如何优化一个 AI 提示词
大多数提示词最初都只是一句匆忙写下的话：“总结一下这个”“修复这段代码”“写点关于咖啡的东西”。AI 会回答它们，但答案会显得很笼统，因为请求本身就很笼统。改进一条提示词，意味着把你脑子里已经想好的细节补回去，让模型有足够的信息可用，而不是去猜你到底想要什么。
为什么初稿提示词总是差一点
- 它没说给谁看。“解释一下这个”对新手和专家的意义并不一样，模型需要你告诉它面向的是哪一种人。
- 它没说清格式。没有给出该填的形式，模型就会自己选一种，往往是一大段文字，而你想要的其实是三条要点。
- 它没说清长度。“总结一下”可能是一句话，也可能是一整页。说清楚是哪一种。
- 它没说清约束条件。保留这个词、避开那个说法、字数不超过多少，把这些明确说出来，模型才知道它们很重要。
前后对比：三个示例
写作。之前：“写一篇关于咖啡的博客文章。”之后：“为家庭咖啡爱好者写一篇 400 字的博客文章，讲讲如何调校意式咖啡磨豆机。语气友好实用，分三个带小标题的短段落，结尾给出一件今天就能尝试的事。”
代码。之前：“修复这段代码。”之后：“这个函数本应返回购物车的总价，却返回了 NaN。这是函数代码和错误信息，请说明问题出在哪里，再给出修正后的代码。”
总结。之前：“总结一下这个。”之后：“为一位没读过这份材料的经理总结：用三句话说明发生了什么、意味着什么，以及他们需要决定什么。”
调研。之前：“调查一下我们的竞争对手。”之后：“列出五个与每月 12 美元的习惯打卡 App 直接竞争的产品。对每一个，给出价格、它领先的一个功能，以及评论中提到的一个弱点。用表格呈现。”
每一个“之后”版本都加上了同样的四件事：这是写给谁看的、答案应该是什么形式、应该有多长，以及答案必须遵守的规则。背后的想法完全没变，只是提示词不再让模型去猜了。
一个改进任何提示词的简单方法
把你的提示词重新读一遍，对照这份简短的清单检查：
- 这是写给谁看的？同事、客户、新手，还是专家。
- 答案应该是什么形式？要点列表、表格、一段短文字，还是带注释的代码。
- 应该有多长？给一个数字、一个句子数，或者说“越短越好”。
- 它必须包含或避开什么？某种语气、要保留的一个事实、要去掉的一个词。
- 模型需要看到什么？错误信息、原文，或者你拿不准的那部分内容。
哪怕只回答其中两三个问题，提示词也已经变好了。全部五个都回答，你得到的就是一条值得保存并反复使用的指令，而不是每次都重新输入一个粗糙的版本。
优化一次，从此保持优化后的效果
一次性的修改只对一个答案有帮助，而保存改进后的措辞则对之后的每一个答案都有帮助。对于长时间的 AI 对话，这一点只会更重要：随着上下文窗口被填满，模型会更依赖你刚发送的内容，所以反复发送一条清晰完整的提示词，能让质量始终保持稳定，而不是随着对话推进逐渐跑偏。这就是“改进一次提示词”和“一劳永逸地改进你所有的提示词”之间的区别。
Prompt Petal 的“优化”功能是怎么做的
“优化”会拿起一个花瓣的指令，按同样的思路为你改写：把一个含糊请求里缺失的部分补上。在免费版中，它会询问你设备上已内置的 AI：iPhone、iPad 和 Mac 上的 Apple Intelligence，或支持机型 Android 手机上的 Gemini Nano。在其他设备上，“优化”会为你复制一条现成的请求，粘贴到 Siri、Gemini、Copilot 或 ChatGPT 中即可。无论哪种方式，你都会得到一条改写后的提示词，以及三个选择：用它替换该花瓣，把它另存为一个新花瓣（原来的保留），或者重试一次得到不同的改写结果。
Pro 版取消了设备限制：加入你自己的 ChatGPT、Claude 或 Gemini 密钥，“优化”就会直接调用它。Claude Desktop、Cursor 和 VS Code 还能通过 MCP 自行优化和保存你的提示词，完全不用打开 Prompt Petal。