新手提示词问题在于笼统、缺关键信息或逻辑混乱，需明确任务类型、定义模型角色、拆解可执行指令，并通过示例、边界限定和上下文说明优化，同时删减冗余修饰词。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
通义千问新手常因提示词太笼统、缺关键信息或逻辑混乱，导致回答偏离需求、内容空泛或格式错乱。掌握基础提示词结构和常见优化技巧，能快速提升输出质量。
明确任务类型，先定角色再写提示
第一步：判断你要的是解释、生成、改写、分析还是执行类任务。不同类型需匹配不同提示结构。比如要写一封辞职信，就不能只写“帮我写辞职信”，而应说明场景、语气、长度和关键要素。
第二步：在提示开头用一句话定义模型角色，例如“你是一位有10年HR经验的职场文书顾问”。角色设定能显著约束输出风格和专业深度，【跳过这步容易得到教科书式泛泛而谈的回答】。
第三步：把核心要求拆成可执行指令，用“请……”“不要……”“必须包含……”等明确动词引导，避免模糊表述如“尽量好一点”“差不多就行”。
补充关键上下文，别让模型猜意图
方法一：提供示例输入与期望输出（Few-shot提示）
直接给出1～2个你想要的格式样本，比如：“参考以下格式：[日期]｜[事由]｜[结果简述]，请将我提供的会议记录整理成3条这样的要点。”
方法二：限定输出范围与边界
写明字数、段落数、禁用词汇、必须出现的关键词、排除的视角（如“不提成本”“不涉及技术细节”）。这一步漏掉，模型可能自由发挥到完全跑题。
方法三：说明原始材料特征
如果你粘贴了一段口语化聊天记录，要注明“原文为非正式对话，需转为书面汇报语言”，否则模型大概率保留“啊”“嗯”“那个”等冗余表达。
精简冗余描述，删掉所有无效修饰词
把“非常详细地、全面地、尽可能完美地、用最专业的术语”这类空洞副词全部删掉。它们不提供任何操作指引，反而干扰模型对重点的识别。
把“我觉得”“我认为”“好像应该”等主观弱表达替换成确定性指令，例如把“我觉得可以加个总结”改为“请在结尾添加一段50字以内总结，聚焦行动建议”。
这一步操作起来很简单，直接逐句检查提示词，遇到形容词+抽象名词组合（如“高质量内容”“清晰逻辑”）就删，换成可验证的标准（如“每段不超过80字”“用‘第一/第二/第三’分点”）。
