企业官网建设流程全解析

1. 为什么你写的提示词总是不尽人意

我接触AI提示词这件事，算下来也有不短的时间了。最开始跟大多数人一样，觉得这玩意儿有什么难的，不就是把需求打出来发给AI吗？结果被现实反复教育——同一个问题，别人写出来的提示词能让AI输出一篇逻辑严密、结构清晰的分析报告，我写出来的只能得到一段泛泛而谈的废话。后来我开始系统性地研究提示词的底层逻辑，拆解了几十种框架和模板，在实际项目中反复验证，才慢慢摸到了门道。

这篇文章要聊的，就是如何优雅地学会AI提示词。所谓“优雅”，不是花里胡哨地堆砌术语，而是用最合理的结构、最精准的表达，让AI一次性给出你想要的结果。我会拆解3大经典框架、7类通用模板，配合6个实战案例，把提示词这件事从“玄学”变成“工程”。不管你是刚接触AI的新手，还是已经用了一段时间但总觉得效果不稳定的老手，都能从中找到可以直接抄作业的方法。

先说说为什么大多数人的提示词效果不好。我观察下来，核心问题集中在三个层面：信息缺失、结构混乱、约束不足。信息缺失是指你只说了“帮我写个方案”，但没告诉AI面向谁、什么场景、多长篇幅、什么风格；结构混乱是指你把背景、任务、要求混在一起写，AI分不清主次；约束不足是指你没有设定输出格式、字数范围、禁止事项，导致AI自由发挥偏离预期。这三个问题，恰恰是经典框架要解决的核心痛点。

2. 三大经典框架深度拆解

2.1 CRISPE框架：复杂任务的结构化利器

CRISPE是我用得最多的框架之一，尤其适合需要AI扮演特定角色、完成复杂分析任务的场景。它把提示词拆成六个维度：

• Capacity and Role（能力和角色）：告诉AI它应该以什么身份来回答。比如“你是一位有十年经验的品牌营销顾问”。
• Insight（背景信息）：提供任务相关的背景、上下文、已知条件。
• Statement（任务陈述）：明确你要AI做什么，用动词开头，越具体越好。
• Personality（风格个性）：指定输出的语气和风格，比如“专业但通俗”“简洁直接”“带有批判性思维”。
• Experiment（实验要求）：要求AI提供多个方案或不同角度的回答。
• Output（输出格式）：规定输出的结构，比如表格、分点、JSON格式等。

为什么这个框架有效？因为它模拟了人类专家解决问题时的思维过程——先明确身份，再了解背景，然后定义任务，最后约束输出。AI在生成内容时，本质上是在做概率预测，你给的条件越充分，它预测的方向就越精准。

我实测下来，CRISPE框架在以下场景表现最好：商业分析报告、产品方案策划、竞品调研、技术选型对比。这些任务的共同特点是信息量大、需要多角度思考、对输出结构有明确要求。

注意：CRISPE的六个维度不需要每次都全部用上。简单任务可以只保留Role、Statement和Output三个核心维度，复杂任务再补全其他维度。关键是不要为了用框架而用框架。

2.2 CO-STAR框架：内容创作的全能选手

CO-STAR是另一个我高频使用的框架，特别适合内容创作类任务。它的六个字母分别代表：

• Context（上下文）：提供背景信息，让AI理解任务的来龙去脉。
• Objective（目标）：明确你希望达成的具体目标。
• Style（风格）：指定写作风格，比如“像科技博主一样”“像学术论文一样”。
• Tone（语气）：设定情感基调，比如“轻松幽默”“严肃正式”“共情温暖”。
• Audience（受众）：说明内容面向谁，这直接影响用词和深度。
• Response（响应格式）：规定输出的具体格式。

CO-STAR和CRISPE的区别在于侧重点不同。CRISPE更偏向问题解决和决策分析，CO-STAR更偏向内容生成和表达优化。举个例子，如果你要让AI写一篇公众号文章，CO-STAR会比CRISPE更合适，因为它对风格、语气、受众的约束更细致。

我个人的经验是，CO-STAR框架中Audience这个维度最容易被忽略，但恰恰是最关键的。同样一个话题，写给小学生看和写给行业专家看，用词、深度、举例方式完全不同。你在提示词里明确受众之后，AI会自动调整表达策略，输出质量会有明显提升。

2.3 思维链框架：让AI学会“一步步想”

思维链（Chain of Thought）严格来说不算一个完整的提示词框架，而是一种引导AI推理的技术。它的核心思想很简单：不要直接让AI给答案，而是要求它展示推理过程。

最基础的思维链提示词就是加一句“让我们一步步思考”。但实际用起来，这句话的效果有限，因为AI的“一步步”可能并不符合你的预期。更有效的做法是手动拆解推理步骤，比如：

请按以下步骤分析这个问题： 第一步：列出所有已知条件和约束 第二步：识别核心矛盾和关键变量 第三步：提出至少三种可能的解决方案 第四步：对比各方案的优缺点 第五步：给出最终建议及理由

为什么思维链有效？因为大语言模型在生成回答时，如果直接跳到结论，中间的逻辑跳跃可能导致错误。而强制它展示中间步骤，相当于给了它更多的“思考空间”，每一步的输出都会成为下一步的上下文，最终结论的准确性会显著提高。

思维链特别适合数学推理、逻辑分析、代码调试、复杂决策等任务。但要注意，对于简单的信息查询类任务，用思维链反而会浪费token和时间，杀鸡用牛刀。

实操心得：思维链和CRISPE可以组合使用。用CRISPE定义角色和任务，用思维链约束推理过程，效果比单独用任何一个框架都好。

3. 七类通用模板直接套用

3.1 角色扮演型模板

这是最基础也最常用的模板类型。核心结构是：你是[角色]，请以[风格]完成[任务]，输出格式为[格式]。

举个例子：

你是一位资深的人力资源总监，请以专业但亲切的风格， 为新入职员工写一封欢迎邮件，字数控制在300字以内， 输出格式为正式的邮件格式，包含称呼、正文、落款。

这个模板的关键在于角色的选择要精准。不要写“你是一个助手”，而要写“你是一个在互联网行业有五年经验的用户运营专家”。角色越具体，AI的输出就越有针对性。

3.2 任务分解型模板

适合复杂项目，把大任务拆成小步骤：

我需要完成[总目标]。请按以下步骤帮我： 1. 首先分析[子任务1] 2. 然后基于分析结果完成[子任务2] 3. 最后整合输出[最终成果] 每个步骤请单独输出，并在步骤之间标注过渡说明。

3.3 对比分析型模板

需要做决策或选型时用：

请对比分析[A]和[B]在以下维度的差异： - 维度1：[具体说明] - 维度2：[具体说明] - 维度3：[具体说明] 输出格式为表格，最后给出推荐建议及适用场景。

3.4 内容创作型模板

写文章、文案、脚本时用：

请以[风格]写一篇关于[主题]的[内容类型]， 目标受众是[受众描述]， 需要包含以下要点：[要点列表]， 字数要求[范围]，语气要求[描述]。

3.5 代码辅助型模板

写代码或调试时用：

我使用的编程语言是[语言]，框架是[框架]。 我需要实现[功能描述]。 已知条件是[条件]。 请给出完整代码，并添加注释说明关键逻辑。 如果有多种实现方式，请对比后推荐最优方案。

3.6 数据分析型模板

处理数据、提取洞察时用：

以下是我提供的数据[数据描述]。 请帮我分析： 1. 整体趋势是什么 2. 有哪些异常值或值得关注的点 3. 基于数据给出3条可执行的建议 输出格式为分析报告，包含图表建议。

3.7 创意激发型模板

需要灵感、头脑风暴时用：

请围绕[主题]生成[数量]个创意方案。 要求： - 每个方案用一句话概括核心概念 - 标注适用场景和目标人群 - 至少包含一个反常规的思路 - 按可行性从高到低排序

这七类模板覆盖了日常工作中80%以上的场景。我的建议是先把这七个模板练熟，遇到具体任务时先判断属于哪一类，然后套用对应模板，再根据实际情况微调。熟练之后，你甚至可以组合使用多个模板。

4. 六个实战案例完整复盘

4.1 案例一：用CRISPE框架做竞品分析

任务背景：我需要分析三款在线协作工具的功能差异，为团队选型提供参考。

原始提示词（效果很差）： “帮我对比一下飞书、钉钉和Slack。”

优化后的提示词：

Capacity and Role：你是一位企业效率工具领域的资深产品经理， 有超过50个团队的选型咨询经验。 Insight：我们是一个30人左右的内容创作团队， 核心需求是文档协作、任务管理和即时沟通， 目前使用的是邮件+微信的组合，效率很低。 Statement：请对比飞书、钉钉、Slack三款工具在以下维度的表现： 文档协作能力、任务管理功能、沟通效率、第三方集成、 价格方案、学习成本。 Personality：专业、客观、直接，不要模棱两可。 Experiment：请分别给出“小团队优先考虑”“中型团队优先考虑” “跨国团队优先考虑”三种场景下的推荐方案。 Output：先用表格对比各维度，然后分场景给出推荐， 最后列出选型时最容易踩的3个坑。

输出效果：AI给出了一份结构清晰的对比表格，每个维度都有具体分析，三种场景的推荐方案逻辑自洽，最后列出的坑包括“低估迁移成本”“忽略团队使用习惯”“被免费版功能误导”等，非常实用。

复盘：这个案例的关键在于Insight部分提供了充分的背景信息。如果只说“帮我对比三款工具”，AI只能给出泛泛的功能列表。但当你告诉它团队规模、核心需求、当前痛点之后，它的分析就有了明确的指向性。

4.2 案例二：用CO-STAR框架写产品发布文案

任务背景：为一款新的笔记类App写应用商店的发布文案。

优化后的提示词：

Context：我们即将发布一款面向知识工作者的笔记App， 核心卖点是“本地优先+AI辅助整理”， 目标用户是经常需要处理大量信息的咨询顾问、研究员和内容创作者。 Objective：写一段应用商店的发布文案， 让目标用户看完后产生下载尝试的欲望。 Style：参考少数派和AppSo的推荐文案风格， 专业但不枯燥，有具体场景感。 Tone：真诚、克制，不要过度营销。 Audience：25-40岁的知识工作者， 他们用过至少5款笔记工具，对“又一个笔记App”有免疫力。 Response：输出格式为： - 一句话标题（不超过20字） - 一段核心卖点描述（不超过100字） - 三个功能亮点（每个不超过50字） - 一句行动号召

输出效果：AI生成的标题是“你的笔记，终于不用自己整理了”，核心卖点描述聚焦“本地存储保障数据安全+AI自动生成摘要和标签”，三个功能亮点分别对应“离线可用”“智能分类”“跨设备同步”，行动号召是“给信息减负，从这一条笔记开始”。整体文案克制但有说服力。

复盘：Audience部分写得越具体，AI越能避开陈词滥调。我特意强调了“对‘又一个笔记App’有免疫力”，AI就自动避开了“全新体验”“颠覆认知”这类空洞词汇。

4.3 案例三：用思维链做技术方案选型

任务背景：团队需要选择一个前端状态管理方案，候选有Redux、Zustand、Jotai。

优化后的提示词：

请按以下步骤帮我分析前端状态管理方案的选型问题： 第一步：列出我们团队的已知条件 - 项目是中型React应用，约50个页面 - 团队5人，其中2人熟悉Redux，其他人只了解基础React - 项目周期3个月，后期需要长期维护 - 对性能有要求，但不需要极致优化 第二步：分别列出Redux、Zustand、Jotai的核心特点 第三步：从学习成本、代码量、性能、生态、长期维护五个维度对比 第四步：分析每个方案可能带来的风险 第五步：给出最终推荐，并说明如果团队情况变化， 推荐是否会改变

输出效果：AI严格按照五步输出，在第四步中指出了Redux的“样板代码多，新人上手慢”、Zustand的“生态相对小，遇到问题参考资料少”、Jotai的“原子化思维需要适应期”等风险。最终推荐Zustand，理由是学习成本低、代码简洁、性能足够，同时指出如果团队扩大到20人以上或项目复杂度大幅提升，可以重新评估Redux。

复盘：思维链的价值在于让AI的推理过程可见。如果直接问“选哪个”，AI可能给一个答案但你不清楚它的推理逻辑。而拆解步骤之后，你不仅能得到结论，还能看到每一步的分析依据，方便你判断是否认同。

4.4 案例四：用任务分解模板做用户调研分析

任务背景：手头有200份用户问卷的开放题回答，需要提取核心洞察。

优化后的提示词：

我需要分析200份用户问卷的开放题回答，提取核心洞察。 请按以下步骤完成： 1. 首先，请我提供数据后，你将回答按主题分类， 归纳出5-8个核心主题 2. 然后，针对每个主题，统计提及频率， 并摘录2-3条代表性原话 3. 接着，分析每个主题背后的用户真实需求， 区分“表面诉求”和“深层需求” 4. 最后，输出一份分析报告，包含： - 核心发现摘要（200字以内） - 各主题详细分析 - 3条产品改进建议 - 1个需要进一步验证的假设

复盘：这个模板的关键是“先分类再分析”的顺序。如果直接让AI分析200条回答，它可能会随机抽取几条来总结，遗漏重要信息。而先分类再统计频率，能确保分析的全面性。另外，“区分表面诉求和深层需求”这个要求，能逼着AI做更深层的思考，而不是停留在字面意思。

4.5 案例五：用对比分析模板做工具选型

任务背景：选择一款屏幕录制工具用于制作教程视频。

优化后的提示词：

请对比分析OBS Studio、Camtasia、ScreenFlow三款录屏工具， 对比维度如下： | 维度 | 说明 | |------|------| | 价格 | 一次性买断还是订阅制，具体金额 | | 学习曲线 | 新手需要多长时间能熟练使用 | | 录制质量 | 支持的最高分辨率和帧率 | | 编辑功能 | 是否支持剪辑、字幕、标注 | | 导出格式 | 支持哪些视频格式 | | 适用场景 | 最适合什么类型的录制需求 | 输出格式为表格，最后给出： 1. 预算有限的新手推荐哪个 2. 专业教程制作推荐哪个 3. 每个工具最让人头疼的一个缺点

复盘：对比分析模板的核心是维度设计。维度不能太多（超过8个AI会敷衍），也不能太少（少于4个分析不够全面）。另外，最后要求“每个工具最让人头疼的一个缺点”这个设计很关键，它能防止AI只讲好话，帮你看到真实的使用痛点。

4.6 案例六：用创意激发模板做内容选题

任务背景：为科技类公众号策划一个月的选题。

优化后的提示词：

请围绕“AI工具提升工作效率”这个主题， 生成20个公众号选题。 要求： - 每个选题用一句话概括核心角度 - 标注目标读者（职场新人/中层管理者/自由职业者） - 至少包含5个反常规思路（比如“哪些工作反而不该用AI”） - 按预期阅读量从高到低排序 - 每个选题附一个具体的切入场景

输出效果：AI生成了20个选题，其中反常规思路包括“用AI写周报反而暴露了你的懒惰”“这3类会议记录千万别让AI代劳”“AI帮你省下的时间，可能正在被浪费”等，角度新颖且有讨论价值。每个选题都附带了具体场景，比如“周五下午5点，老板突然要一份竞品分析”。

复盘：创意激发模板的关键是“约束中的自由”。如果你只说“给我20个选题”，AI会给出一堆“AI提升效率的10个技巧”之类的同质化内容。但当你要求“至少5个反常规思路”并“按阅读量排序”时，AI就被迫跳出常规思维，产出更有价值的创意。

5. 提示词进阶技巧与避坑指南

5.1 参数化思维：把提示词当成函数

写提示词的最高境界，是把它当成一个函数来设计。函数有输入参数、有处理逻辑、有输出格式。提示词也一样：变量部分用占位符标出来，固定部分写成模板，每次使用时只替换变量。

比如我常用的一个周报生成模板：

你是一位[行业]的[职位]，请根据以下信息写一份周报： 本周完成事项：[事项列表] 遇到的问题：[问题描述] 下周计划：[计划列表] 需要的支持：[支持需求] 输出格式： 一、本周工作总结（分点，每点不超过50字） 二、问题与风险（标注严重程度：高/中/低） 三、下周计划（按优先级排序） 四、需要协调的资源

这个模板中，方括号里的内容就是变量。每次写周报只需要替换变量，30秒就能生成一份结构清晰的周报。参数化思维的好处是，你不需要每次从零开始写提示词，而是积累一套可复用的模板库。

5.2 迭代优化：没有一次就完美的提示词

我见过很多人写提示词，一次效果不好就放弃了。但实际上，提示词是需要迭代的。我的做法是：

第一轮：用基础模板生成初稿，看整体方向对不对。 第二轮：针对不满意的部分，追加约束条件重新生成。 第三轮：如果还有问题，换一个框架或调整角色设定。

比如有一次我让AI写产品介绍，第一轮输出太官方，我追加了“用和朋友聊天的语气重写”；第二轮又太随意，我补充了“保持专业感，但不要用‘赋能’‘抓手’这类词”；第三轮才达到理想效果。

实操心得：每次迭代只调整一个变量，这样你才能知道是哪个改动起了作用。如果一次改好几个地方，效果好了你不知道为什么好，效果差了也不知道为什么差。

5.3 常见问题速查表

5.4 避坑指南：我踩过的那些坑

坑一：角色设定太宽泛。写“你是一个专家”等于没写。要写“你是一个在跨境电商行业有五年经验的物流优化专家”。角色越具体，输出越专业。

坑二：一次要求太多。有些人喜欢在一个提示词里塞七八个任务，结果AI每个都做得马马虎虎。正确做法是拆成多个提示词，分步完成。

坑三：忽略负面约束。除了告诉AI“要做什么”，还要告诉它“不要做什么”。比如“不要用专业术语”“不要列举超过5点”“不要给出模棱两可的建议”。

坑四：不提供示例。如果你对输出格式有明确要求，最好的方式是给一个示例。AI的模仿能力很强，一个示例胜过十句描述。

坑五：盲目追求长提示词。提示词不是越长越好。我见过有人写了两千字的提示词，结果AI反而抓不住重点。核心信息说清楚就行，冗余信息只会干扰AI的判断。

6. 构建个人提示词工作台

6.1 分类管理你的提示词库

当你积累了几十个提示词之后，就需要一套管理系统。我的做法是按场景分类：

• 写作类：文章、文案、邮件、报告
• 分析类：数据解读、竞品分析、方案对比
• 编程类：代码生成、调试、重构、注释
• 创意类：头脑风暴、选题策划、命名
• 效率类：会议纪要、周报、任务拆解

每个分类下保留3-5个经过验证的高质量模板，定期更新迭代。我用的是一个简单的Markdown文件来管理，每个模板标注适用场景、使用次数、效果评分。

6.2 建立自己的“提示词模式库”

除了完整的模板，我还积累了一些“模式”，也就是可以插入任何提示词中的通用技巧：

• 角色强化模式：“在你回答之前，请先以[角色]的身份思考这个问题”
• 质量检查模式：“回答完成后，请自查是否有逻辑漏洞或事实错误”
• 多角度模式：“请分别从支持者和反对者的角度分析这个问题”
• 简化模式：“如果要把这个答案讲给一个10岁的孩子听，你会怎么说”
• 行动导向模式：“每个建议后面附上具体的执行步骤和时间估算”

这些模式就像乐高积木，可以根据需要组合到不同的提示词中。

6.3 持续学习的路径

提示词工程是一个快速演进的领域，今天好用的方法明天可能就过时了。我的学习路径是：

第一，保持实测。看到新的框架或技巧，不要只看理论，要亲自试。我每周至少花两个小时做提示词实验，记录效果差异。

第二，拆解优秀案例。看到别人分享的好提示词，不要只收藏，要拆解它的结构——用了什么框架、怎么设定角色、如何约束输出。

第三，建立反馈循环。每次用提示词完成任务后，花一分钟记录效果如何、哪里可以改进。这些记录就是你个人经验的核心资产。

第四，关注底层逻辑。框架和模板会变，但底层逻辑相对稳定——AI需要明确的角色、充分的背景、具体的任务、清晰的约束。抓住这些不变的东西，你就能快速适应任何新工具和新模型。

我个人在实际操作中的体会是，提示词这件事，入门很容易，精通很难。但好消息是，你不需要成为专家就能获得巨大的效率提升。把今天讲的三大框架和七类模板用起来，你的AI使用体验就会有质的飞跃。后续还可以尝试把提示词和自动化工具结合，比如用API批量处理任务，或者搭建自己的工作流，让AI真正成为你日常工作中不可或缺的助手。