提示词工程

先看一个真实场景

假设你在查房后想确认一个用药问题，你打开 AI 工具输入：

这个药能不能用？

AI 回了一大段通用的药物说明书内容。没有解决你的问题。

你心里嘀咕："AI 不是号称什么都知道吗？怎么给我的回答这么没用？"

问题不在 AI 身上。问题在于你和 AI 之间有一个巨大的信息差——而你的提问没有填补这个差距。

AI 的"知道"与"不知道"

很多人对 AI 有一个误解：觉得它既然"读过"那么多数据，应该什么都知道。

真相是：AI 确实知道很多东西，但它不知道的东西同样多——而且有些东西它永远不可能自己知道。

我们可以用一个简单的四象限图来理解这件事：

象限 ①：你知道，AI 也知道——高效执行

这是最顺畅的协作区域。 你清楚自己要做什么，AI 也有相应的知识储备。你只需要把需求说清楚，AI 就能高效地帮你执行。

• 你知道 SOAP 格式怎么写，AI 也知道 → 你把查房笔记粘贴过去，让它"按 SOAP 格式整理"，又快又好
• 你知道出院小结该包含哪些内容，AI 也知道 → 你给背景信息，让它生成初稿
• 你知道需要把一段中文摘要翻译成英文学术语言，AI 也擅长这个 → 直接给它翻就行

象限 ②：AI 知道，你不知道——加速学习

这是 AI 最像"老师"的时候。 有些知识你可能不了解、记不清——但 AI 的训练数据里有。

• 你不太确定华法林和塞来昔布之间有没有相互作用 → AI 可以告诉你机制、风险和替代方案
• 你想了解一种你不熟悉的话题的思考框架 → AI 可以给你系统的分析

象限 ③：你不知道，AI 也不知道——共同探索

双方都没有现成答案，需要一起探索。

• 你在构思一个新的研究方向，还没想清楚 → 和 AI 一起头脑风暴，让它提思路、你来筛选
• 你在写基金申请，想找一个有创新性的切入角度 → 让 AI 帮你从不同角度发散，你来聚焦

象限 ④：你知道，AI 不知道——你来输入

这是最容易被忽视、但对提示词效果影响最大的象限。

有哪些东西是你知道但 AI 不知道的？太多了——

• 你的患者今年 72 岁，有 CKD 3b 期，eGFR 38 → AI 不知道
• 你写这份科普是给农村社区的老年患者看的 → AI 不知道
• 你们科室的出院小结有固定的模板格式 → AI 不知道
• 你做这个 PPT 是明天给规培生上课用的 → AI 不知道

AI 没有读心术。 你脑子里的背景信息、具体情况、个人偏好，如果你不说出来，AI 就看不到。

这就像你请一位不了解情况的会诊医生帮忙——

• 你说"这个病人帮我看看" → 他只能给一段泛泛而谈的意见
• 你说"72 岁女性，DM 10 年合并 CKD3b 期，eGFR 38，目前用二甲双胍 1000mg bid，HbA1c 8.2%，我想知道降糖方案要不要调" → 他立刻知道聚焦什么

差别就在于你有没有把象限 ④ 里的信息转移给 AI。

提示词的本质

理解了四个象限，回头看"提示词"这件事就清楚了——

提示词的本质，是把你脑子里的信息（象限 ④）转移给 AI，让它能跟你在同一个信息水平上协作。

你给的信息越充分、越具体，AI 就越能从"象限 ①"的状态出发——双方都清楚任务是什么、背景是什么、要求是什么——高效地完成工作。

你给的信息越模糊，AI 就只能猜。而它猜的默认策略是"说最安全、最通用的话"——结果就是一段正确但没用的废话。

提示词四要素

理解了提示词的本质之后，来看具体怎么写。好的提示词通常包含四个要素。你不需要每次都用全，但用得越全，效果越好。

要素一：角色

告诉 AI 它是"谁"。

• "你是一名三甲医院内分泌科的主治医师"
• "你是一名临床药师，擅长药物相互作用分析"
• "你是一名医学科普作者，面向患者写通俗易懂的健康文章"

为什么有用？ 角色限定了 AI 回答的"视角"和"专业度"。同一个问题，以"医生"身份回答和以"科普作者"身份回答，措辞、深度和侧重点完全不同。

要素二：背景

给 AI 足够的上下文信息——这就是在填补象限 ④。

差的背景：

帮我分析一下用药方案

好的背景：

65 岁男性，2 型糖尿病 10 年，高血压 5 年。目前用药：二甲双胍 1000mg bid，格列美脲 2mg qd，氨氯地平 5mg qd。近期 eGFR 38ml/min（CKD 3b 期），HbA1c 8.2%。

提供背景时注意两个点：

1. 给够用就行。不需要把整份病历都粘贴进去——跟你的问题相关的信息给全即可
2. 记住脱敏（L1-4 讲过的）。去掉真实姓名、证件号、联系方式

要素三：任务

明确告诉 AI 你要它做什么。核心原则：越具体越好，越可执行越好。

模糊的任务：

帮我看看这个方案有没有问题

具体的任务：

请完成以下分析：
1. 该患者 eGFR 38ml/min，当前用药中是否有需要调整剂量或停用的药物？
2. HbA1c 仍偏高，在肾功能下降的前提下，有哪些可选的降糖方案调整？
3. 请列出每个建议的理由和需要监测的指标

第二种写法把"帮我看看"这个模糊的请求变成了三个明确的小任务，AI 就知道该按什么结构来回答。

要素四：格式

告诉 AI 你希望输出长什么样。

格式指令是最容易被忽略的，但它对结果的影响特别大。 不指定格式，AI 就会自由发挥——你花在"重新整理格式"上的时间，其实一开始就能省下来。

四要素组合示例

五个常见错误

错误一：问题太模糊

❌ "帮我写个东西"
❌ "看看这个方案"

✅ "帮我把这段查房记录整理成 SOAP 格式的病程记录"

错误二：一次塞太多任务

❌ "帮我写一篇综述，然后翻译成英文，再看看参考文献格式对不对，顺便帮我想一个好标题"

四个任务塞在一句话里，AI 每个都做得不深。

✅ 拆成四步，每步给一个明确的指令（L2-4 会详细教）

错误三：没给足背景

❌ "这个药能不能用？"

哪个药？给谁用？什么适应症？有什么合并症？

✅ "72 岁女性，CKD4 期（eGFR 22），需要抗凝治疗。华法林在这个肾功能水平下需要调整剂量吗？"

错误四：没指定输出格式

不指定格式 → AI 自由发挥 → 你拿到一大段文字 → 自己再花时间整理。

✅ 在提示词最后加一句格式要求就行。哪怕只写"请分点列出"或"请用表格呈现"都比不写强。

错误五：期望 AI "自己知道"你要什么

你心里想着"我要一份给患者看的通俗版科普"，但你问的是"帮我解释一下高血压"——AI 不知道你是给自己看还是给患者看。

AI 不会读心术。你脑子里有的信息，如果没写进提示词，AI 就看不到。

动手试一试

四象限的动态变化

最后一个重要的观察：这四个象限不是固定的，它们在持续变化。

AI 知道的范围在不断扩大。 每一代新模型都训练了更多的数据，能力不断增强。今天 AI 不知道的东西，明年的模型可能就知道了。

但象限 ④ 永远存在。 无论 AI 变得多强大，它永远不知道你面前这位具体患者的情况、你所在科室的特殊要求、你这次提问的真实意图。这些"你知道但 AI 不知道"的信息，只有你能提供。

这就是为什么提问能力不会被 AI 替代——AI 越强大，会提问的人和不会提问的人之间的差距反而越大。 因为 AI 的"天花板"越来越高，但能不能够到天花板，取决于你给它的信息够不够好。