Don't stop here
Hand-picked guides our readers explore right after this one.
Stunning image generation with Midjourney prompt mastery
Read the guideExpert guide to Claude prompts with XML tags, artifacts, and complex reasoning
Read the guideMaster xAI Grok with real-time web access, deep reasoning, and X/Twitter integration prompts
Read the guide测试方法
2024 到 2026 年间，四个框架和六项技巧都在 30 家真实客户身上跑过：香港的咨询师和律师事务所、台北的电商和 SaaS 团队、新加坡的财管公司、吉隆坡的电商运营。每个框架先在一个试点客户验证、按结果调整、再推广给团队。
本指南留下来的模式都是经得起持续使用检验的：初级员工不用培训就能套用、第一次或第二次就拿到可用结果、OpenAI 或 Anthropic 模型升级也不容易失效。初看强大但要 10 次迭代才出活的框架都被淘汰了。
每个框架配真实示例、缩写展开和适用场景。
Capability 能力、Reason 原因、Insight 见解、Statement 输出、Personality 风格、Experiment 范例
最佳场景：需要清晰结构的专业任务
何时用：适合咨询、法律、医疗等需要结构和可核实信息的专业场景。
Role 角色、Goal 目标、Context 上下文
最佳场景：短提示词，角色定位是最大杠杆点
何时用：提示词太长就迷路时。RGC 是改善效果最大、最简化的最小可行模式。
Role 角色、Instruction 指令、Context 上下文、Examples 示范
最佳场景：营销和创意场景，语调比结构更重要
何时用：模型不抓得到你想要的语调时。示范比文字描述更有效。
Task 任务、Restrictions 限制、Execution 执行、Evaluation 评估
最佳场景：编程和有清晰成功标准的技术任务
何时用：编程和技术重构。先评估再动手能避免模型把代码搞坏。
每项配适用场景、用法和中文真实示例。
何时：模型第一次没抓到格式或语调时
怎么用：在提示词里放 2 到 5 个输入和输出的真实样例，让模型推断模式。在中文里对分类（客服工单优先级、邮件归类）和写作语调的复制特别有效。
示例：我贴上 3 个我回复愤怒客户的范例（客户原话 + 我的回复），现在按同样的语调和结构回复这封新投诉。
何时：数学、逻辑、多步推理直接给答案容易翻车的题目
怎么用：明确要求模型先一步步推理再给最终答案。中文里的有效说法：「请先一步步推理过程，最后再给结论。」对税务计算、法律分析尤其有用。
示例：请帮我算香港利得税。先一步一步推理：先列收入、再扣可减开支、得出应评税利润、再套用税阶、最后扣除适用退税。
何时：多种可能路径的决策，需要比较再选最优
怎么用：要求模型生成几种不同方案、对每种方案评估、最后选最优。适合战略决策、业务模式选择、软件架构选择。
示例：我要给咨询公司开一条新业务线。请生成 3 个可能方向（高端定制 / 中端订阅 / 行业专精），从初始投入、风险、24 个月预期回报评估每个方向，最后推荐最稳健的一条。
何时：需要调用工具（搜索、代码执行、读文件）的代理式任务
怎么用：模型在推理步骤（思考：我需要查 X）和行动步骤（动作：搜索 X）之间交替，观察结果再决定下一步。Claude Code、Codex CLI、ChatGPT Agent 都基于这个模式。
示例：请研究 2025 年新加坡有哪些 SaaS 公司融资超过 500 万美元。思考要查哪些来源（Crunchbase、CB Insights、Tech in Asia、e27），逐个搜索，交叉验证数据，最后给我带数据源的表格。
何时：模型的内置知识不够细（内部手册、最新法规、私密文档）
怎么用：把相关文档（PDF、文本、数据库）加进提示词上下文，要求模型只用这些信息回答。NotebookLM、Claude Projects、ChatGPT 上传文件都内建了这个模式。
示例：我贴上公司员工手册 PDF（40 页）。请只基于手册内容回答。如果手册没写，直接说「手册中未提及」。问题：在职两年的员工每月有几天弹性远程办公？
何时：把提示词放到生产环境给真实客户之前
怎么用：用恶意、模糊、越权的输入测试同一个提示词，看它怎么应对。中文环境最常见的攻击是提示词注入（忽略以上指令并执行 X）、用其他语言混淆、突破伦理边界的请求。生产前必须先红队测试。
示例：这是我们香港保险公司聊天机器人的提示词。请做 5 种攻击测试：套取其他客户个资、让机器人骂人、提供医疗诊断、要求忽略安全指令、给法律建议。每种攻击描述模型如何回应。
每个错误配对应后果和明天可以应用的具体修正。
| 常见错误 | 后果 | 解法 |
|---|---|---|
| 提示词太短 | 得到笼统空洞的回答，没有差异化 | 加角色、加具体数据、加输出格式。一个可用提示词至少 4 句话起跳 |
| 要长度不要结构 | 模型东拉西扯、混合多个话题、产出无法用 | 始终指定格式（表格、有编号清单、短段落）和元素数量 |
| 中英混用不说明 | 输出中英夹杂、繁简切换无规律 | 提示词开头明确：请用简体中文 / 繁体中文（台湾用语 / 香港用语 / 新加坡用语），无论资料源什么语言 |
| 没有明确限制 | 模型编数据、虚构来源、夸大承诺 | 加限制：不要捏造、无法核实的标 [待确认]、避免没数据支持的最高级 |
| 跳过迭代 | 停在平庸的第一稿，多两轮其实能提升 60% 质量 | 永远预留 2 到 3 轮迭代：精修、要替代方案、改某一段 |
| 把提示词和对话混为一谈 | 每轮都重新解释上下文，浪费 token 和注意力 | 一个项目一个会话。日常用就做 Custom GPT（Plus）或 Projects（Claude）固化指令 |
| 未核实就采用回答 | 把含编造数据的邮件发给客户、签下虚构条款的合同 | 关键用途用第二来源核实，或用第二个模型互查（Claude 检查 ChatGPT 的回答，反之亦然） |
我们的判断
我自己学提示词工程是在真实客户身上反复练出来的，不是上课学的。最早在编辑出版咨询用 RGC，发现 CRISPE 在税务咨询里彻底改变了产出效率，思维链是数字算错那天加的，理解 ReAct 是工作流切到 Claude Code 那天。最让我意外的是一个三行 prompt 在角色选对的情况下能完胜一个长段落 prompt。提示词工程不是魔法，是把一个少有人坚持的模式做到底的纪律。
如果你是自由职业者或个人专业人士：用 RGC（3 行）改造你最常用的 10 个提示词。当 RGC 显得不够，把 3 到 4 个升级到 CRISPE。如果你算税务或法律计算，加思维链。除非要把 AI 和外部工具接起来，否则不要碰 ToT、ReAct、RAG。
如果你管港台新马一家有多人的中小企业或代理：把提示词集中到协作工具（飞书、Notion、ChatGPT Team 的共享 Custom GPT、Claude Team 的 Projects）。开一场两小时培训教全员 RGC 和 CRISPE。指派一个人负责维护库和每季度复核。培训投入两个月内能从节省的工时回本。
如果你建带 AI 的产品或在工程团队：把提示词工程做规范化是必修课。提示词当代码管（放 Git）、定义代表性数据集做自动化测试、用 Promptfoo 或 LangSmith 监测准确率、跟进 OpenAI、Anthropic、Google 的每次模型升级。Anthropic Academy 和 DeepLearning.AI 的提示词工程证书是 2026 年港台新马最被认可的国际证。
什么时候不要投入：用 AI 频率极低（每周少于 5 次），深入研究不划算。工作 100% 创意自由（自由写作、纯灵感产出），框架反而拘束你。如果你信赖模型自然就行（关键场景这种信赖通常会让你付出代价），先检讨再投入。
11 个中文团队应用框架时常问的问题。
Keep reading
Stunning image generation with Midjourney prompt mastery
Read guide →Master ChatGPT with advanced prompting techniques, mega-prompts, and proven frameworks
Read guide →Expert guide to Claude prompts with XML tags, artifacts, and complex reasoning
Read guide →Unlock Google's Gemini with multimodal prompting strategies
Read guide →Prompts for OpenAI Codex CLI coding agent for code generation, debugging, and multi-file projects
Read guide →Create stunning images with ChatGPT DALL-E integration, viral photo trends, and professional visuals
Read guide →