LLM 提示词自定义指南 —— 完整教程

LLM 提示词自定义指南 —— 完整教程

自定义 LLM（大语言模型）提示词，是从 AI 助手那里获得更好、更贴合需求的回复的关键。这份全面的指南涵盖了你需要知道的一切——从基本原则到进阶技巧。

什么是提示词自定义？

提示词自定义，意味着创建一些系统级指令，来塑造 LLM 如何交流和回应。你不再被动接受默认行为，而是去定义：

• 交流风格和语气
• 回复结构和格式
• 个性和方式
• 要避免或要强调什么

为什么要自定义提示词？

LLM 的默认行为

大多数 LLM 默认会：

• 过度客气、企业腔的用语
• 套路化的回复结构
• 通用的、一刀切的语气
• 关于自己是 AI 的旁白式说明

自定义带来的好处

自定义提示词让你能够：

• 让语气贴合你的使用场景
• 获得更自然、更口语化的回复
• 减少机器味套路
• 提升一致性
• 用更好的默认设置来省时间

提示词自定义的核心原则

原则一：写具体

笼统的提示词产生笼统的结果。把你想要的写明确。

原则二：平衡正反指引

既告诉 LLM 该做什么，也告诉它该避免什么。两者都重要。

DO:
Use contractions naturally
Vary response structure
Show personality
AVOID:
Formulaic openings
Numbering everything
Generic sign-offs

原则三：匹配场景

不同的场景需要不同的自定义：

• 专业：清晰、直接，但友好
• 随意：放松、口语化、有表现力
• 创意：画面感强、善用比喻、热情
• 技术：精确、清晰，但不机器味

原则四：测试并迭代

先用一个基础提示词，测试它，再根据结果优化。自定义是个反复打磨的过程。

基本提示词结构

1. 角色定义

定义 AI 是谁：

You are a helpful assistant with a natural, conversational communication style.

2. 正面指引

告诉 AI 该做什么：

Communication guidelines:
Use contractions (I'll, you're, it's) naturally
Vary your enthusiasm
Use analogies and examples
Acknowledge complexity

3. 反面指引

告诉 AI 该避免什么：

Avoid:
Formulaic openings
Numbering everything
Meta-commentary
Generic sign-offs

完整的自定义模板

这里有一段全面的模板，你可以自定义：

You are a helpful assistant with a natural, conversational communication style.
Communication guidelines:
Use contractions (I'll, you're, it's) naturally
Vary your enthusiasm—not everything is "amazing" or "incredible"
Skip meta-commentary about being an AI
Use analogies and examples to explain complex ideas
Acknowledge when something's tricky or nuanced
Mix paragraphs with occasional lists (not everything numbered)
Show personality while staying helpful
Think out loud—show your reasoning process
Avoid:
Formulaic openings like "Certainly!" or "I'd be delighted"
Numbering everything automatically
Announcing you're an AI
Overly corporate grammar
Generic sign-offs after every response

按使用场景自定义

专业/工作

You are a knowledgeable colleague helping with professional tasks. Be professional 
but conversational—clear and direct without being stiff.
Style: Professional but friendly, like a helpful coworker
Tone: Clear, direct, but not robotic
Structure: Varied—paragraphs and lists when helpful

个人/学习

You're a patient teacher explaining concepts clearly. Break things down, use examples, 
and check for understanding.
Style: Casual and friendly, like explaining to a friend
Tone: Patient, clear, encouraging
Structure: Step-by-step when needed, flowing narrative otherwise

创意

You're a creative collaborator. Use vivid language, metaphors, and analogies to 
bring ideas to life.
Style: Expressive and vivid
Tone: Enthusiastic, creative, exploratory
Structure: Varied and dynamic

按平台实施

ChatGPT

Claude

Perplexity

Gemini

进阶自定义技巧

1. 针对特定场景的自定义

加上关于你使用场景的背景：

You're helping me with [specific task/domain]. When responding:
Focus on [specific aspects]
Use [specific tone/style]
Emphasize [specific elements]

2. 多提示词策略

为不同场景创建不同的提示词：

• 工作提示词：专业但口语化
• 学习提示词：耐心而清晰
• 创意提示词：有表现力、画面感强

3. 分层指令

把通用指引和具体要求结合起来：

General: Natural, conversational communication style
Specific: When explaining technical concepts, use analogies
Context: I'm learning programming, so be patient and clear

4. 动态调整

加上一些让 LLM 能根据情境调整的指令：

Match your tone to the context: professional for work topics, casual for personal 
questions, creative for brainstorming sessions.

常见的自定义模式

模式一：语气调整

More casual: "Use very casual language, like texting a friend"
More professional: "Professional but conversational, not overly casual"

模式二：结构变化

"Vary your response structure. Don't default to numbered lists. Mix paragraphs, 
bullets, and narrative flow based on what works best for each response."

模式三：注入个性

"Show personality through analogies, acknowledging complexity, and thinking out 
loud. Be helpful and accurate, but don't be robotic about it."

模式四：情境感知

"When I ask work-related questions, be professional but conversational. For personal 
questions, be casual and friendly. For creative projects, be expressive and 
enthusiastic."

测试你的自定义

测试问题

试试用这些来评估你的自定义：

1. 复杂讲解："简单解释一下 [复杂主题]"
2. 解决问题："帮我解决 [问题]"
3. 创意任务："帮我头脑风暴一下 [点子]"
4. 专业任务："起草一封关于 [主题] 的邮件"

评估标准

• 自然、口语化的语气
• 结构有变化
• 适合当下的场景
• 各条回复之间保持一致

• 还是很机器味
• 结构套路化
• 语气不稳定
• 不贴合场景

常见问题排查

问题：还是很机器味

• 加上具体的示例
• 把指引写得更具体
• 测试不同的措辞

问题：太随意/太正式

• "More professional" 或 "More casual"
• 加上关于你使用场景的背景
• 提供你想要的语气示例

问题：回复不一致

• "Maintain this tone consistently"
• "Keep the same energy level"
• 加上对关键要点的强调

问题：不遵循指令

• 把复杂的指令拆开
• 用更清楚的语言
• 检查指令是不是太长了

最佳实践

1. 从简单开始

先用基础的自定义，再根据需要逐步增加复杂度。

2. 经常测试

用各种问题测试你的自定义，确保它在不同场景下都管用。

3. 根据结果迭代

根据真实的回复来优化你的提示词，而不是凭想当然。

4. 匹配你的使用场景

按你实际使用 AI 的方式来自定义，而不是按你以为应该怎么用。

5. 保持聚焦

别想着覆盖所有情况。专注于你的主要使用场景。

要点回顾

1. 自定义 = 更好的结果 —— 量身定制的提示词产生更好的回复
2. 写具体 —— 具体的指引比笼统的好用
3. 匹配场景 —— 不同的使用场景需要不同的自定义
4. 测试并迭代 —— 优化是成功的关键
5. 从简单开始 —— 先用基础的，再增加复杂度

准备好自定义你的 LLM 提示词了吗？

最快的入门方式是使用我们的交互式向导。我们会引导你创建一段贴合你偏好和使用场景的定制提示词，然后帮你在你偏好的 AI 平台上完成实施。