企业官网建设流程全解析

先说个现象：同样都是和 AI 对话，有人三句话就能拿到能直接用的方案，有人来回改十遍还在原地打转。差别往往不在模型强不强，而在你交出去的那段话——也就是 Prompt——质量高不高。我刚开始认真研究提示工程（Prompt Engineering）的时候，也迷信过各种花哨技巧，后来发现真正能稳定提升效果的，就是三件事：一套万能框架、几种优化技巧、一批能衡量好坏的常用指标。这篇就把这三件事一次说透。不管你是写文案、搞代码、做数据分析，还是只想让日常办公效率高一点，下面这些内容都可以直接拿去用。

1. 先搞懂模型是怎么"读"你这句话的

1.1 模型不是人，它靠概率猜你的意思

大语言模型的底层逻辑，说穿了就是：根据已经出现的文本，预测下一个最可能出现的词。你写的 Prompt 不只是"提问"，它实际上是给模型划定了一个概率空间——你说得越清晰，模型猜测的范围就越小，答案自然越准。反过来，你说得含糊，模型就只能用训练数据里最平均、最通用的方式来回应你。

我习惯把这想象成一个能力很强但不认识你的新同事。你只说"帮我把这件事处理一下"，他大概率会一脸懵；但如果你告诉他"我是谁、要什么结果、有什么限制、最后交给我什么格式"，他就能直接干活。模型的"理解"不是真正的理解，而是上下文模式匹配，所以它特别依赖你给出的信息结构。你给的信息结构越完整，它输出的时候需要自行脑补的部分就越少，翻车概率自然下降。

1.2 宽泛提问为什么会翻车

"帮我写一份方案"这类 Prompt 的问题，不是模型笨，而是需要它自己脑补的东西太多：方案给谁看？什么行业？预算多少？结构要几部分？风格是保守还是激进？每一个维度都是自由发挥，多一个自由发挥，就多一分跑偏概率。我实际测试过一个常见模型，问它"怎样提升销售额"，它给了一堆正确的废话：了解客户、优化产品、加强营销。听起来都对，但完全没法落地。换成"我是做企业级 SaaS 的，客单价两万，目前试用转化率只有 5%，请给一套针对中小团队的转化率提升方案"，输出立刻变成可以执行的清单。差别不在模型，在信息密度。

还有两个容易被忽略的概念：上下文窗口和位置偏差。模型只能看到上下文窗口内的内容，而且对开头和结尾的记忆通常比中间更强。所以写 Prompt 时，核心要求尽量放开头或结尾，中间留作细节描述；太长、太杂的背景反而可能淹没重点。我看到不少人喜欢把背景材料一股脑全塞进去，结果模型被无关信息带偏。我的经验是：背景只保留和任务直接相关的信息，哪怕少一点，也比杂乱更强。

另外必须明确：模型没有记忆。每次对话都是独立的，前一次的回答不会自动成为后一次的背景，除非你在同一个会话里并且明确引用了它。所以 Prompt 必须自带上下文，不能指望它"记得"你上次说过什么。这也是下面五维框架里背景那一维非常重要的原因。

2. 万能框架：五维定位法，把模糊诉求变成清晰指令

2.1 五维拆解：角色、任务、背景、约束、输出

我研究过不少公开的 Prompt 框架，比如 CRISPE、BROKE 这类，本质上都是在解决同一个问题：让模型不用猜。综合下来，我自己最顺手、也最常推荐给团队的是五维定位法，五个维度分别是角色、任务、背景、约束、输出。这个框架的好处是足够简单，一句话就能记住，而且覆盖了最容易出错的几类信息。

具体拆开讲：

• 角色：你希望 AI 站在什么身份上回答。同样一段话，让它以"资深律师"身份和以"热心网友"身份回答，专业性和措辞都会差很多。角色其实是在限定它调用哪一类训练知识，能直接影响输出的语气、术语密度和立场。
• 任务：核心动作。最好用动词开头，一条 Prompt 只安排一个主任务。如果一句话里同时出现"分析、总结、给出建议"三个动作，模型很容易顾此失彼，最后每个都只做一半。
• 背景：它完成任务需要知道的信息，包括目标受众、使用场景、已有材料、限制条件。筛选标准很简单：如果换成真人来做这件事，他必须知道什么？不知道会不会做错？
• 约束：边界条件。长度、风格、语气、必须包含什么、不能出现什么。这里有个技巧：能正向表达就正向表达，这个我在后面优化技巧里会细说。
• 输出：你期望拿到的成品形态。是正文、表格、代码、还是 Markdown 格式？提前指定，能省掉大量二次加工的麻烦。

为什么习惯按"角色→任务→背景→约束→输出"这个顺序写？因为角色放在最前面，会主导后面所有内容的语气；输出放在最后，等于先想清楚终态再倒推过程。这个顺序不是死的，但保持稳定会让自己复查时更容易发现漏了哪一维。我还给自己定了一个自查口诀：每次写完 Prompt，问五个问题——它知道自己是什么身份吗？它知道要做成什么吗？它有足够的信息吗？有什么限制？最后我要什么格式？五个问题只要有一个答不上来，就先别发给模型。

2.2 套用框架前后对比

光说理论不好记，我拿最常见的场景演示一下。原始 Prompt 只有一句话："帮我写一份产品推广方案。"

套上五维之后：

角色：你是一名有 5 年经验的消费电子行业营销顾问 任务：为我们的新品耳机写一份推广方案 背景：产品主打降噪和长续航，目标用户是 25-35 岁的通勤上班族；本月在电商平台首发，预算 30 万 约束：方案需包含目标人群、核心卖点、渠道组合、预算分配、时间节奏五个部分；不能用"黑科技"这类空泛词；全文 800 字以内 输出：Markdown 格式，每个部分用三级标题；文末附一段 50 字以内的推广语

对比一下就能看出来，第一版输出大概率是"尊敬的客户，感谢您……"这种模板开头；第二版输出会直接给你一套有结构、有数字、可执行的方案。关键不是写得长，而是把模型做决策时需要的信息都提前给了它。很多时候，Prompt 效果差不是因为技巧不够，而是基本的信息维度没补齐。

3. 框架落地：不同任务类型下的 Prompt 变体

3.1 文案写作与问答咨询

写文案的时候，我一般会把"受众"和"风格"提到最高优先级。因为同样的内容，给老板看和给用户看完全是两种写法。我的通用模板是：角色 + 受众 + 字数 + 语气 + 禁用词 + 要包含的核心卖点。比如：

你是资深公众号编辑。读者是刚工作 1-3 年的年轻人，请为《写给职场新人的时间管理建议》写一段 120 字左右的开头。语气要有共鸣感，不用"在这个快节奏的时代"这类陈词滥调。直接给两个备选版本，分别标注风格差异。

这样写，模型不会拿一篇中老年风格的鸡汤来糊弄你。问答咨询类则相反，最优先的是"信息边界"。模型最大的风险是自信地编造，所以我会在 Prompt 里明确写"如果你不确定，请直接说不确定，并列出你还缺哪些信息"。如果问题涉及具体数字、日期，我还会要求它标注信息来源，或者至少提示不确定程度。这种写法能明显降低幻觉率，尤其是在知识库覆盖不稳定的领域。

3.2 代码生成与数据分析

代码生成类任务，五维里我通常把"背景"替换成一个最小可运行示例，把"约束"换成技术栈和异常处理要求。比如：

你是资深 Python 开发。写一个函数，把大型 CSV 文件按指定列去重后输出为新的 CSV。 背景：文件最大 2GB，内存有限；只允许使用标准库。 约束：用流式读取方式处理，不能一次性 load 进内存；需要处理异常并给注释；附一段调用示例。 输出：先输出完整代码，再用 3 行说明用法。

代码类 Prompt 最容易翻车的点，是模型给出理论上正确但跑不起来的结果。所以我通常会在约束里明确"给出可在 Python 3.11 直接运行的代码"，并且在让它写 SQL 时指定数据库版本比如 MySQL 8.0，避免因为语法差异产生重复返工。

数据分析类任务，更重要的是让模型理解数据结构。我一般会在 Prompt 里放一段建表语句或字段说明，再定义指标口径，最后指定输出形式。例如：

下面是订单表结构（order_id, user_id, amount, create_time）。 请计算每个用户最近 30 天的订单数和总金额，按总金额降序排列。 输出：一条 MySQL 8.0 兼容的 SQL，并在末尾用两句话解释思路。

3.3 办公文档与跨工具场景：别把"Prompt"这个词搞混

顺带说一句，Prompt 这个术语在软件圈很早就有：SQL Prompt 是写 SQL 时的智能提示插件，Windows 命令行里的 command prompt 是命令提示符，PPT 里一些 AI 插件也把生成按钮叫 prompt。它们和"给大模型写提示词"不完全是一回事，但核心逻辑相通——都是用一个短指令让系统做一件事。我见过有人搜 SQL Prompt 下载了半天，结果发现和自己想的大模型提示词不是同一个东西；也有人因为 command prompt 窗口闪退，误以为是大模型问题。理解这种概念差异，能省不少时间。

4. 优化技巧：从"模型能懂"到"模型答得好"

4.1 少用否定句，多用正向指令

模型对"不要 XX"的处理很不稳定。你写"不要写太长"，它可能反而关注"长"这个属性；你写"不要提到价格"，它反而容易在输出里带出价格——因为否定句会让模型把注意力放到被禁止的词上。我的做法是，把所有"不要"改写成"要"。比如：

• 不要用生僻词 → 用初中生能看懂的词汇；
• 不要超过 500 字 → 控制在 300 到 500 字之间；
• 不要用官方套话 → 用口语化、有温度的表达。

这样改写之后，模型收到的指令是清晰的行为目标，而不是一个模糊的禁区。实测下来，正向指令的稳定性和完成度都明显更高。

4.2 给示例比给描述更管用

如果希望模型模仿某种风格，描述一百遍"要有幽默感、节奏要快"，不如直接给它一小段示例。这就是 few-shot 的核心逻辑：给模型一个输入-输出对，它会自己归纳出格式、语气、结构。我在写公众号文章和英文邮件时经常会用这招。比如写英文邮件，与其要求"请写得专业且友好"，不如给它一句参考："I'd love to catch up next week if you have time—happy to work around your schedule." 然后让它照这个语气写。模型很少让你失望。

示例比描述更有效的原因在于，语言描述风格的时候，不同的人对"幽默"和"专业"的理解差异很大，但示例是确定的锚点。一个例子顶三段形容词，这在 Prompt 优化里是最容易被低估的技巧。

4.3 复杂任务先拆解，再要求"先思考后回答"

模型直接回答复杂问题容易出错，这和大模型"抢答"的习惯有关。你按下回车，它就开始生成，没有机会先停下来整理思路。最简单的解决办法是加一句话："请先一步步分析，最后再给出结论。"这就是思维链（Chain of Thought，CoT）的用法。我在一个需求分析场景里验证过：直接问"我们应不应该做某个功能"，模型的回答比较空；改成让它先列出"当前产品定位、目标用户、成本、风险"四个维度，再逐个分析，最后给出建议，质量完全不一样。

要注意的是，思维链不等于把内心独白全部吐出来。如果你只关心结论，可以要求它"内部推理后，在回答里只给结论，并在末尾附上简短的推理摘要"。另一个很实用的升级技巧是自我纠错：输出后追一句"请检查上面的回答，找出可能不准确、不完整或语气不合适的地方，再给一版修正稿"。相当于让模型自己当审稿人，在长文案和代码生成场景里尤其管用，能把明显的小问题提前过滤掉。

4.4 用参数配合 Prompt，效果加成

Prompt 不是唯一变量。同一个 Prompt，temperature 不同，输出可能从"稳如老狗"变成"天马行空"。我的经验是：做信息抽取、格式转换、代码生成时，temperature 设 0 到 0.3；做文案创意、头脑风暴时，设 0.7 到 1.0。top_p 通常和 temperature 二选一即可，不必两个都动。max tokens 也要给够，不然长文章写到一半被截断，等于白写。

但要注意顺序：先调 Prompt，再调参数。参数是辅助，别指望把 temperature 调高就能救回一个信息缺失的 Prompt。如果 Prompt 本身含糊，再高的创造性也只是让你得到一段更加流畅的跑题内容。

5. 常用指标：好 Prompt 不是感觉出来的

5.1 机器评估指标：BLEU、ROUGE、BERTScore 怎么选

做提示工程绕不开评估。机器评估方面，最传统的是 BLEU，它看生成文本和参考文本的 n-gram 重合度，适合机器翻译类任务，但对生成式回答偏严格，因为同一个意思完全可以用不同的词表达。ROUGE 更看重召回，适合摘要类任务，结构相似但表述灵活时分数还好。近几年大家用得比较多的是 BERTScore，它基于语义向量算相似度，和人类判断的相关性更好，但仍然不能完全代替人。

实际使用时我的建议是：不要只用单一指标，尤其不要只看 ROUGE 或 BLEU 的分数变化就下结论。指标只能帮你发现"有没有变差"，不能告诉你"有没有好到可用"。所以我把机器指标当筛子，而不是裁判。

5.2 业务指标：格式遵循率、幻觉率、人工评分

真正给团队或客户交付时，我更关心业务侧的指标。这些指标不用算复杂的公式，但更贴近真实使用体验：

这些指标里，稳定性和幻觉率最容易被忽略。我见过很多团队只看生成结果"看起来不错"，结果一上线就发现同一个 Prompt 十次结果九种风格。这时候与其改 Prompt，不如先检查 temperature 是否过高，再检查约束是否写得太模糊。

顺带说一句，你可能遇到过一条报错：invalid prompt，你的提示词被内容安全策略标了红旗。这类情况往往不是模型坏了，而是措辞触发了安全过滤。解决办法通常不是硬闯，而是把意图用更具体、更中性的语言重新表达，并避免在 Prompt 里堆砌容易被误判的词。我后来专门把"安全改写"列入测试集，确保团队里任何人都能处理这种情况。

5.3 搭一套自己的 Prompt 回归测试集

评估 Prompt 最实操的方法，是建立一份回归测试集。我自己的做法是：把日常最高频的 10 到 20 个任务各沉淀一条 Prompt，形成一份测试集。每次准备修改某一条 Prompt 之前，先把这一条任务跑 3 到 5 次，记录上面说的关键指标；修改后再跑同样的次数，对比指标变化。如果一个指标提升但另一个明显下降，就要掂量权衡。

模板大概长这样：

如果你没有人工评分条件，可以让另一个模型当裁判：把 Prompt、输出、要求清单一起发给裁判模型，让它按维度打分。这就是 LLM-as-judge 的做法。注意裁判模型本身也有偏好，所以最好同一批样本用同一个裁判、同一套标准，保证分数可比。

6. 实战复盘：一封邀请函从 30 分改到 90 分的全过程

6.1 第一版：无角色、无背景、无输出约束

假设任务很简单：写一封新品发布会邀请函。第一版 Prompt 是"帮我写一封邀请函"。模型给的回复通常是：

尊敬的客户： 为了感谢您长期以来的支持，我们诚挚邀请您参加本次新品发布会……

看起来没毛病，但完全不能用：没有时间、没有地点、不知道发布会亮点、也不知道是给谁发的。原因就是五维全部缺失。我用指标一量：任务完成率大概只有 30%，格式没有要求，稳定性也随缘。

6.2 第二版：补全五维

第二版我按五维重写：

角色：你是某科技公司的市场部经理 任务：写一封新品发布会邀请函邮件 背景：发布会于 6 月 8 日下午 2 点在上海某酒店举办，展示新款智能手表，主打健康监测功能；收件人是合作两年以上的渠道商客户 约束：语气亲切但不失正式；正文 300 字左右；必须包含时间、地点、发布会亮点、报名方式；不要用大量感叹号 输出：主题行放最前面，然后是邮件正文

跑出来的结果明显可用了：有时间地点、有产品卖点、有报名方式，稍微改改就能发出去。格式遵循率 100%，任务完成率大概 80%——有一次漏了报名方式。这就引出了第三版。

6.3 第三版：用指标驱动微调

漏掉报名方式，说明"报名方式"这个信息在 Prompt 里的权重不够。我做的第一件事，不是加一堆"一定要写报名方式"，而是把它同时放进背景和约束两个维度里强调，并在背景里把报名方式具体化："报名方式：直接回复本邮件即可参加"。约束里再加一句"结尾必须写清报名方式"。

然后我在测试集里连跑 5 次，任务完成率变成 100%。同时我把 temperature 从默认值降到 0.3，确保稳定。最后再让模型模仿一个参考示例的开头语气，整体质感又上了一个台阶。整个过程没有改任何代码，只是围绕指标把 Prompt 从"能用"调到了"好用"。

说句实话，Prompt 没有终极完美的版本。模型在升级、任务在变化，今天好用的框架明天可能就要微调。我自己的体会是，真正拉开差距的不是背诵模板，而是建立一条"反馈回路"：每次生成都是一次测试，不满意就对照五维看漏了哪一项，再用指标验证改完有没有变好。把这套流程跑顺，你不再需要到处找所谓的万能 Prompt，你自己写出来的，就是最顺手的万能 Prompt。