提示词公式与实战：5 大通用提示词公式详解，含对比测试数据
说来你可能不信，我用AI写了三年东西，真正让我效率翻倍的不是换了多厉害的模型，而是学会了"公式化写提示词"这件事。
以前我写提示词全靠感觉，结果忽好忽坏，有时候AI给的答案完美，有时候又像个敷衍的实习生。后来我开始研究结构化的提示词框架，才慢慢摸出规律来。今天把我的5个核心公式和实战心得分享给你，每个公式都配合了效果对比，让你直观看到"随意提问"和"公式化提问"的差别。
BROKE公式：日常首选
这是我用得最多的一个，几乎能覆盖80%的场景。它的结构很简单：背景—角色—目标—关键结果—示例。
举个例子，你想让AI帮你优化简历。与其直接说"帮我写份简历"，不如试试这样：
我有3年B端产品经理经验，想跳槽到中型互联网公司，目标薪资25-30K。请你扮演一位有10年经验的资深互联网HR，帮我优化简历，突出核心竞争力。要求用STAR法则重写项目经历，每个项目都要有量化数据，简历控制在一页A4以内。参考格式：项目名称 | 时间 | 角色，然后项目描述、核心职责、项目成果。
效果对比：
- ❌ "帮我写份简历" → AI 输出一份通用模板，和你的实际情况没什么关系
- ❌ "我是产品经理，帮我优化简历" → AI 有方向但不明白你的具体水平和目标
- ✅ BROKE公式 → AI 精准定位你（3年B端、目标25-30K），按你的要求格式输出，每段经历都有数据支撑
这么一写，AI一下子就知道你是谁、要干什么、期望什么格式，输出质量完全不一样。
CRISPE公式：创意类任务好使
如果你需要AI帮你做创意、写方案、出点子，这个公式比BROKE更好用。多了两个关键要素：风格个性（你想要什么调性）和实验尝试（要求多给几个版本）。
我经常这样用：
你是一个服务过多个消费品牌的营销专家。我们是个新的国产咖啡品牌，主打年轻人，目前认知度很低。请帮我策划618营销的核心创意，风格要年轻有网感，能引发社交传播。给我3个不同方向的方案，每个包含核心概念、传播点和执行思路。
效果对比：
- ❌ "帮我设计618营销方案" → AI 给一个听起来差不多的方案，可能和竞品大同小异
- ✅ CRISPE公式（3个方案 + 风格约束）→ AI 给出三个截然不同的方案：一个玩梗的、一个情感向的、一个有用户参与的，你挑一个综合或择优组合
要求多给几个版本这一点特别重要，创意类任务最怕AI给你一个平庸的答案就完事。一个好的公式需要"逼"AI发散思维。
TAG公式：简单任务快速搞定
不是什么任务都需要大动干戈。有时候你就是想快速让AI帮你总结个报告、翻译段文字，这时候TAG公式最顺手：任务—行动—目标，三个要素就够了。
比如：
我有一份5000字的行业报告，请你提炼核心观点，总结成高管能在3分钟内掌握的摘要。
效果对比：
- ❌ "帮我总结这个报告" → AI 输出一个 500 字的概述，信息不聚焦
- ✅ TAG公式（任务 = 提炼核心观点，目标 = 3分钟摘要）→ AI 只输出200字以内的精华，高管水平的可读性，开门见山
简洁明了，不会漏掉核心诉求，也不拖泥带水。适合翻译、摘要、改写、格式转换等一切"明确输入→明确输出"的任务。
ROSES公式：模拟真实场景
这个公式是我做场景模拟时的首选，特别是写话术、设计流程、角色扮演类的任务。它多了"场景"和"约束"两个维度，能让AI更有代入感。
我曾经用它设计过一套课程顾问的销售话术，效果挺不错：
你是在线教育的课程顾问，目标是说服用户购买Python入门课程。用户是刚毕业的大学生，预算有限，担心学不学会。请设计从开场到成交的完整话术。注意：不能过度承诺，不能贬低竞品，要真诚。
效果对比：
- ❌ "帮我写销售话术" → AI 写一套"亲，今天不买就没了"式的硬广，根本不实用
- ❌ "帮我设计课程顾问话术，不能硬广" → 好了很多，但话术还是教科书式的罐头话术
- ✅ ROSES公式（场景 + 约束）→ AI 从建立信任开始，先问学习经历和目标，怕学不会就提供免费试听，写出了一线顾问真正会用的沟通流程
加了约束之后，AI不会给你一套天花乱忽悠的忽悠话术，而是真的站在用户角度去沟通。这对写 FAQ、客服话术、面试题目等都非常重要。
STAR公式：分析问题的好帮手
做案例分析、问题复盘的时候我最喜欢这个公式。情境—任务—行动—结果，天然就是一套逻辑框架。
比如产品日活下降了，可以这样提问：
我们APP日活两周内下降了15%。需要在三个月内找回流失用户。请从产品、运营、技术、市场四个维度分析可能的原因，每种原因给出具体的验证方法和解决方案。
效果对比：
- ❌ "分析一下日活下降原因" → AI 列举一堆原因（版本更新、竞品、季节性），读起来像教科书
- ✅ STAR公式（四维分析 + 要求验证方法）→ AI 给出可能原因后，还附上了具体的数据指标（比如 DAU/MAU 比值、渠道留存率）判断优先级，再给解决方案，形成一个完整的诊断报告
这样AI的分析会很结构化，不会东一榔头西一棒子。STAR公式尤其适合商业分析、代码调试、体检报告分析等需要"先分析原因再给方案"的任务。
五大公式速查表
| 公式 | 结构 | 适用场景 | 复杂程度 |
|---|---|---|---|
| TAG | 任务→行动→目标 | 简单任务：翻译、摘要、改写 | ⭐ 极简 |
| BROKE | 背景→角色→目标→关键结果→示例 | 日常办公、简历、邮件、报告 | ⭐⭐ 适中 |
| CRISPE | 背景→角色→目标→风格→示例 + 实验 | 创意方案、营销文案、头脑风暴 | ⭐⭐⭐ 较复杂 |
| ROSES | 背景→角色→目标→场景→约束→示例 | 模拟对话、话术、角色扮演 | ⭐⭐⭐ 较复杂 |
| STAR | 情境→任务→行动→结果 | 问题分析、复盘、案例分析 | ⭐⭐ 适中 |
怎么选？实战决策树
我的建议是按以下流程选公式：
- 这个任务需要给角色吗？ 不需要 → 用 TAG；需要 → 继续
- 需要出多个方案吗？ 需要 → 用 CRISPE；不需要 → 继续
- 是模拟真实场景吗？ 是 → 用 ROSES；不是 → 继续
- 是分析问题吗？ 是 → 用 STAR；不是 → 用 BROKE
其实这些公式不是死的，你完全可以根据需要组合套用。关键是养成习惯——给角色、给背景、给目标，输出质量真的会稳定很多。
超越公式：写好提示词的三个核心原则
掌握了公式之后，还有三个核心原则能让你的提示词再上一个台阶：
原则一：一次任务聚焦。 不要在一条 prompt 里塞太多任务。"帮我写一份产品介绍，同时做一份竞品分析" ——这种任务应该拆成两条 prompt。AI 一次处理一件事比同时处理多件效果好得多。
原则二：给出反面约束。 告诉 AI "不要什么"有时比告诉"要什么"更有效。比如"不要用专业术语"比"用通俗的语言"更明确地划出了边界。
原则三：当 AI 输出不够好时，不要微调 prompt 里的措辞——而是增加示例。 一张示例图抵过千言万语。如果 AI 生成的代码风格不对，与其在 prompt 里写"请用简洁的代码风格"，不如给一段正确风格的代码示例。
提示词的进阶用法：链式提示法
在实际工程中，一条 prompt 往往不足以完成复杂任务。这时候"链式提示法"就派上了用场：把一个大任务拆成多步，每一步的输出作为下一步的输入。
比如写论文的经典链：生成大纲 → 逐节撰写 → 添加数据支撑 → 润色修改。每一步都是一个小任务（适合用 TAG 公式），但组合起来就是一个复杂任务。
提示词之间可以用变量来表示上一步的输出。链式提示的每一步都很小、很清晰，但累积起来能完成任意复杂的工作。
AI的能力上限，就是你的提示词质量上限。 同样一个模型，不同提示词的效果可以天差地别。学会这些公式，是你用 AI 工具最划算的投资。