想让人工智能助手精准执行你的指令，核心不在于堆砌华丽辞藻，而在于用清晰的结构限定它的理解路径。如果你只说“写得生动一点”，它往往会自由发挥；但如果你明确要求“用三个生活化比喻解释量子纠缠，每个比喻不超过20个字”，它立刻就知道边界在哪里。

这里有一套可复用的方法论：先明确定义角色的定位与约束条件，再将任务拆解成可检验的步骤，给输出设定硬性衡量标准，最后顺手堵住那些容易偏离轨道的方向。

明确角色设定与身份定位

首先，你需要在提示词开头用一句话定义AI当前要扮演的角色。例如，“你是一位拥有10年教龄的初中物理老师”——这比“请专业地回答”有效得多。角色越具体，它的语言风格、知识深度和举例方式就越不容易跑偏。

接着，补充一句这个角色的核心约束条件。比如“只使用人教版八年级物理教材覆盖的概念，不引入高中阶段的术语”。【如果少了这句，它很可能调用整个知识库，把尚未学习的内容也掺杂进来】

然后，紧跟上任务指令，中间不要换行，也不要添加多余连接词。例如：“用这个身份，向刚学完‘力的作用效果’的学生解释为什么惯性不是力。”

将任务拆解为可验证的动作

具体操作技巧：用动词来驱动每一步的输出。

比如，“列出→对比→删减→重写”就比“更好地表达”有效得多。你可以这样写：“列出3个常见误区→用表格对比每个误区对应的正确认知→删除所有带有‘本质上’‘归根结底’的句子→把剩余内容改写成学生能直接抄进笔记的短句。”

同时，给输出设定硬性标尺。指定数量（“只写4条”）、长度（“每条不超过12个字”）、格式（“用emoji开头，不用编号”）。AI对数字和符号的响应，远比它对抽象要求的反应更可靠。

堵住典型的跑偏路径

最后，在提示词末尾加一句否定式指令，专门封禁它高频出错的几个方向。例如：“不解释原理推导过程；不提实验器材型号；不使用‘我们来看’‘大家注意’等人称引导语。”

这一步绝不是锦上添花——它能有效防止AI自动补全你“以为该有”但实际上并未提及的内容。如果任务涉及数据或事实，还需同步提供可信来源锚点。比如：“所有天文数据以NASA 2023年公开星表为准，不采用科普视频中的简化数值。”