课前导读
同一个工具，会不会提问，效果可能差十倍。提示词不是技术黑话，本质就是把需求说清楚。
教学正文
差十倍，几乎都不是工具的问题
同一个能干的下属，你甩一句"弄个方案"和你说清"给谁用、什么场景、什么格式、什么时候要"，交回来的东西质量差十倍。AI 一模一样。它不是不会做，是你没把活派清楚，它只能按"最常见的做法"猜着办。
提示词不是"提问"，是"给临时同事派工单"。差距通常来自五个变量没写清：角色不清（用谁的视角）、背景缺失（它不知道你的具体情况）、任务边界模糊（不知道交付什么）、输出格式没定（不知道长什么样）、验收标准没给（不知道怎样算做好）。补齐这五样，同一个工具立刻像换了一台。
别信'万能提示词一招通吃'
这话被夸大了。提示词确实能大幅提升你对 AI 的控制力，但它不是万能钥匙。
有些问题提示词根本救不了：材料不够（得补资料）、任务太大（得拆开）、模型能力不够（得换模型）、需要查实时信息（得接联网或工具）。分清"这是提示词能修的，还是得换别的招"，你才不会对着一条提示词反复较劲、越改越糊。
跟我做：一句话提示 vs 派工单提示
这个对比做一次，你对"提示词值多少钱"就有体感了。用 DeepSeek，约 10 分钟。
- 打开 DeepSeek（chat.deepseek.com），新建对话。
- 先输差提示词：「帮我写一个招聘 JD。」看它输出，记下毛病：岗位不清、公司背景空、任职要求泛化、格式不对。
- 新开一轮，输派工单提示：「你是制造业招聘经理。为{城市}{行业}{岗位}写 JD。背景：{公司规模、汇报对象、团队情况、薪资区间展不展示}。要求：岗位职责 6 条、任职要求 6 条、加分项 3 条、候选人画像 3 类；不许夸大薪酬，不许写"抗压能力强"这类空话。」括号里的空一定要填真实信息，填得越具体它越准
- 两版并排看，数一数"可以直接用的句子"各有几句。用"可直接用的句子数"当尺子，比"感觉好不好"客观
- 把你平时最常用的一句短提示，改写成这样的派工单，存起来复用。
- 预期看到：两版输出的可用度肉眼可见的差距，你会记住"越像派工单，越像可交付物"。
'帮我写个 JD'到底缺了什么
坏：「帮我写个 JD。」——它只能猜。猜个行业、猜个层级、套个模板，出来的东西哪家公司都能用，也就是哪家都不能直接用。
好：「你是制造业招聘经理，为佛山一家 500 人的家电厂招"设备维修主管"，汇报给设备经理，带 8 人团队，薪资区间展示。输出职责 6 条、要求 6 条、加分项 3 条，不写空话。」——同一个 DeepSeek，这版出来的职责是"负责注塑设备的日常点检与故障响应"，而不是"负责相关设备工作"。差别全在你提前把背景和验收喂进去了。
想进一步学"怎么给提示词打分、做 A/B 测试"，看本页底部"深入一层"。
只说"帮我写"：它不知道给谁、用在哪。补上受众、场景、格式。
背景留白：岗位、公司阶段、城市、薪资策略不同，文案完全不同。至少给行业、岗位、层级、用人部门。
没有验收标准：它会给你看着完整、其实不可用的东西。写清字数、条数、语气、禁用词。
一次塞太多：让它同时写 JD + 题库 + 评分表，样样都浅。先 JD，再题库，再评分表。
只说"不满意"：没方向它改不动。指出具体病灶——"太像模板""职责不具体""要求过高"。
配套视频演示
小鹿线人工智能 · 覆盖 S2-1 到 S2-3 · 41集系列课，挑感兴趣单集看
我用了3年的AI提示词万能公式，5分钟解决70%提示词问题
自测
1同一个工具效果差十倍，问题通常出在哪？
出在提示词，不在工具。差距来自五个变量没写清：角色、背景、任务边界、输出格式、验收标准。提示词的本质是"给临时同事派工单"，派不清楚它只能按最常见的做法猜。补齐这五样，同一个工具的输出质量立刻天差地别。
2'万能提示词能一招通吃'这话该信吗？
不该。提示词能大幅提升控制力，但救不了所有问题——材料不够要补资料、任务太大要拆、模型不够强要换、要实时信息要联网。关键是分清"这是提示词能修的，还是得换别的招"，否则你会对着一条提示词反复较劲、越改越糊。
3怎么客观判断一版提示词比另一版好？
别靠"感觉好不好"，用可数的尺子——比如"输出里能直接用的句子有几句"。把差提示词和派工单提示词的输出并排，数可用句子数，差距一目了然。更进一步可以设准确性、完整性、可执行性等指标，对同一批测试题反复评分。
小结
- 效果差十倍几乎都是提示词的问题，不是工具的问题
- 提示词是"派工单"不是"提问"，五个变量要写清：角色、任务、背景、格式、验收
- "万能提示词"被夸大——材料/任务量/模型/实时性的问题得换招，不是硬改提示
- 判断提示词好坏用可数的尺子（如可直接用的句子数），别靠感觉
实操落点
- 分别输入“帮我写个招聘 JD”和“你是一位资深招聘 HR，请帮我写一份 HRBP 岗位 JD……”对比效果。
深入一层 · 实战演练与研究依据
样品：差提示词 vs 好提示词，同一个 DeepSeek
差提示词：「帮我写一个招聘 JD。」输出的毛病很固定：岗位不清、公司背景缺失、任职要求泛化、格式不适配，基本没法直接用。
好提示词：「你是制造业招聘经理。请为{城市}{行业}{岗位}写 JD。背景：公司规模、汇报对象、团队情况、薪资是否展示。要求：岗位职责 6 条、任职要求 6 条、加分项 3 条、候选人画像 3 类，不得夸大薪酬，不写『抗压能力强』这类空话。」
把两版输出并排，数一数「能直接用的句子」有几条，差距一眼看穿。提示词不是「提问」，是「给临时同事派活」——派活不清楚，AI 就按它认为最常见的方式办。
差十倍，差在五个变量
角色不清、背景缺失、任务边界模糊、输出格式没定、验收标准没给——差距几乎都出在这五处，而不是工具不行。
Microsoft 的 Copilot 指南把有效提示拆成目标、上下文、期望、来源；Google Gemini 文档把提示工程定义为测试驱动、迭代式的流程，要明确目标、约束、上下文、示例和输出格式。两家命名不同，指的是同一件事：把任务规格写清楚。
别信「万能提示词一招通吃」
Anthropic 文档说得很直白：提示工程能提高控制力，但不是所有失败都能靠提示解决，有些问题得换模型、加资料、拆任务或接工具。
需要提醒的是，公开来源里能查到的多是官方提示词指南和职场使用调研（超过 50% 职场人用 AI 做文书写作、近 40% 用于数据分析，61.3% 把数据隐私列为首要原则），并没有中国 HR「同一工具换提示词提升十倍」的可靠实验数据。「十倍」是课堂上直观可感的体验，不是被审计过的数字，讲的时候说清楚。
再深一层：给提示词定评分标准
别凭感觉说哪条提示词好。设六个指标：准确性、完整性、可执行性、是否引用材料、是否有风险提示、是否需要二次修改。
学有余力可读 Microsoft、Google、Anthropic 三家的提示词指南，再自己设计 5 道 HR 标准测试题，用同一个工具反复测不同版本的提示词，表现稳的那版留下来当团队模板。
- Microsoft Support《Learn about Copilot prompts》，2026
- Google Cloud《Prompt engineering overview》，2026
- 前程无忧/中国日报网《2025 职场 AI 应用趋势报告》报道，2025