别每次重写整条 Prompt:把固定规则和任务变量拆成可复用模板

别每次重写整条 Prompt:把固定规则和任务变量拆成可复用模板

把写作 Prompt 分成固定规则、每次任务变量和参考材料三层,之后只替换任务区,减少规则漂移,并附完整模板、示例和检查方法。

Prompt 用过几次,最先坏掉的往往不是文风,而是规则。第一次让 AI 写通知,第二次让它改成帮助文档,第三次又加上「少用套话」和「控制在 800 字内」;几轮之后,整段 Prompt 里混着长期规则、这次要求和上一份材料。每次复制都要重改一遍,模型也很难分清哪些东西应该保持不变。
一个更省力的做法是:把 Prompt 固定成三层,只替换中间的任务卡。
  • 固定规则:每次都成立的事实边界、文风、输出纪律。
  • 本次任务:主题、读者、目的、格式、字数和本次必须覆盖的内容。
  • 参考材料:这一次才会变化的原文、数据、访谈或要点。
重点不在于把文字排得更整齐,而在于给 Prompt 划出一个「可改区」。以后遇到新任务,先改任务卡;只有同一种错误在多个任务里反复出现,才回头修改固定规则。

为什么要把「固定」和「本次」分开

写作 Prompt 里有两种变化经常被混在一起。
一种是稳定标准:例如只使用提供的材料、保留日期和数字、面向普通读者、少用空泛开场。另一种是任务参数:今天写产品通知,明天写会议纪要,后天可能改一篇科普文章。把两种东西写成一长串平级要求,下一次复制时很容易顺手改掉不该改的标准,或者把上一任务的读者和语气带进新任务。
这也是可复用模板和「把要求、材料分区」的区别:分区能帮助模型读懂当前输入;模板化还要进一步规定哪些区长期不动,哪些区每次替换
Anthropic 的提示工程概览把「明确的成功标准、可经验检验的方法、第一版 Prompt」列为开始优化前的准备,并把 XML 结构化、角色设定和提示链列为可组合的提示方法。1 OpenAI 的 GPT-5.1 Prompting Guide 也强调清楚的指令、明确的输出格式,以及发现失败后做小范围迭代。2
把这些建议落到日常写作里,最小的动作就是先做一份不随任务变化的底稿,再把每次的变化收进任务卡。它不是某个模型专属功能,复制文本也能用。

先画出三层边界

每次是否替换应该放什么不要放什么
固定规则事实边界、语言习惯、默认结构、核对要求某一篇文章的主题和材料
本次任务主题、读者、目标、格式、字数、必须覆盖的内容长期有效的写作偏好
参考材料本次使用的原文、数据、引述和背景没有来源的常识补充
可以用一个简单判断来分配内容:换一个主题后,这条要求还成立吗? 仍然成立,就放进固定规则;只对这一次成立,就放进任务卡;只属于这次输入的事实,就放进参考材料。
例如,「日期、数字和适用范围不能被改写」通常属于固定规则;「这次写给管理员,结尾要给出申请动作」属于任务卡;「功能计划在 9 月开放」属于参考材料。三者都重要,但生命周期不同。

可直接复制的 Prompt

把尖括号里的内容替换掉即可。第一次使用时,建议先保存一份空白底稿;以后只复制「本次任务」和「参考材料」两块的新内容,不要随手改固定规则。
你是一名中文实用写作编辑。你的任务是根据「固定规则」「本次任务」和「参考材料」,写出一份事实边界清楚、读者可以直接使用的中文文本。

<固定规则>
1. 只把「参考材料」和「本次任务」中明确提供的内容写成事实。材料没有提供的信息,写「材料未提供」或删去,不用常识补齐。
2. 日期、数字、专有名词、适用范围、条件、状态和动作顺序属于不可擅自改变的信息。发现前后冲突时,保留冲突并指出,不要替我选择一个版本。
3. 开头尽快说清读者需要知道或完成的事情。删掉与任务无关的背景、口号和泛泛的价值判断。
4. 使用自然、直接、克制的中文。少用「随着……」「在当今……」「值得注意的是」「赋能」「打造」等没有增加信息的套话。
5. 每一段只推进一个主要问题。需要列出并行步骤、条件或选项时使用编号或项目符号;其余内容用短段落表达。
6. 不为了显得完整而重复同一观点,不把材料中的愿望、计划或推测改写成已经发生的事实。
7. 生成正文后,追加「自检结果」:逐项检查事实是否越界、关键字段是否保留、读者动作是否明确、是否存在重复段落。只报告发现的问题和处理方式,不要展示完整思考过程。
</固定规则>

<本次任务>
- 主题:[这次要写什么]
- 目标读者:[谁会读]
- 读者读完后要完成的事情:[理解、判断或执行什么]
- 输出形式:[通知 / 说明 / 汇报 / 帮助文档 / 科普文章等]
- 目标长度:[字数或大致篇幅]
- 本次语气:[例如:直接、克制、面向已有用户]
- 必须覆盖:[本次一定要出现的主张、步骤、条件或限制]
- 本次不要加入:[不需要的背景、观点或表达]
</本次任务>

<参考材料>
[粘贴本次写作使用的材料。没有材料时写「无」。]
</参考材料>

<执行顺序>
1. 先读取三层内容,区分固定规则、本次任务和参考材料,不要把它们混为一类。
2. 如果「本次任务」缺少会影响事实或读者行动的关键字段,先列出最多 3 个必须补充的问题;如果缺口只影响低风险的表达选择,按本次任务中已有的信息采用最朴素的默认值继续。
3. 信息足够时,直接输出「正文」。正文只使用被提供的事实,并满足本次任务的格式、长度和覆盖要求。
4. 正文之后输出「自检结果」,按固定规则第 7 条逐项给出结论。
</执行顺序>
这条模板里最值得保留的不是尖括号本身,而是三个动作:固定规则只维护一次,任务变化集中填写,材料单独替换。 如果你使用的工具支持保存自定义指令或提示模板,可以把「固定规则」保存起来;如果不支持,放进一个本地文本或笔记也够用。

用同一份模板写两种文本

下面的材料是演示用的虚构输入,重点是看哪些地方变化,哪些地方保持不动。
第一次写产品通知时,只替换任务卡中的几项:
<本次任务>
- 主题:团队空间功能开放通知
- 目标读者:已经在使用产品的团队管理员
- 读者读完后要完成的事情:判断自己是否属于测试范围,并知道申请开通的动作
- 输出形式:产品通知
- 目标长度:300~450 字
- 本次语气:直接、克制,不夸大功能价值
- 必须覆盖:计划开放时间、当前测试范围、管理员申请、开通后的使用条件
- 本次不要加入:没有材料支持的功能收益和全面开放承诺
</本次任务>
第二次写会议纪要时,固定规则一字不动,只替换任务卡:
<本次任务>
- 主题:项目周会纪要
- 目标读者:没有参加会议的项目成员
- 读者读完后要完成的事情:知道已经确定的决定、自己的待办和截止时间
- 输出形式:会议纪要
- 目标长度:600~800 字
- 本次语气:简洁、可核对,不替发言人润色立场
- 必须覆盖:已确认决定、未决问题、负责人、截止时间、待补材料
- 本次不要加入:把讨论中的建议写成决定,不为没有负责人或日期的事项补猜测
</本次任务>
如果你每次都把整份 Prompt 重写,产品通知里的「管理员」和「申请开通」可能残留在会议纪要里;如果只替换任务卡,变化会集中在应该变化的地方。更重要的是,后来发现 AI 总把「计划」写成「已经开放」,你只需修固定规则里的事实边界,下一次写通知、纪要和帮助文档都能继承这条修正。

怎么知道该改哪一层

遇到一次糟糕输出,先不要马上加一条新规则。把问题归到下面三类:
  1. 跨任务都出现。 例如无论写通知还是纪要,模型都会把推测写成事实。这说明固定规则不够明确,应该改底稿。
  2. 只在某个任务出现。 例如只有会议纪要需要区分「决定」和「建议」。这属于任务卡的字段,不要把它变成所有文章都要遵守的规则。
  3. 材料本身缺失或冲突。 例如没有提供截止时间,或者两段材料给出不同日期。这不是 Prompt 该替你解决的内容,应在参考材料里补齐,或让正文明确保留缺口。
修改后,用同一份任务卡和同一份材料再跑一次。只改一个层,才能看出结果变化来自固定规则、任务要求还是材料本身。若一次改了语气、格式、长度和事实边界,下一次仍然不知道哪条规则真正起了作用。

什么时候值得模板化

这条方法适合重复产出同一类文字的场景:产品更新、客服回复、周报、会议纪要、帮助中心说明、研究摘要和社交媒体改写。它尤其适合多人共用一套写作标准,或你每周都会处理相似任务的情况。
一次性的创意写作、诗歌和高度依赖现场语境的对话,不必为了复用而塞进固定模板。固定规则也不能替你判断材料是否真实、解决事实冲突,或者保证任何模型都严格遵守每一条要求;它只是在重复任务中把「应该保持什么」和「这次要换什么」分开,让排错有明确的落点。
今天可以先拿一条你反复使用的写作 Prompt 做拆分:把长期有效的要求移进「固定规则」,把主题、读者和格式移进「本次任务」,把原文单独放进「参考材料」。下一次只改任务卡,先看输出哪里变了,再决定是否值得修改底稿。

References

  1. 1
    Prompt engineering overviewdocs.anthropic.com
  2. 2
    GPT-5.1 Prompting Guidedevelopers.openai.com
AI 文字 Prompt 日课

AI 文字 Prompt 日课

每日精选提升 AI 文字质量的 prompt 实践:讲清原理、适用场景,并给出可直接套用的示例。

This story was produced automatically by a channel. One sentence is all it takes for Neodrop to keep producing for you.

Related content

  • Sign in to comment.