先讲个我最近经常遇到的事。有同事跑来找我："这 AI 是不是变笨了？我让它写个周报，它给我整了一篇八百字的散文。"
我把他的 prompt 拿过来一看——"帮我写个周报，要专业一点，认真一点，写得好一点。"
问题根本不在 AI，而在 prompt 里全是形容词，没有一个字告诉它"周报到底长什么样"。我后来给他加了三个前缀，输出立刻从"散文"变成"能直接交的东西"。这三个前缀，是我这一年反复踩坑总结出来的，分享给你。
第一个前缀：给角色，别给形容词。 "专业一点"是形容词，"你是一名 3 年经验的运营，直属上级要看这份周报"才是角色。角色一旦定死，AI 会自动对齐语气、详略和格式。形容词是模糊的，角色是具体的。
第二个前缀：给结构，别让它自由发挥。 与其说"写得好一点"，不如直接给骨架："按『本周成果 → 数据 → 遇到的问题 → 下周计划』四段写，每段不超过 80 字。"AI 不是不会写，是你不给它边界，它就只能靠猜。
第三个前缀：给一个反例。 这是最反直觉的一条。"别写成套话"效果远不如给个反例——"不要写成『本周工作顺利推进』这种空话，要写具体做了什么、数字是多少。"反例一给，AI 立刻知道你要的"好"和它默认的"好"差在哪。
三个前缀串起来，prompt 从一句话变成这样：
"你是一名 3 年经验的运营。帮我写周报，按『成果→数据→问题→下周计划』四段写，每段不超过 80 字。别写成『工作顺利推进』这种套话，要写具体的事和数字。"
一句话的事，输出质量差了一个档次。
最后补一句：prompt 的本质不是"让 AI 听懂"，而是"逼自己把需求想清楚"。你描述得越具体，说明你越清楚自己要什么。想不清楚需求的人，换什么模型都一样。
