本文列出构建高质量 Prompt 或 AI 指令时应考虑的各个维度，涵盖清晰性、逻辑性、可执行性与风险控制等方面。特别适用于模型提示词设计、代码生成、内容创作等场景。
🧩 一、指令清晰性与任务定义
| 维度 | 描述 |
|---|---|
| 清晰度与具体性 | 使用明确、具体的词汇描述问题或任务，避免含糊不清的表达。 |
| 上下文/背景信息提供 | 提供必要的背景知识或上下文，有助于模型建立正确语境。 |
| 明确的任务定义 | 以任务导向表达指令，例如“生成…”，“优化…”，“提取…”而非泛泛而谈。 |
| 模型能力范围内的可行性 | 指令内容应确保模型能力范围可处理，避免超出其知识边界或期望其做出人类尚不具备的推理。 |
| 避免模糊性或内在矛盾 | 避免同时给出互相冲突的指令，例如“简洁但详细”，应有优先级或限定条件。 |
🔍 二、逻辑性与因果建模
| 维度 | 描述 |
|---|---|
| 逻辑建模与因果推演 | 鼓励模型进行合理推理、因果分析，如“为什么需要此更改”。 |
| 元认知触发（引导模型反思） | 鼓励模型反思输出逻辑或自查潜在问题，如“请检查是否遗漏内容”。 |
| 处理不确定性/信息空白 | 指明在信息不完整时的策略，如“无法确定时，请注明并解释原因”。 |
| 发散性/收敛性思维管理 | 对任务是鼓励“创意发散”还是“收敛聚焦”要有明确指引。 |
| 假设性框架切换 | 若需在多种场景中思考，应提示模型切换视角（如“假设你是产品经理…”）。 |
🛠️ 三、结构控制与输出格式
| 维度 | 描述 |
|---|---|
| 期望的输出格式/风格 | 明确规定输出格式，如 JSON、Markdown、Conventional Commit 格式等。 |
| 结构化/编号指令 | 明确要求输出结构，如“分 3 点说明”、“输出包含字段A、B、C”。 |
| 风格模拟或模仿 | 提供参考风格（如知名博主写作风格、代码注释风格等）供模型模仿。 |
| 简洁与详细的平衡 | 控制输出长度，既有足够信息，又避免冗长或啰嗦。 |
| 压缩/摘要能力 | 要求模型进行内容精炼，如“总结为一句话”。 |
🧠 四、任务执行与工具指令
| 维度 | 描述 |
|---|---|
| 角色定义与行为指导 | 指明模型角色（如“你是前端专家”、“你是代码审查员”）帮助对齐行为风格。 |
| 代码生成与修改指令 | 明确指出是否需要生成代码、修改代码、解释代码等，并指定语言和框架。 |
| 信息处理与搜索策略 | 如“请优先从上下文提取内容”、“若信息不足，请假设合理情况”。 |
| 工具使用指令 | 明确提示模型是否可以使用插件、API 或外部工具。 |
| 输出验证挂钩/机制 | 鼓励模型在输出后自检，如“请检查是否包含 XXX 字段”。 |
🚀 五、交互性与优化迭代
| 维度 | 描述 |
|---|---|
| 鼓励进行分步推理 | 提示模型按步骤思考，例如“先列出影响范围，再写提交说明”。 |
| 迭代/优化潜力 | 明确允许或鼓励模型生成多个版本以供选择或改进。 |
| (对输出的)校准请求 | 指出如何评估输出质量，如“输出应符合团队代码规范”。 |
| 与评估指标对齐 | 明确目标标准，如“符合 SEO 优化”、“减少代码重复”。 |
| 自我修复循环 | 提示模型自检并尝试修复潜在错误，如“如不符合格式，请重新输出”。 |
| 输出内容的风险分类 | 要求模型标注输出中的风险内容（如可能不准确、可能过时等）。 |
⚖️ 六、限制性说明与边界管理
| 维度 | 描述 |
|---|---|
| 最小化“幻觉”现象 | 提醒模型不得捏造信息、编造引用、杜撰内容。 |
| 知识边界意识 | 引导模型标明“不确定”“超出知识范围”等情况。 |
| 局限性披露 | 输出中附带“本答案存在局限性”，提升可信度。 |
| 伦理对齐或偏见缓解 | 特别在内容创作、AI 评论生成中避免偏见歧视性表述。 |
🔁 七、多轮对话与长期对齐
| 维度 | 描述 |
|---|---|
| 记忆锚定（用于多轮对话） | 在连续任务中保持一致性，比如前后变量、命名、格式统一。 |
| 明确目标受众 | 明确输出面向谁，例如“内容为初级前端开发者编写”。 |
| 渐进式增加复杂性 | 输出从简单到复杂，适应用户认知节奏。 |
| 情感共鸣校准 | 在涉及用户沟通时，调节语气风格与情绪共鸣。 |
| 时间/精力消耗预估请求 | 在任务规划中，要求模型评估执行难度、耗时等。 |
| 跨学科知识桥接 | 要求模型建立多个知识域之间的桥梁（如“用工程视角解释心理学模型”）。 |
✅ 示例引用场景
- ✅ Git Commit 提示系统构建：参考“结构化指令 + 上下文因果 + 风格模仿 + 输出校验”
- ✅ 内容创作提示设计：强调“角色定义 + 目标受众 + 多轮锚定 + 风格模拟”
- ✅ 智能问答系统训练：关注“最小幻觉 + 元认知触发 + 风险标记 + 多维策略切换”