第 4 讲 提问的艺术:Prompt 基本功

模块 B · 对话篇 能力主线:会聊 2 学时(90 分钟) 第 4 / 16 讲

从第 3 讲我们知道,大模型(LLM)是"按概率接话"的预测机器——而决定它往哪个方向接话的第一因素,就是你交给它的那段话:提示词(Prompt)。本讲开始进入模块 B(对话篇):同一个模型,问法不同,答案天差地别。

一、本讲学习目标

完成本讲后,你应该能够:

  1. 说出提示词的四大基本功——具体明确、给足上下文、设定角色、规定输出——并用它们改写一条差提示词;
  2. 区分"指令"与"约束",养成积极指令优先的提问习惯;
  3. RTS(角色—任务—场景)框架和"提问六要素"速查卡,快速搭出一条信息完整的提示词;
  4. 对比评估不同问法的效果差异,并说明差异从哪里来

二、课前准备

三、核心概念精讲

1. 开场对比:同一个问题,三种问法

先看一组课堂现场实验(第 1 节开头会真的运行)。任务都是"介绍牛顿第三定律":

🧪 演示:三种问法,三份答卷

问法 A(最常见):

讲讲牛顿第三定律

问法 B(补上受众与篇幅):

我是大一学生,明天要向高中生科普。请用 300 字左右讲清
牛顿第三定律,并配一个生活中的实例。

问法 C(再加上角色与结构):

你是科技馆的科普讲解员。我是大一学生,明天要向高中生科普。
请用 300 字左右讲清牛顿第三定律:先给定义,再配一个生活中的
实例(如划船或火箭),最后用一句话点出常见误解——作用力与
反作用力作用在两个不同物体上,不会互相抵消。

三次运行,模型的"聪明程度"没有变,变的只是输入的信息量:A 不知道讲给谁、讲多深、讲多长,只能按最常见的方式回答;B 补上了受众与篇幅;C 再补角色与内容结构——它甚至替你防住了一个高频误解。

这正是本讲的立足点:提示词是你与 AI 之间唯一的接口,接口上的信息量决定了输出的下限与上限。一句话:好的提示词可以减小大模型的幻觉与不确定性——提问水平,本质上是一种"信息给足不给足"的工程问题。

2. 四大基本功:把"想做的"翻译成"AI 能执行的"

四条基本功可以记成一个口诀:要什么(任务)+给谁看(对象)+凭什么答(背景)+交付什么(格式)。每条配一个物理场景示例。

① 具体明确(任务 + 对象 + 场景 + 标准)

差:解释一下单摆

改写:面向高二学生,用 300 字左右解释单摆的"等时性":
      小角度摆动时周期与振幅无关,只由摆长决定;
      并给出摆长为 1 m 时的周期估算过程(g 取 9.8 m/s²)。

拆开看:任务(解释等时性)、对象(高二学生)、场景(科普讲解)、标准(300 字+估算过程)。这条提示词里还藏着一个自查锚点:由 T = 2π√(L/g),摆长 1 m 的单摆周期约 2.0 s——AI 若给出别的数,你立刻能发现。

② 给足上下文(背景 / 已知 / 要求)

我在用单摆测重力加速度。已测得:摆长 L = 99.8 cm
(从悬点量到摆球中心),用秒表测 30 个完整周期,
总时间 60.2 s。请你算出重力加速度 g,并判断结果是否合理。

背景(在做什么实验)、已知(两行数据)、要求(算什么、判断什么)一次给齐——有了上下文,AI 才会"针对你的数据说话",而不是背一遍教科书。注意"挑重点":上下文窗口像容量有限的行李箱(第 3 讲),与本任务无关的寒暄会白白挤占有效空间。

还有一个经典例子,说明"上下文"也包括对话里已经说过的内容。单独问"LLM 是什么",AI 很可能回答"法学硕士(Legum Magister)"——在法律语境里这确实是 LLM 最常见的含义;紧接着补一句"那在 AI 语境下呢?",它立刻改答"大语言模型(Large Language Model)"。这一问一答就是"多轮补上下文":第一问缺信息,AI 按概率给了最常见的含义(并不算错);你补上语境,它就能对准目标。以后遇到答非所问,先想想是不是你的上下文没给够,再考虑追问一句、把背景补上——这往往比重写整条提示词更快。

③ 设定角色

你是大学物理课的助教,批改作业时习惯先肯定正确的部分,
再指出第一个出错的步骤,并用一个问题引导学生自己发现错误。

①②说的是"这件事",角色说的是"你是谁":身份一定,之后所有回答都会带上这个人设的语气、深度与风格。同样问"哪里错了",助教角色会引导你自己发现,而默认角色往往直接给出答案。

④ 规定输出(格式 / 长度 / 风格 / 受众)

请用一张 Markdown 表格对比"经典粒子"与"光子"的波粒二象性图像:
三列——问题、经典观点、量子观点;不超过 5 行;每格不超过 25 字;
表格后用一句话总结最核心的区别。

格式(表格)、长度(行数与字数)、收尾(一句话总结)全部写死。规定输出的最大好处是"可直接用":结果能直接进笔记、报告或 PPT,省掉二次整理。

3. 指令 vs 约束:先说"要什么",再补"别什么"

指导 AI 输出的手段有两类:指令——明确说明希望得到的内容、格式、风格("应该做什么");约束——划定不许做的范围("不要做什么")。研究与实践的共识是:积极指令通常比堆约束更有效——指令直接传达期望的结果,而约束可能让模型在禁区外"猜";约束一多,还可能互相冲突。看一组物理化的对照:

🧪 对照:积极指令版 vs 约束版

积极指令版(说清要什么):

用一段话(150 字左右)介绍单摆实验中需要测量的两个物理量:
摆长与周期。说明各用什么仪器测量,
以及为什么通常测 30 个周期取平均。

约束版(只说不许什么):

用一段话(150 字左右)介绍单摆实验。
不要写公式,不要讲历史,不要提误差。

两版同样"简洁",效果却完全不同:约束版只划了禁区,150 字里该写什么全靠模型猜,很容易写出一段正确的空话;积极指令版把"写什么、写到什么程度"直接说清。这就像布置实验任务——"测出摆长与周期,并说明为什么测 30 个周期取平均"人人能执行;"不许这样、不许那样"却让人无从下手。

⚠️ 但约束并非不能用

当需求本身就是硬边界时——"单位必须用国际单位制""输出必须是表格""图像必须是 pdf 格式"——把约束明确写出来,恰恰是高质量提示词(第 14 讲你会大量见到这类硬性规格)。原则:先用积极指令说清"要什么",再把必要的边界作为约束补上。

4. RTS 框架:角色、任务、场景

把③"设定角色"与②"给足上下文"合起来,就得到最省事的结构化提问起步框架:RTS=Role(角色)+Task(任务)+Scenario(场景)。看一个原例:

🧪 示例:用 RTS 框架请 AI 讲解级数法求解 Legendre 方程
# 角色
你是一位数学物理学家,在大学从事多年《数学物理方法》课程教学。
# 任务
请帮我详细讲解一下用级数法求解 Legendre 方程的步骤。
# 场景
我是一名正在学习《数学物理方法》的高年级本科生,
已经学习了微积分,复变函数和级数的基础知识。

Legendre(勒让德)方程正是《数学物理方法》中用级数法求解的典型方程——球坐标下解静电势、氢原子的角向问题都会遇到它。逐行看信息走向:角色决定"按什么水平讲",任务决定"讲什么",场景里"已经学过什么"决定"从哪里讲起"——最后这半句,就是②"给足上下文"的化身。

还有一句很清醒的提醒:框架不一定带来更好的回答,但能提醒你"该给 AI 哪些信息"——像实验前的器材清单,防止漏带东西。

5. 两张随身速查卡

卡一:动作动词清单——提问时用动作动词开头,比"帮我看看"有效得多:

用途常用动词物理场景示例
布置产出生成、创建、写作、描述"生成 5 道带解析的静电场练习题"
分析检查分析、解析、评估、识别、提取"逐步分析这段推导在哪一步用错了公式"
比较组织对比、比较、分类、归类、排序、组织"对比这三种测量方案的系统误差来源"
查询检索查找、检索、列出、推荐"列出 3 个演示角动量守恒的课堂小实验"
转换处理翻译、重写、总结、充当"把这段实验结论总结成一句话""充当面试官考我波动光学"
数值推理测量、计算、预测"计算摆长 0.5 m 的单摆周期,并预测摆长加倍后周期的变化"

动词清单可自由组合使用。

卡二:提问六要素——写提示词前快速过一遍,缺哪条补哪条:

要素回答的问题示例(任务:高斯定理科普讲稿)
背景我在做什么、处在什么情境社团招新宣讲,我负责一个 3 分钟小节
目的要达成什么让没学过大学物理的高中生对高斯定理有直观印象
风格想要什么"味道"科普化,多打比方,尽量不出现公式
语气什么情绪基调热情、有悬念感
受众讲给谁听高二学生,已学过"电荷""电场"的初步概念
输出交付什么形态约 300 字讲稿,结尾附 1 个生活类比

六要素框架可按任务增减:小任务挑两三条即可;硬性要求(字数、格式、单位)作为"约束"补在最后——与本节第 3 点的原则一致。

6. 看看真实的好提示词长什么样

下面是两个成熟样例(教学转述)。注意观察它们的共同点:信息一样不缺,且都有明确的"交付标准"。

🧪 观察:成熟样例的两个片段

样例一 · 翻译:开篇即角色——"你是一个中英文翻译专家",随后写明任务(中英互译)与质量标准(以"信、达、雅"为准,可调整语气和风格,兼顾词语的文化内涵与地区差异)。对照本讲:角色+任务+标准,一样不缺。

样例二 · 内容分类:一条结构化提示词,分节写明"智能助手定位、能力、知识储备(预定义的 10 个新闻类别)、使用说明",并规定输出规则——只输出所属类别,不附加解释。这种"字段化"写法,正是第 5 讲结构化提示词的雏形。

7. 进阶技巧速览:四个小开关

技巧怎么用为什么有效
给示例(少样本提示,Few-shot)出题前先给 1 道你手写的"题目+解析"当样例模型会模仿示例的格式、难度与风格——给它一个"参照点"
分步要求"先列提纲,我确认后再展开成文"中途可纠偏,避免一步到位跑偏(第 5 讲迭代的基础)
让 AI 先反问提示词末尾加一句"信息不足请先向我提问"把模型的"猜"变成"问",消灭一大类翻车
允许说不知道加一句"不确定的地方请直说,不要编"给模型"台阶",降低硬编事实的风险(呼应第 3 讲)

最后补一个"提问之前的开关"——这个问题该问 AI,还是该搜索?第 3 讲的"三连问"(要权威结论 → 搜索;找现成方案 → 搜索;开放冷门、网上没有现成答案 → 问 AI 当思想伙伴)在这里同样适用:AI 是强大的思想伙伴,但不是所有问题的最快入口。会提问的人,先选对提问的对象。

四、物理场景案例演示

下面三组"改写对照"来自三个真实场景:第一组来自一个真实的科研工具场景(顺便预告第 14 讲的 AI 开发——现在完全不需要看懂 Python,只需比较两份输入的"信息量");后两组是大学生最典型的两种问法,改写过程就发生在课堂上。

本页提示词均经真实执行:每条改写后提示词的输出见对应演示末尾的"真实运行结果"折叠区;Bad 提示词也照实运行(对比才有说服力)。执行环境与据实测回写进工单的优化点,见各折叠区首行说明。

🧪 改写对照①(核心案例):画 y = x² 图像——一句话 vs 一张"工单"

差提示词:

请使用 python 画函数 y = x^2 的图像

会发生什么:AI 只能自由发挥——比例、坐标范围、曲线颜色、保存格式全靠它猜,每次运行的结果都不一样。

改写后:

# 目标
请用 python 画出 y = x^2 的函数图像

# 要求
## 图片样式
- 长宽比 4:3,带图框(frame)
- x 轴范围:[-5, +5]
- y 轴范围:[0, 25]
- 曲线为蓝色实线
- 输出为 pdf 格式,另存一份同参数 png(便于网页与报告内嵌)

## 图内文字
- 标题与坐标轴标签用英文(绘图库默认字体不含中文,
  图内直接写中文会显示为方框并报警告)
- 如需中文图内文字,先在程序中指定中文字体(如 SimHei)再绘图

## 文件存储
- script 目录存放 python 代码
- output 目录存放图像
- readme.md 放在根目录

## 其它
- 写一个 readme,包含程序的操作指南

好在哪:①目标只有一个,写在开头;②"图片样式"其实是四条硬约束(坐标范围、线型、颜色、格式)——顺带验证一下:y = x² 在 x∈[-5, +5] 上的取值恰好是 [0, 25],这份规格自洽得像一份实验规格书;③"文件存储"规定了交付物与存放位置——验收时逐条核对即可。"图内文字"与"另存 png"两处是真实运行后回写的:绘图库默认字体不含中文,图内写中文会变成一排方框并报警告(下方折叠区的 Bad 运行截图可见);pdf 适合打印存档,网页与报告内嵌需要 png——工单里的每一条,最好都经得起一次真实运行的检验。一句话输入把"猜"交给了模型;结构化输入把"标准"还给了你。

预告:第 14 讲你会把这类提示词交给 AI 完整跑一遍开发流程;下面的折叠区先给出一次真实运行的前后对比。本讲先记住感觉:结构化输入=把验收标准提前写进任务里

▶ 真实运行结果:Bad 输出 vs Good 输出(含运行图)
执行说明:下图是页面编写当日(Windows + Python 3.14.4 + matplotlib 3.11.0)两次真实运行的输出,Bad 提示词也照实执行。实测抓到两个坑,已回写进上方工单:① 绘图库默认字体 DejaVu Sans 不含中文——Bad 版图内中文全部变成方框,运行时连续报"Glyph missing from font(s)"警告(本机装了 SimHei 也救不了没指定字体的程序);② 工单要求的 pdf 是打印用的矢量图,网页嵌入需要位图,故补"另存一份同参数 png"。

Bad 输出(一句话提示词,模型自由发挥;每次运行猜的都不同):

Bad 提示词的真实运行输出:绿色虚线、x 范围仅 ±3、中文标签显示为方框
课程示例截图 · Bad 运行:x 只画到 ±3、绿色虚线、png 输出(工单要求 pdf)、中文全部缺字形变成方框

Good 输出(按上方工单逐条执行):

Good 提示词的真实运行输出:4:3、x∈[-5,5]、y∈[0,25]、蓝色实线
课程示例截图 · Good 运行:4:3、x∈[-5, +5]、y∈[0, 25]、蓝色实线、输出 ch04-yx2.pdf(另存 png 内嵌本页)、英文图内文字无字体警告
🧪 改写对照②:高频学生问法——"帮我处理一下实验数据"

差提示词(课后提问里出现频率最高的句式之一):

帮我处理一下实验数据

诊断:没说数据是什么、存在哪;没定义"处理"到底是算什么;没规定输出形态;没有判断对错的标准。——AI 只能回一篇"泛泛的实验数据处理建议",句句正确,句句没用。

改写后(可直接复制):

我在用单摆测重力加速度,数据在"单摆实验.xlsx"里:
A 列是摆长 L(单位 cm),B 列是 30 个周期的总时间 t(单位 s),共 5 组。
数据如下(对话里的 AI 读不到你电脑上的本地文件,请随提示词贴上数据
或上传文件):
  L (cm):100.0,80.0,60.0,40.0,20.0
  t (s) :60.24,53.88,46.66,37.20,26.95
请你:
1. 由 T = t/30 求每组周期 T,再用 g = 4π²L/T² 求每组 g(先把 L 换算成米);
2. 给出 g 的平均值;
3. 用表格输出,g 保留 3 位有效数字;
4. 指出哪几组数据可疑,并说明理由。

好在哪:四要素全部在场——具体明确(算什么、用什么公式)、上下文(数据结构、单位、组数)、规定输出(表格、有效数字),外加一个验收抓手("指出可疑数据",逼 AI 认真看数据而不是硬算)。这个实验里 g 应落在 9.8 m/s² 附近;拿到结果后抽一组手算复核——这是物理学生的专业习惯(第 9 讲会把它正式化为对拍)。

▶ 真实运行结果:改写后提示词的输出
执行说明:下表由 Python 3.14.4 按工单中的公式逐组真实计算,数值未做手工修饰。两点实测经验已回写进工单:① 原工单只说"数据在单摆实验.xlsx 里"——对话窗口里的 AI 读不到本地文件,须把数据贴进提示词或上传文件;② 数据为教学演示用的自洽数据(按 g₀ ≈ 9.79 m/s² 反推生成、并给第 4 组人为安排了计时差错),非真实测量——真实实验请用你自己的数据。
按 T = t/30、g = 4π²L/T²(L 已换算为米)逐组计算:

| 组 | L (m) | t (s) | T (s)  | g (m/s²) |
|  1 | 1.000 | 60.24 | 2.0080 | 9.79     |
|  2 | 0.800 | 53.88 | 1.7960 | 9.79     |
|  3 | 0.600 | 46.66 | 1.5553 | 9.79     |
|  4 | 0.400 | 37.20 | 1.2400 | 10.3  ⚠ |
|  5 | 0.200 | 26.95 | 0.8983 | 9.78     |

(t 为 30 个周期的总时间;表中 g 均保留 3 位有效数字)

g 的平均值(5 组全用):9.89 m/s² —— 被第 4 组明显拉高
剔除第 4 组后的平均值:9.79 m/s²

可疑数据:第 4 组。其 g(未取整为 10.27 m/s²)比其余四组的平均值
9.79 m/s² 偏高约 4.9%,远超其余各组之间的离散程度;T 偏小对应计时
偏短,最可能是漏计了周期,或开表/停表判据前后不一致。建议对该组
重测确认,而不是直接删掉了事。
自查锚点验证:由 T = 2π√(L/g),L = 1.000 m、g ≈ 9.79 m/s² 给出 T ≈ 2.008 s,与第 1 组实测 T = 2.0080 s 相符——数据与公式自洽。
🧪 改写对照③:另一个高频问法——"帮我改得好一点"

差提示词:

帮我改一下这段实验结论,让它好一点

诊断:"好一点"没有标准——更学术?更简洁?还是只改语病?模型只能按最常见的"通用润色"处理,往往越改越"AI 腔",甚至顺手"修正"你的数据。

改写后(可直接复制):

下面是我实验报告"结论"段的原文。请把它改写成大学物理实验报告的学术风格:
1. 保留全部数值与单位,不得增删或修改任何数据;
2. 把口语化表述改为规范的测量表述;
3. 如涉及相对偏差,统一按 |测量值 − 参考值| ÷ 参考值 计算;
4. 改写后逐句列出"原句 → 改后句",便于我逐句核对;
5. 除改写外,不要新增任何结论。

原文:
我们测出来的重力加速度是 9.78 m/s²,跟标准值 9.8 差不多,
说明实验挺成功的。

好在哪:目的与受众(学术风格)给了"好"的定义;"不得增删数据""不要新增结论"是关键约束——在数据类任务里,这类硬边界比积极指令还重要,专防 AI"好心补数据";"逐句对照"让改动可验收。第 3 条也是实测后补的:不说清计算式,AI 可能按测量值作分母,不同工具结果会不一致。顺带一个物理自查点:原文那句"跟标准值 9.8 差不多"并不规范——规范写法应给出相对误差,如 9.78 m/s² 与 9.8 m/s² 相比偏差约 0.2%,"误差来源与改进建议"另起一句讨论。

▶ 真实运行结果:逐句改写对照
执行说明:润色由 GLM 按上方工单(5 条要求)真实执行:"不得增删数据"约束生效,两个数值原样保留;相对偏差由 |9.78 − 9.80| ÷ 9.80 真实计算(0.204%,取 1 位有效数字即 0.2%)。Bad 提示词的对照输出见下方合并折叠区。
1. 原句:我们测出来的重力加速度是 9.78 m/s²,跟标准值 9.8
        差不多,说明实验挺成功的。
   改后:本实验测得重力加速度 g = 9.78 m/s²,与参考值
        9.80 m/s² 的相对偏差约为 0.2%,测量结果与参考值
        符合较好,实验达到预期目的。

改写说明(未新增任何结论):
- 数值与单位(9.78 m/s²、9.80 m/s²)原样保留,未增删、未修改;
- "跟标准值差不多"改为"相对偏差约为 0.2%"
  (按 |9.78 − 9.80| ÷ 9.80 计算,保留 1 位有效数字);
- "挺成功的"改为"实验达到预期目的",语义不变;
- 未添加任何原文没有的结论——误差来源与改进建议如需讨论,
  应在报告"误差分析"一节另行展开,不混入结论段。
▶ 真实运行:两条 Bad 提示词照实执行的效果(对照②③合并对比)
执行说明:两条 Bad 提示词均照实发给 GLM(本页由 GLM 生成),输出原样摘录、未做美化;对照①的 Bad 运行含截图,见其折叠区。看完再回头读各"改写后",差异一目了然。

Bad ②"帮我处理一下实验数据"的输出:

好的!一般来说,实验数据处理可以按以下步骤进行:

1. 数据整理:将原始数据录入表格,检查有无漏记、错记和明显异常的数据;
2. 数据计算:根据实验原理计算目标物理量,如平均值、斜率、截距等;
3. 误差分析:计算平均值与标准偏差,区分系统误差与偶然误差;
4. 结果表达:按有效数字规则写出最终结果,必要时绘制数据图表。

如果你把具体数据发给我,我可以帮你进一步处理。

诊断印证:每句话都"对",但没有一个数字与你的实验有关——它不知道你的公式、你的数据和"处理"到底指什么,只能回一篇正确的空话。

Bad ③"帮我改得好一点"的输出:

已为你润色,修改后如下:

"通过本次实验,我们成功地完成了重力加速度的测定。实验过程
严谨有序,测量结果与理论值高度吻合,充分验证了实验原理的科
学性。这次实验不仅加深了我们对物理规律的理解,也锻炼了动手
能力与团队协作精神,收获颇丰。"

如果需要,我还可以把语气调整得更正式或更简洁。

诊断印证:9.78 m/s² 被润色没了(只剩"高度吻合",与谁吻合、偏多少全无交代),还新增了原文没有的"团队协作""收获颇丰"——"AI 腔"与"好心改数据"双重翻车,正是改写工单里第 1、5 两条硬约束要防的事。

五、课堂实操任务单

动手之前,先花一分钟用"四要素+六要素卡"自查:要什么?给谁看?已知什么?交付什么?每项提示词起点可直接复制,也鼓励改得更好——改好了记入提示词库。

📋 保底任务(人人完成)

每完成一项,在方框中打勾(勾选状态会自动保存):

📋 进阶挑战(学有余力)
💡 讨论:为什么任务③恰恰要靠"不许给答案"这条约束?

因为"引导式讲解"的本质就是"不做什么"——这是约束不可替代的少数场景之一。回想第 3 节的原则:积极指令优先,约束守硬边界;而"不剧透"正是一条名副其实的硬边界。第 6 讲的"习题教练"任务会继续使用这一招。

六、常见坑与翻车案例

七、自测

✅ 五道题检验学习目标

1. "你是大学物理课助教。请用 200 字以内、面向大二学生总结高斯定理的两种典型应用。"这条提示词同时体现了哪几项基本功?

  • 只有"设定角色"
  • 只有"规定输出"
  • 设定角色 + 具体明确 + 规定输出(受众与篇幅都含在内)
  • 它体现的是"上下文窗口管理"
查看答案

C。"你是大学物理课助教"是角色;"总结高斯定理的两种典型应用"是具体任务;"面向大二学生"是受众、"200 字以内"是篇幅规定。

2. 下面哪一条属于"积极指令"?

  • "不要写公式"
  • "不要超过 300 字"
  • "用 300 字给高二学生讲清单摆的等时性,并给出摆长 1 m 时的周期估算过程"
  • "不要讲历史"
查看答案

C。它直接说明了"写什么、给谁、写多长、写到什么程度";A、B、D 都是约束。原则:积极指令优先,约束只守硬边界。

3. 在 RTS 框架中,"我是一名正在学习《数学物理方法》的高年级本科生,已经学习了微积分、复变函数和级数的基础知识"属于哪个要素?

  • Role(角色)
  • Task(任务)
  • Scenario(场景)
  • 都不是,这是输出格式要求
查看答案

C。场景说明"我是谁、已经会什么",决定 AI 从哪里讲起——它就是"给足上下文"在 RTS 里的化身。

4. 判断题:"提示词越短越好,写得长说明不会提问。"

查看答案与解析

不对。"简洁"指不堆无关信息(寒暄、客套),不是信息不足。该给的目标、背景、对象、格式一条都不能少——对照本讲改写对照①:一句话输入省下的只是打字时间,代价是把所有决定权都交给了模型的"猜"。

5. 简答:用四大基本功把"讲讲波动"改写成一条面向初中生的提示词(写出 2–3 句即可)。

参考答案(要点)

开放题,四要素到位即可。示例方向:具体明确——讲"什么是波的频率与振幅";上下文——初中生已知道声音与光的基本现象、不懂三角函数;角色——"你是初中科学课老师";规定输出——200 字以内、配一个水波类比、不出现公式。凡四要素齐备、表述清楚的改写均可。

八、课后作业

📋 《提示词改写练习表》

收集 5 个差提示词(来源:你的《AI 使用日志》、同学的翻车案例、课堂任务中不满意的第一版),逐条完成四步:

  1. 抄录差提示词原文;
  2. 用四要素(或六要素卡)改写,注明用到了哪些要素;
  3. 把两版分别发给同一个 AI 工具,截图对比前后效果;
  4. 各写一句话说明"差异从哪里来"。

练习表可按下表整理(第 1 行为示例):

编号差提示词原文改写后提示词用到的要素前后效果(一句话)
示例帮我改一下这段实验结论,让它好一点(见本页改写对照③)目的+受众+约束+输出泛泛润色 → 逐句可核对,数据零改动
1
2
3
4
5

提交物:练习表一份(含 5 组前后对比截图)。

⚠️ 学术诚信提醒

本作业比拼的正是"怎么用 AI",但按课程《学术诚信与 AI 使用规范》,仍需附《AI 使用声明》:用了哪些工具、分别做了什么、你如何核对效果。顺手把这 5 组改写记入《AI 使用日志》——从这一讲起,你的个人提示词库开始积累,第 5、6 讲会继续往里放东西。

九、进阶拓展(选学)

🎓 进阶拓展:提示词的"上下文账本"、更多框架与官方样例库

上下文的账本。在同一个对话框里,你的每条提示词、AI 的每条回答、上传的文件,都占用同一个上下文窗口;聊得越久,开头的内容越可能被"挤出"——第 3 讲见过的"吃书"就是这么来的。两个实用习惯:重要约定(角色、格式)在关键提问里重申一遍;一个话题聊完就开新对话,别让无关历史污染上下文。

框架不止 RTS。还有 CO-STAR(Context 上下文 / Objective 目标 / Style 风格 / Tone 语气 / Audience 受众 / Response 响应)等。你会发现 CO-STAR 与本讲"提问六要素"几乎一一对应——再次印证:框架的价值不在"咒语",而在防止漏信息。

去官方样例库逛一圈。DeepSeek 提示词库收录了代码改写、翻译、内容分类等十余个样例,每个都展示"系统提示+用户输入+输出示例"的完整写法,适合照着抄骨架:api-docs.deepseek.com/zh-cn/prompt-library(样例以官方页面为准)。

下一讲预告。第 5 讲《结构化提示词与迭代优化》将把本讲的四要素升级为七字段模板,并教你"迭代三板斧"——让提示词从"一次性用品"变成可复用的资产。

🕸图谱