把缺的背景、读者和格式补上。
我需要去学"提示词工程"吗？ 日常工作不必把它当成一门正式学问。Anthropic、OpenAI、微软的厂商指引归结起来都是同一组朴素习惯：具体、给背景、给范例、指定格式、不断迭代。这些就足以让 ChatGPT、Claude 或 Copilot 在普通办公任务上给出好结果。更深的技巧，更多是在你搭建一个 agent 时才重要，而不是在你要一份草稿时。
提示词里要不要放范例？ 要——只要输出有一种难以用语言描述的风格或结构，就放。贴一个好范例（一封你口吻的旧邮件、一份你想要格式的报告、一个填好的模板），比一整段指令更快锁定结果。想要稳定、贴合口吻的输出，这是单项收益最高的习惯。
一条好提示词应该试几次？ 预期要试几次。OpenAI、Anthropic、微软都把写提示词描述成一个迭代过程：写、读结果、调整、重复。如果第一次答案对了七成，去改提示词，而不是手动重写答案——你会得到更好的结果，还有一条可复用的提示词。任务大，就拆成几步，这样每一步都能在往下走之前纠正。
本站每一篇都是一个真实、有记录的 AI 搭建——任务、确切的提示词、以及诚实的结果，包括没跑通的地方。学好提示词最清楚的办法，就是去读真正跑过的那些。想每周收到一个？免费订阅。