你有没有遇到过这种情况让 AI 帮你写一封邮件、总结一份文档、或者出个方案结果它回给你的东西怎么看怎么别扭要不就是太泛要不就是方向完全跑偏。你以为是 AI 能力不行后来换了更强的模型发现还是一样。问题不是 AI 笨而是你的指令给得太模糊。这篇结构拆解篇专门讲一套我自己用了很久的万能指令公式——一个六件套结构把角色、任务、背景、要求、输出格式和示例一次性交代清楚让 AI 第一次就能听懂你要什么。这篇不讲花哨技巧就是老老实实把公式拆开讲清楚每块该怎么填、为什么必须填再配几个可以直接抄的实操模板。无论你在用哪个 AI 工具、做的是文案还是代码、是新手还是老手这套结构都能直接用。1. 为什么你会觉得 AI “听不懂人话”1.1 先搞清楚 AI 是怎么理解你的指令的很多人把 AI 当成一个“啥都懂的助手”以为你随便说一句它就能像人一样从你的语气、表情、上下文里猜出全部意图。但真相是AI 本质上是一个词序列预测器它看到你的指令不是在“理解”而是在统计上推断“接下来最可能输出什么”。这句话听起来有点学术打个比方你就懂了。你让一个新来的实习生“把这份材料处理一下”如果这个实习生没参加过你的项目会、没见过你的历史文档、也没和你共事过他肯定满脸问号处理是什么意思整理格式提炼重点翻译成英文还是做成一页 PPTAI 就是那个“一脸茫然的实习生”——它的知识面很广但它对你个人、你的具体场景、你的隐含要求完全一无所知。所以你和 AI 沟通时说的每一句话它都只能按字面意思去猜。你以为“写个方案”很明确但它不知道方案给谁看、要解决什么问题、预算多少、风格偏保守还是激进、要几页纸、要不要数据支撑。这些问题只要你没写成文字AI 就只能靠“平均概率”替你脑补而平均概率必然不会刚好是你心里的标准答案。1.2 指令模糊的三个隐藏成本指令模糊的第一个成本是返工。AI 给了你一版结果你觉得方向不对于是再描述一遍它再给你一版还是不对。一个明明可以五分钟搞定的任务变成来回拉扯一个小时的“AI 调教现场”。而且每次重新调整AI 都会丢掉前一轮的一部分上下文细节结果越改越乱。第二个成本是方差。同一句话你分三次发三次回复可能完全不同。这不是 AI 不稳定而是因为你给的信息太少等于把决定权全部交给了随机采样。你会发现换一个时间段、换一次回车得到的结果风格漂移十分严重正式和口语混着来长句和短句完全随机。这种随机性在个人写作里还能忍在公司汇报、交付文档里就是灾难。第三个成本是上限锁死。模糊指令只能得到一个“平均水平的回答”。AI 的能力上限其实很高但它只能按你给的信息范围去发挥。你没给它限定受众它就写得四平八稳你没给它风格要求它就端端正正地输出“八股文”。你自己把天花板压低了再抱怨 AI 水平不行其实是你给的输入维度不够。1.3 结构化为什么能救命把指令从“一句话”变成“一段结构化描述”本质上的改变是让 AI 从“猜”变成“填空”。它不是靠读心术蒙你的想法而是你主动把它需要的六个关键字段都填好了它只要按字段逐项执行就行。这就像你去药店买药。你说“我有点不舒服”药剂师只能给你一堆猜测。但如果你说“我 30 岁男性昨晚开始发烧 38.5 度咳嗽有痰没有药物过敏史需要开一盒退烧药和止咳药”药剂师几乎不用思考就能给出准确建议。结构化指令提供的就是这种“病历卡”式信息密度AI 不再需要替你补全信息它的注意力就可以全部花在执行上输出的质量自然就上来了。我在自己做项目的时候体会特别深。最早用 AI 也是想到什么说什么后来开始强制自己把指令写成固定结构不到半个月同样一个模型输出的可用率至少翻了一倍。这不是心理作用而是 AI 本身对“信息完整度”极其敏感。2. 万能指令公式一个超好记的六件套2.1 六件套公式的结构很多人学提示词的时候看到别人发的长指令很羡慕觉得自己写不出那种效果。其实所谓“万能指令”拆到底就是六个要素我习惯叫它“六件套”角色、任务、背景、要求、输出格式、示例。你可以把它们想成是给 AI 开的“工作说明单”角色你是谁你现在以什么身份来处理这件事。任务具体要做什么动作清晰结果可衡量。背景这件事发生在什么场景下有哪些前置条件。要求边界和验收标准哪些能做、哪些不能做、做到什么程度。输出格式最终回给你的内容长什么样是表格、段落、清单还是 JSON。示例如果能给一小段参考哪怕只是一个开头或片段AI 的风格马上对齐。这六项不一定每次都全写但一项都不写和全写了输出质量差得不是一星半点。通用建议是任务、要求、输出格式是底线角色和背景决定专业度示例决定风格匹配度。复杂任务六项全上简单任务可以适当精简。2.2 每个部件到底怎么填先说角色。它解决的是“AI 以什么立场来输出”的问题。很多指令效果不好是因为 AI 默认用“通用助手”的口吻在作答——既不算专业也不算口语处在一种最安全也最无趣的中间地带。你给它一个角色比如“你是一位有十年电商运营经验的活动策划专家”它在语义空间里就会自动往那个方向靠拢用词、逻辑、关注点都会变专业。角色不是越夸张越好。你说“你是全世界最顶尖的营销大师”这种空泛的头衔对 AI 没有意义它反而会去堆砌“顶级”“赋能”“抓手”这种空词。更有效的做法是说明“具备哪种具体背景”的角色比如“你是在电商行业做过三年大促活动的运营能分清拉新、留存和转化的区别熟悉平台玩法”。背景信息越具体角色就越真实。再说任务。这里有个常见误区任务句一定要用动词开头而且要尽量唯一。不要写“帮忙看看这个方案再提点意见顺便改改格式”因为这里面叠了三个动作——看、提意见、改格式AI 会优先处理最后一个或者全做成表面功夫。一个指令里只主推一个任务如果有多个子任务明确写出优先级顺序。背景的作用最容易被低估。AI 不了解你的群体、你的产品、你的历史沟通记录。哪怕只是靠一句补背景比如“我们团队一直是走保守路线的”“这个月的目标是优先保利润而不是冲单量”都能让 AI 的回答偏离“正确的废话”。背景不是凑字数它直接决定 AI 在多个合理方案之间往哪个方向偏。要求这一块很多人的写法是“要高质量”“要好一点”但这些词没有可验证标准。你得换成可以被检查的描述例如“控制在 200 字以内”“必须包含三个可选方案”“不要用第一人称”“不能出现‘可能’这类不确定词汇”。检验标准越客观AI 的执行越不打折扣。输出格式就是你要的东西是什么形态。要一段话、分点列、做个表格、还是给 Markdown 格式的代码块建议在指令里用一句“请用以下结构输出”直接把骨架画好AI 会严格按照你给的骨架填内容。格式清晰了后续的再加工成本也大幅降低。示例是六件套里最有奇效的一个。你不需要给完整范文哪怕给一个开头、一个风格片段、一个你喜欢的表达样本都足够 AI 模仿。这就是“少废话直接秀肌肉”的原理——模型在生成时会参考你给的样例进行风格对齐。2.3 直接套用的模板与范例六件套不用每次都从零想你可以先套这个通用模板角色你是一位[领域]的资深专家擅长[具体能力]。 任务请帮我[具体动作对象目的]。 背景[现状描述 限制条件 相关上下文]。 要求[硬性条件 A][硬性条件 B][禁止项 C] 输出格式[最终结果的形态或直接给出骨架] 示例[如果你有偏好风格附上一段]举个例子。假设你要让 AI 写一封催款邮件但它是给你朋友发的那种不是正式商务函信。套模板就是你是一位商务沟通专家长期处理企业应收账款擅长用友好但有边界感的语气催款。 任务帮我写一封给合作方项目负责人的催款邮件目的是提醒已逾期 7 天的一笔款项同时不破坏合作关系。 背景对方是我们的长期供应商合作一直很愉快这次可能是因为他们内部流程延迟导致付款逾期。我们不想把事情弄僵但也要表明我们的财务压力。 要求语气礼貌但态度明确全文不超过 300 字不要用威胁措辞邮件标题要一目了然。 输出格式请先给出邮件标题再给正文正文分成三段。 示例邮件标题可以是“关于尽快安排 X 项目尾款支付的提醒”。你看同样一件事如果你只发“帮我写封催款邮件”AI 大概率会给你一封非常正式、甚至有点生硬的模板邮件。但用六件套把背景和语气讲清楚之后它就能精准拿捏分寸。这就是“秒懂”的实际效果。3. 从“能用”到“好用”的实操案例3.1 普通问法翻车实录先看一个最常见的翻车现场。你直接跟 AI 说“帮我写一份产品周报。”它大概率会给你一个这样的东西横向对比竞品、重复罗列数据指标、用“本周完成了 X、Y、Z”这种流水账。看起来没什么错但你拿回团队里根本用不了因为老板关心的是进度风险、下周计划和资源缺口不是你想让他看到的所有内容。更深一层的问题是你没有告诉 AI 周报的读者是谁、什么风格、篇幅多少它只能把一个“最像周报”的东西给你。它输出的是一篇“通用周报”而不是“你这个项目、这个周、给你的老板看”的周报。补充背景之后你才会发现AI 其实完全可以写得更好。你的项目是个早期的内部工具第一版刚上线测试反馈不多你真实的关注点可能是“数据表现未达到预期”以及“下周要先补性能优化”。这些内容不写在背景里AI 一个字都猜不到。3.2 公式改写后的同一任务同样是写周报用六件套改成这样角色你是一位经验丰富的互联网产品项目负责人熟悉周报的常见结构和汇报技巧。 任务帮我写一份项目周报面向我的直属领导和协同部门负责人。 背景我这个项目是做内部数据看板的第一版刚刚上线。本周主要完成了看板基础指标的埋点、两个可视化图表的开发另外性能测试发现首屏加载时间偏长需要下个迭代优先处理。目前没有严重的外部反馈但内部测试群里有 3 个体验问题待确认。 要求不要罗列无意义细节重点突出风险、进展和结论每个模块控制在 3-5 句话不要使用“赋能、抓手”这类空词。 输出格式请按“本周进展 / 核心风险 / 下周计划 / 需协调资源”四个模块输出每模块用列表。 示例不用给完整示例请模仿“本周完成了数据接口的联调目前接口稳定性正常但数据延迟仍在优化中”这类写法。对比一下就能看出AI 在收到这样一条指令后它的输出重点和语言风格会和普通问法完全不同。它可以准确地把“首屏加载慢”放到风险模块把“体验问题待确认”放到资源协调模块甚至在“下周计划”里自己推导出“优先性能优化”的下一步动作。这就是一个从“能用”到“好用”的直观区别。前者只是形式上的周报后者是你直接可以改几个字就发出的周报。六件套在这里做的最核心的事情是替 AI 划定了“什么重要、什么不重要”的边界。3.3 一个进阶场景的完整拆解再看一个复杂一点的场景让 AI 设计一次线下活动的执行方案。这个任务如果只写“帮我策划一个活动方案”AI 能给你写出一个又一个的通用章节——目标、时间、地点、预算、流程、物料、人员分工看似完整但换到任何活动都能用。真正的项目方案需要有具体的预算数字、有约束条件、有目标人群的偏好。拿一个实际做过的模拟项目来演练。这个活动是一个面向内部员工的小型户外徒步团建预算 8000 元人数 25 人时间只有一天不能超出城市周边 100 公里团队里有部分年纪偏大的同事不能走太长距离。我用六件套写出来角色你是一位有五年团建策划经验的执行负责人擅长在有限预算内做出体验感好的活动方案。 任务制定一天的城市周边户外徒步团建活动执行方案。 背景参加人数 25 人年龄跨度从 26 岁到 51 岁其中 6 人体能一般。预算 8000 元包含交通、餐饮、保险、物料等所有花销。集合地点在市中心出发时间早上 8 点晚上 6 点前返回。天气预报显示当日可能有短时阵雨。 要求徒步路线总长度控制在 8 公里以内中途至少安排两个补给点。方案里需要明确每个时间段做什么、每项费用大概多少、需要提前准备哪些物料。避免高风险项目比如岩壁攀爬或涉水路线。 输出格式先给一个完整的活动流程时间表再给“预算明细表”最后列一个“物料清单”。 示例活动流程可以参考“8:00 集合出发 / 9:30 到达起点 / 10:00 热身活动”这种紧凑节奏。这个指令写完AI 给出的方案基本可以直接抄来用。它会把预算拆到具体的车费、餐费、保险费会告诉你准备一次性雨衣和急救包甚至会因为体能一般的人群建议在徒步路线中间安排一个休息点。这些东西只用一句“帮我策划一个团建”是绝对套不出来的。4. 高频翻车现场与排查思路4.1 高频问题速查表用过一段时间六件套之后你大概率会遇到几类固定的翻车问题。我整理了一个速查表每次 AI 输出不对劲的时候直接对表自查。现象根因对策回复过于通用、像百科角色没设或设得太空泛给角色加上具体经验和能力范围格式不对该列表却给人称没规定输出格式在指令末尾明确“请按 XX 格式输出”语气不对太正式或太随意没给语气要求和示例补一句“语气偏口语/偏书面”或给一小段范文回答太长刹不住车字数要求缺失明确“控制在 X 字以内”或“最多 5 条”漏掉关键约束要求太多、没有优先级把“必须满足”的项放在要求部分的前两条或单独加粗描述内容跑偏、答非所问任务动词不唯一拆成多个指令分开问内容空洞、缺乏细节背景信息太少补足“对象是谁、当前状态、限制条件”风格不像你想要的样子没给示例哪怕给一句话的风格样本都有效这个表里的每一行我都在实际使用中踩过。尤其是“漏掉关键约束”这条经常发生你写了一大堆要求AI 只记住最后一条于是把前面的全忽略。后来我习惯把最重要的一条要求写在最前面或者单独用一句话强调“以上要求中最重要的是 X”。4.2 排查思路三步法当 AI 的输出质量突然下降别急着怀疑模型或重写一遍指令。我自己的排查习惯是三步走。第一步先还原任务。问自己如果把这个指令发给一个完全不了解项目背景的新同事他能准确知道要交付什么吗如果不能问题往往出在任务没有用动词明确下来或者动作过多。第二步再验证约束。看 AI 的输出里有没有出现你明确要求不要出现的东西或者有没有丢掉你明确要求必须有的内容。如果有说明要求部分的写法不够硬可能用了“尽量”“最好”这种软词AI 会当作可选项。第三步只改一个变量。很多人改指令习惯一次改三处结果发现效果变好了但不知道是哪一处起的作用下次依然不会写。我推荐的做法是先补最缺的那一个维度比如先加背景再看看效果再改输出格式再换角色。一步步试几次下来你就能摸清自己面对的任务到底哪个维度最关键。这种方法看起来慢实际上是最快的学习路径。因为你记录的是“变量与结果”的关系而不是碰运气式的随机调试。4.3 几个独家的避坑技巧除了基本排查我再分享几个常规文档里不会写的小技巧。第一个技巧分隔符。当你需要给 AI 一段待处理的文本同时里面又有你的指令时一定要把指令和数据用符号分隔开。比如“请总结下面这段文字文字内容放在三个引号之间这里放原文”。这样做可以让 AI 明确区分“命令”和“处理对象”大幅减少混淆。第二个技巧把禁止项写成“替代方案”。直接写“不要用正式语言”有时候 AI 不太能理解什么叫“不要”但如果你写“请使用口语化表达像两个老朋友聊天一样”它的执行准确率高很多。核心原因在于 AI 更适合理解“要做什么”而不是“不做什么”。如果一定要用禁止项最好同时给出替代方向。第三个技巧重要约束重复一遍。如果你有某个极其重视的要求比如“一定要给出数据来源”你可以在指令的开头说一次在结尾的要求部分再说一次。AI 对重复出现的信息权重更高这样它就不容易在生成长文中途忘记。第四个技巧对于超长任务分两轮跑。不要指望一条指令同时完成“梳理资料、给出分析框架、写出完整方案、润色语言”四件事。第一轮让 AI 只出框架第二轮根据框架写细节。两轮分开跑的效果远好于一条指令让它全流程走完。5. 把万能指令沉淀成自己的模板库5.1 按任务类型建立模板六件套用顺了以后你会发现一个更大的作用它可以帮你沉淀属于自己的指令模板库。不要每次写指令都从头想直接按任务类型分成几类模板。比如文案类模板、方案类模板、总结类模板、代码类模板、学习类模板。每一类模板的骨架相同只是角色和输出格式不一样。文案类的输出格式侧重标题、开头、正文、结尾代码类的输出格式是语言类型、功能描述、边界条件总结类的输出格式是背景、结论、行动项。我曾经在某次项目交接时把常用指令模板全部整理成一个与项目无关的通用文档一个月下来重复用到的模板占了大概六成。很多 AI 使用效率高的人不见得临场发挥能力多强而是他们的模板库里存了足够多的“半成品”。模板库里的东西不需要很复杂就是一行标题加一段填好 80% 的六件套。真正要用的时候把背景和任务换掉30 秒就能发出一条高质量指令。5.2 用多轮追问做结构优化六件套不是一锤子买卖它同样适用于多轮对话。第一轮你可以先只给角色和任务让 AI 给出一个初步框架。然后你在它的框架基础上用背景和要求逐轮收窄。比如你想让 AI 帮你整理一份竞品分析报告。第一轮说“你是一位市场研究顾问帮我列出某类工具产品的竞品分析框架”。它给你一个通用框架后你再补背景“但我重点关心的是小型团队成本敏感的选型场景请把定价和核心功能对比放在最前面。”然后你再加要求“每家产品只保留三个最关键的差异点不要堆参数。”这样两三轮下来最后的输出质量会明显高于一次性写完的完整指令。这种“先骨架、后血肉、再润色”的迭代方式其实就是把六件套拆开在对话中逐个补充。对不熟悉一上来就写长指令的人来说这反而是更好上手的方式。5.3 你要的不是魔法而是把需求想清楚最后说一点我个人的体会。万能指令公式听起来很玄但它真正解决的事情不是“让 AI 变聪明”而是“让你在开口之前先替 AI 把需求想清楚”。很多指令写得不好不是因为你不会写提示词而是因为你自己本来就没想清楚要什么、给谁看、有什么限制、要什么格式。六件套只是逼你把这些问题一个一个回答出来。我在实际使用中最大的感受是用这个公式三个月以后我连对真人同事布置任务都变得更清晰了。以前口头说个大概现在习惯性地会带上背景、限制和交付标准。你会发现这是一种沟通能力的提升AI 只是顺便受益了。如果你刚开始用这个公式不要追求一次做全。先从任务、要求、输出格式这三件开始跑顺了再加角色和背景最后再补示例。一步步来你很快就会发现所谓的“秒懂”其实是你自己先把话说清楚了。