同样问 AI 做旅行攻略,为什么答案差这么多?——Prompt

星漫宇航｜AI名词百科 · 第18篇

准备一次旅行时，很多人会先问 AI：“帮我做一个杭州三天旅行攻略。”

它通常能马上给出一份看起来完整的答案：西湖、灵隐寺、博物馆、当地小吃，三天行程也排得满满当当。但真正开始看时，问题往往不少：没有考虑从哪里出发、住在哪里、预算是多少，也不知道同行的人能不能走太久。这样的攻略像一份“杭州景点简介”，离可执行的计划还有一段距离。

如果把问题改成：“请为两位成年人设计杭州三天旅行计划。我们周五晚上抵达，住在西湖东侧；每人总预算约 1500 元；其中一位同行者膝盖不适，每天步行不超过 8000 步；偏好自然景观和博物馆，不安排排队时间过长的项目。请按上午、下午、晚上、交通方式和预计支出做成表格，并标记需要出发前再次确认的信息。”答案通常会具体得多。

两次提问使用的是同一个模型。第二次提问没有重新训练模型；它只是拿到了更完整的任务信息。

这段告诉模型“要做什么、依据什么、遵守什么、怎样输出”的输入内容，就是今天要讲的概念：Prompt，提示词。

先看结论

1. Prompt 是一次调用中提供给模型的任务说明和上下文信息；它会影响当前回答，通常不会改写模型已经训练好的参数。

2. 一个有用的 Prompt，往往至少要说清任务、背景、限制和输出形式；必要时还可以提供示例。

3. Prompt 更具体，不等于模型获得了更多新知识，而是让它更容易判断这一次到底要完成什么任务。

4. Prompt 不能保证事实正确，也不能自动补上实时资料、企业内部数据或模型原本不具备的能力。

一、同一句请求，为什么会得到两种答案？

第一次只说“做一个杭州三天旅行攻略”时，模型面对的是一个范围很大的任务。它不知道你从哪里出发，不知道预算和体力情况，也不知道你希望优先看自然风景、吃美食，还是带孩子体验博物馆。为了完成回答，它只能根据常见旅行经验，给出一个覆盖面较广的方案。

第二次提问补上了旅行时间、出发和住宿位置、人数、预算、行动限制、偏好以及表格格式。模型仍然是在生成下一段最可能出现的内容，但它可供选择的方向被收窄了：不再只是“推荐杭州景点”，而是“在这些条件下，为这两位旅客安排一份能执行的三天计划”。

Prompt 为当前任务划出更清楚的边界。它不会给模型新增能力。

不过，边界清楚不代表答案一定正确。模型仍可能把交通时间、开放安排或预算估计写错。Prompt 帮助模型更贴近你的目标，事实是否准确还需要根据可靠信息核验。

二、Prompt 到底是什么？

Prompt 可以理解为一次与模型交互时，放进当前输入中的全部任务信息。它可以是一句简单的问题，也可以包含多轮对话、背景资料、文件内容、规则说明和对输出格式的要求。

在日常对话中，我们通常把自己输入的那段话叫作“提示词”。但从模型的角度看，真正参与当前回答的往往不只这一句，还可能包括前面的聊天记录、应用预设的说明，以及本次附带的资料。它们共同构成模型生成回答时能够参考的上下文。

这和第16篇讲过的“调参”要分开。调整 Temperature 等推理设置，会影响一次回答怎样生成；写 Prompt，则是改变这一次让模型参考什么任务信息。两者都可能改变输出，但通常都不会把新内容永久写入模型参数。

Prompt 用于交代当前任务，不会重新训练模型。它让模型知道这一次应该把已有能力用在什么问题上。

三、一个 Prompt，通常包含哪几类信息？

不是每次都要写一大段说明。简单问题可以简单问；但任务越具体，越值得把影响结果的关键信息交代清楚。旅行案例里，可以看到五类常见信息。

• 任务：希望模型完成什么。例如，不是笼统地“推荐杭州”，而是“设计三天旅行计划”。
• 上下文：模型理解任务所需要的背景。例如，出发时间、住宿位置、同行人数和目的地。
• 约束：不能忽略的限制条件。例如，预算、每天可步行时长、不安排长时间排队项目。
• 示例：希望模型模仿的写法、判断标准或已有样例。例如，给它一份你认可的行程表，让它按相同粒度安排。
• 输出要求：希望答案以什么形式出现。例如，按上午、下午、晚上列出安排，并标明交通方式和预计支出。

这五类信息没有固定顺序。你只需要保留会改变决策的条件。对旅行计划来说，预算和体力情况会改变路线；“我喜欢蓝色”通常不会。

四、为什么信息更清楚，回答通常更可用？

模型生成文字时，会根据当前上下文判断接下来什么内容更合适。任务描述太宽泛时，许多回答方向都说得通，模型只能给出一个较通用的版本。背景、约束和输出要求越清楚，模型越容易把注意力放到与你真正有关的部分。

但“具体”不等于“越长越好”。如果一段 Prompt 同时要求“简洁、全面、每个景点都详细解释、三分钟读完”，模型也很难满足互相冲突的要求。又或者，你把大量与任务无关的资料一股脑贴进去，重点反而会被淹没。

你可以先确认希望模型完成哪一件事，再补充影响这件事的必要信息。对旅行攻略而言，先说清三天计划，再写预算、体力限制和偏好，最后规定表格格式，往往已经足够。

这也是为什么，有些“万能提示词”复制到不同任务中效果并不稳定。它们也许提供了一个组织信息的框架，却无法替你补上自己的真实目标、业务规则或现场条件。

五、Prompt 能解决什么，不能解决什么？

Prompt 很适合用来定义任务和约束输出。例如，让模型先提取一份合同中的日期和责任方，再按固定字段输出；让它把一段长会议记录改写成面向管理层的摘要；让它根据已给定的产品资料，生成一版指定语气的活动通知。

但 Prompt 不能自动让模型获得它看不到的资料。旅行行程里的临时闭馆、票价调整、当天交通和预约名额，都是会变化的信息。只把“请给我最新信息”写进 Prompt，并不能保证模型真的拥有最新来源。

同样，Prompt 不能替代企业知识库或权限系统。模型不知道的公司制度、客户合同和内部流程，需要在本次任务中提供可信资料，或由 RAG 等检索方式按权限补充；这不是多写几句提示词就能解决的。

Prompt 也不能保证模型不会出错。它可以让输出更贴近目标，却不能免除事实核验、人工判断和风险控制。尤其当答案会影响出行、合同、财务、医疗或业务决策时，模型给出的内容应当被当作待核对的建议，而不是直接执行的结论。

六、写 Prompt 时，先把任务讲清楚

初学者可以先养成一个简单习惯：把任务讲清楚，补充会影响答案的背景与限制，最后说明希望怎样接收结果。

可以按下面的顺序检查：

1. 我希望模型完成的具体任务是什么？
2. 它需要哪些背景资料才能完成？
3. 哪些条件不能违反？
4. 我希望得到表格、清单、摘要，还是一段可以直接使用的文案？
5. 哪些事实需要在模型回答后再核验？

当任务复杂时，还可以把大问题拆成几步：先让模型列出需要补充的信息，再让它根据确认后的资料完成输出。这样做的重点不是让模型“更像人”，而是让每一步的目标更明确、更容易检查。

Prompt 的价值，在于把人的意图转化成模型能够在当前上下文中参考的任务说明。模型能力决定它大致能做到什么；Prompt 决定它这一次更可能把能力用在哪个方向。

结尾总结

同样问 AI 做旅行攻略，答案之所以会差很多，往往不是模型前后变了，而是输入给它的任务信息变了。

Prompt 负责说明任务、补充背景、提出约束、提供示例并规定输出形式。它能够让模型在当前回答中更贴近目标，但通常不会改写模型参数，也不能替代实时数据、企业资料、权限控制和事实核验。

写 Prompt 时，先把任务说清楚，再提供必要背景和限制，最后说明需要什么样的结果。这样就能让模型更准确地理解当前任务。

下一篇，我们将比较 Prompt、RAG 与微调各自解决什么问题：企业要让 AI 完成一项任务时，究竟应该写清要求、补充资料，还是重新训练模型？

注：文章插图均由 AI 辅助生成。

星漫宇航｜AI名词百科

概念学清，项目做实，前沿看懂。复盘迭代，持续精进。