例子提示词怎么写?让AI给出的例子能落地

例子提示词怎么写?让AI给出的例子能落地
例子提示词约束前后AI举例质量对比实测

不兜圈子:例子提示词的关键不在「给我举几个例子」,而在例子挂在哪个场景里。行业、对象、数字规模三项约束说清,可用率能从两成拉到九成。先抄下文第二节的约束句式,再换成你的场景。

例子提示词写不好,AI给的例子就永远停在「某位顾客」「某一天」。我的判断很直接:光让AI举例、不给钉子,它就会挑最省力的抽象话术糊弄你。想要能落地的例子,得先把例子钉在具体场景里,再按发送键。

上个月有件事把这点彻底砸实了。2026年8月,朋友托我给他的连锁奶茶店写一份差评应对培训,需要一批一星差评当角色扮演素材。我随手敲了句「帮我想10个顾客给差评的例子,真实一点」,10秒出结果,10条里能直接用的只有2条。挺离谱的。

直接要例子,拿到的是「某位顾客」式套话

不给约束的例子提示词,AI只会输出抽象概括:人物没有身份、事件没有细节、数字一律缺席,抄进文档等于没写。第一版结果里最典型的一条长这样:「例如:一位顾客因等待时间过长感到不满,给出了负面评价。」再来一条:「例如:某位消费者收到的餐品与预期不符。」放在培训材料里,店长念完只会一脸茫然。这类例子把所有可辨识的信息都磨掉了,全是字,没有事。

原因不复杂。模型没拿到任何锚点,只能选最安全的写法:泛化主语加概括动词,数字一个不放。这不是模型偷懒,是它在零信息时的默认解。顺带一提,能用的那2条,是模型碰巧从训练语料里带出了收银台场景,跟我那句「真实一点」半点关系没有。你嘴上说要「真实一点」,它理解的真实是语法通顺,不是细节扎手。

例子提示词的约束写法:行业、对象、数字规模

给例子提示词加三样东西:行业场景、人物身份、必须出现的数字,AI的例子立刻从概括变成剧情。我把同一件事重跑了一遍,只改指令,别的都没动。第一版指令:「帮我想10个顾客给差评的例子,真实一点。」第二版指令:「我在给一家12家直营店的连锁奶茶品牌写差评应对培训。给我10条一星差评例子,每条满足四点:①奶茶外卖场景;②差评的人是近一个月下过3单以上的老客;③正文30到60字,必须出现一个具体数字,等待分钟数、订单金额或第几单都行;④口语化,像手机上随手打的,允许有错别字。」

对比项第一版:无约束第二版:三重约束
可直接用的例子10条里2条10条里9条
典型写法「某位顾客感到不满」「等了47分钟,备注少冰做成全冰」
返工成本10条全部重写1条数字前后矛盾,改一个词
我的评价只能当占位符能直接进培训材料

第二版里的第4条是这么写的:「周五晚高峰点的杨枝甘露,等了47分钟,吸管戳开一半都是冰渣,第8单了还这样。」老实讲,这条我一个字没改就放进了角色扮演脚本,店员念出来就知道该先道歉还是先补券。这个路数跟 OpenAI 官方提示词指南 里「越具体越可控」那条建议是同一个方向,官方文档排在最前面的几条里就有一条专讲把模糊需求改具体。

约束写法的格式部分,我之前在讲让AI不跑格式的约束技巧那篇里拆得更细,本篇只管例子这一件事,两篇搭配着看刚好。

话说回来,约束也不是越多越好。我顺手试过一版塞了七条要求的指令,结果AI为了凑满每一条,例子读起来像填表,一句一个槽位。三到四条,刚好。

拿到例子后,用三个标准过一遍

能落地的例子有三条硬标准:有专名或数字、能当台词直接念、把「例如」遮住后信息还站得住。第一看数字和专名。「47分钟」「杨枝甘露」自带画面;只有「等待时间过长」的,念出来没有记忆点,留不下东西。

第二看能不能直接当台词。培训里最值钱的是能照着演的素材,例子必须像真人说话,不像新闻导语。第一版里那些句子,我遮住「例如」再读,出来的全是天气预报腔。第三条我会把「例如」两个字遮住再读一遍。遮住后还像一件真事,就能用;遮住后变成一句正确的废话,退回去重出。我个人觉得第三条最狠,也最省钱,比反复改提示词快多了。

回到朋友的奶茶店。那份培训材料最后用了第二版里的7条例子,店长反馈说新人念完能自己复述出场景,这是第一版完全做不到的。例子提示词的功夫,其实全花在按下发送键之前:行业、对象、数字规模交代清楚,AI给的东西才配得上「例子」这两个字。

常见问题

一次让AI举多少个例子合适?

10条上下刚好。一次要50条,后半段会明显注水,套路开始互相重复;10条看完不满意,改约束再要一批,比一次拿一堆再自己筛省时间。

AI编的例子太顺滑,没有毛边怎么办?

在指令里明确要求「允许出现错别字、语气词和半截话」,再贴一条真实例子当参照。毛边是真人表达的特征,你不主动要,AI就不会加。

这些例子能当成真实案例对外发布吗?

不能。AI编的例子看起来再真也是虚构的,对外发布要标注「情景示例」,涉及具体品牌或人名的更要替换掉,免得被当成真实消费纠纷传开。

不给行业背景,AI就一定给套话吗?

绝大多数情况是。泛化主语是模型在零信息下的默认选择,跟换哪家的模型关系不大;缺了约束,照样出「某位顾客」。

延伸阅读