企业官网建设流程全解析

你有没有过这种经历：打开一个收藏夹，里面躺着84条“神级提示词”，有的来自某个大V的分享帖，有的是从教程里复制来的“一分钟生成专业海报”，还有自己在网上刷到立刻存下的“AI写作万能模板”。可真到要用的时候，翻来翻去，不是词不达意，就是输出效果平平，最后还得自己重新磕磕绊绊现编。我跟提示词打了几年交道，最深的体会就是：收藏一堆碎片，远不如背下一条公式。这条公式就是今天要讲的“角色-任务-目标-约束-交付”五段式。它不是什么玄学，而是所有高效提示词底层共有的骨架。把这五段吃透，你不需要收藏夹，也能在写图、写文、写代码、写视频提示词时一次拿准方向。

1. 为什么收藏84条提示词，不如背下1个万能公式

1.1 收藏夹里的提示词为什么总是不好用

很多人跟我一样，最早接触提示词是从玩文生图开始的。那时候网上疯传各种“鹈鹕骑自行车提示词”“高难度打斗场景提示词”“AI人物生成提示词”，看着效果图确实惊艳，于是赶紧复制进收藏夹。可真到自己输入同样一串词，出来的图不是崩了一角，就是风格完全不对。

为什么？因为这些提示词是从某个具体场景里长出来的“定制方案”，离开那个模型版本、参数设置、风格前置、甚至随机种子，它就很难复现。更关键的是，大部分收藏的提示词并没有告诉你背后的设计意图：为什么这段词要这样排列，为什么某些描述放在前面，为什么要把动作约束得那么细。你抄到的是结果，不是方法。换个需求，那些词条立即失效。比如让你用同一段“鹈鹕骑自行车”的提示词去生成一只“正在送货的鹈鹕”，很多人就卡住了，因为不知道怎么拆、怎么改、怎么补。

这背后其实暴露了一个核心问题：很多人把提示词当成了“咒语”，以为背下来就能召唤。但现在的AI模型不是魔法灯，它更像一个阅读理解能力很强、但想象力有点发散的实习生。你给它一份逻辑清晰、要素齐全的需求说明书，它才能交出像样的活；你给它一堆堆叠的华丽辞藻，它的注意力就会被乱七八糟的修饰词带偏。

1.2 提示词工程的底层逻辑：模型到底在“读”什么

要理解万能公式为什么有效，得先搞清楚模型是怎么处理提示词的。以图像生成模型为例，提示词中的每个名词、动词、形容词，都会被编码成语义向量，然后通过交叉注意力机制在生成过程中逐层影响画面。模型不是像人一样“读图”，而是把文字转换成注意力分布，去决定画布上每一块区域应该长成什么样。

举个例子，当你写“一只鹈鹕在骑自行车，翅膀握住车把，嘴里叼着公文包”，模型需要同时建立好几个绑定关系：主体是鹈鹕、动作是骑车、翅膀和车把有关、嘴巴和公文包有关。如果提示词结构混乱，比如先写了风景、再写鹈鹕、又突然插进一个“阳光明媚”，模型的注意力就可能被分散，结果就是画出一只鸟悬在半空中、翅膀和车把“融为一体”的诡异画面。这就是网上那些“鹈鹕测试翻车图”的由来。

对语言模型也是如此。大模型的输出质量高度依赖它在上下文里捕捉到的“角色、指令、限制条件”。上下文窗口再大，也经不起没有重点的冗余信息轰炸。你把需求说清楚，它才能把能力对准靶心；你把边界划出来，它才不会信马由缰。理解了这一点，你就会明白，所谓“提示词工程”，本质就是一门需求沟通学。而“角色-任务-目标-约束-交付”这五个槽位，恰好覆盖了一次清晰需求沟通所需的全部要素。

2. 万能公式拆解：五段式结构，把提示词彻底说明白

2.1 万能公式长什么样

我先给出这个公式的通用模板，后文所有场景都会拿它来套：

你是一名<角色>。 当前背景/情景是：<背景>。 现在需要完成的任务是：<任务>。 你要达成的目标是：<目标>。 请注意以下约束条件：<约束1>、<约束2>... 输出时请遵循以下交付规范：<输出格式、结构、风格要求>。

别小看这五行字。你可以把它理解成给一个实习生派活时的完整说法：先告诉对方“你是谁”，再交代“现场情况如何”，然后说“你去干什么”，接着讲“为什么要干成什么样”，最后强调“这事哪些不能碰、交付物按什么标准来”。反馈一次到位，对方就不会反复找你来确认“这里要不要做成红色”“这个细节是不是漏了”。

我在很多实际项目里把这套模板叫“五槽位法”，因为它像五个卡槽，每个槽位都有明确的功能，组合起来才能稳定产出高质量结果。下面逐个拆。

2.2 角色：给模型一个行为视角

角色设定的作用，是让模型从合适的语料先验中激活说话方式、行文风格和专业技能。比如你说“你是一名有八年经验的教育领域公众号主编”，模型会用一种类似资深编辑的口吻来组织内容；你说“你是一名UI设计师”，它就会更注重布局、间距、色彩对比这些视觉语言。

角色不只是嘴上说说。它直接影响输出内容的专业浓度和语气温度。很多人生成的文案一眼就看出是AI写的，恰恰是因为没给角色定位，模型默认用了最安全但也最平庸的“百科腔”。而加了角色之后，输出就会明显带上行业黑话、叙事节奏和经验感。一个有效的角色设定，建议包含：身份、领域、经验年限、风格倾向。比如“有十年出版经验、擅长面向亲子人群的图书编辑”，比单纯“你是编辑”要精准得多。

2.3 任务：用动词明确动作，一次只派一个活

任务槽位是公式的主干，它描述“到底要做什么”。写任务的关键是两个原则：动词要具体，动作要单一。比如“请生成一张海报”“请写一篇600字的产品推荐文案”“请把这段代码重构为Python版本”，这些都是清晰的任务。而“帮我看看这个项目怎么样”这种模糊表述，模型往往无从下手，只能给你一堆正确的废话。

很多人在任务槽位里喜欢一次塞好几个要求，比如“写一篇公众号文章，顺便帮我设计封面标题，再想三条转发语”。模型确实能完成多件事，但每一项的质量都会被稀释，因为它在生成时需要不断切换注意力。实操经验是：一个提示词只安排一个主任务，其他辅助需求放到交付规范里。比如“写一篇公众号文章”是主任务，封面标题和转发语可以作为交付项列在后面，这样模型会在完成主任务的同时，把附加项当作输出的一部分来统一处理，效果远好于让它在文字和设计之间来回横跳。

2.4 目标：告诉模型“为什么而做”

目标槽位最容易被忽略，但它恰恰是决定内容质量的分水岭。同样是“写一篇关于时间管理的文章”，如果没有目标，模型会写成常规的清单体、罗列式；如果目标是“让读者读完后立刻产生行动，愿意尝试清单中至少一个方法”，模型就会刻意加入可操作步骤、场景代入、紧迫感设置，整篇内容的节奏完全不同。

目标为什么这么关键？因为语言模型在训练时见过海量文本，它天然能根据意图调整输出风格。你给了它一个质量标准，它就会往那个方向靠。这就像你让摄影师拍一张“人像照”，他可以拍出各种风格；但你告诉他“这张照片要用于相亲软件的头像，要让对方觉得你阳光且可靠”，他的构图、光线、表情引导全都会随之改变。同样，目标就是给模型锚定质量标准的核心指示。

2.5 约束：划清边界，防止放飞自我

约束槽位是很多人会忽略、但最能体现专业度的地方。它告诉模型“不能做什么”“必须满足什么条件”。比如你要AI写文章，约束可以是“不得编造数据和案例”“避免使用过于夸张的形容词”“必须包含至少一个实际操作方法”等等。对图像生成，约束可以指定“主体必须是鹈鹕，不能出现人类”“翅膀必须握着车把，不能悬浮”“禁止文字和LOGO填满画面”等。

约束的价值在于把模型的发散能力关进笼子里。大模型天然倾向于“自由发挥”，因为训练目标就是生成合理且多样的文本。不设约束，它就会往最安全的中间地带跑，输出那种“看起来没什么错，但也没什么用”的内容。而约束越清晰，模型的输出就越能落在你需要的区间。不过也要注意，约束不是越多越好。约束堆砌太狠，模型会顾此失彼，甚至全程在“避免违规”上花掉大量注意力，输出反而僵硬。我一般建议每条提示词设置3到5条关键约束，优先选那些“踩线就报废”的硬性条件。

2.6 交付规范：规定输出的形状、结构、风格

最后一个槽位是交付规范。它解决的是“模型怎么把结果呈现给你”。常见的交付规范包括：输出格式（Markdown、JSON、纯文本、表格）、结构（分几个段落、是否需要小标题）、长度（多少字、多少条）、风格要求（口语化还是书面化）、附加项（是否需要总结、是否需要代码注释）。交付规范写得越具体，你后期需要手动调整的成本就越低。

举个例子。我让AI写一份周报，如果只写“帮我写周报”，它会给出一份三段式的泛泛总结。但加了交付规范“以本周重点工作、风险项、下周计划三个板块输出，每板块不超过5条，每条带一句话说明”，拿到手的周报几乎可以无缝粘贴使用。很多所谓的“提示词技巧”，本质都是在交付规范里下了功夫。这五段组合起来，提示词就不是一句碰运气的口语，而是一份正式的需求文档。

3. 用万能公式实操四大高频场景

有了公式，我们把它放进最常见的几个真实场景里拆一遍。你会发现，无论是全网热议的“鹈鹕骑自行车提示词”，还是视频生成、公众号写作、AI编程，本质上都能用这五个槽位稳稳接住。

3.1 文生图实战：破解“鹈鹕骑自行车提示词”

先说大名鼎鼎的“鹈鹕骑自行车测试”。这个测试最早源于一个非常简单的英文提示词，大意是“一只鹈鹕鸟骑着自行车，提着公文包”。因为它要求模型同时处理“鹈鹕”“骑车”和“携带公文包”三个要素之间的动作绑定，早期版本的图像模型经常把鹈鹕画得要么身体扭曲，要么翅膀和车把融为一体，要么公文包悬浮在半空。于是它迅速成了测试模型基础能力的经典题目。

如果直接用一句话提示词去生成，效果全看模型心情。但用万能公式把它展开，稳定性会大幅提升：

你是一名野生动物摄影师。 背景：在一个阳光明亮的欧式小镇街道上。 任务：拍摄一张鹈鹕鸟骑自行车的写实照片。 目标：画面既有纪实感又带一点诙谐，像获奖的野生动物摄影作品。 约束： - 主体必须是鹈鹕鸟，不能出现人类 - 鹈鹕的爪子踩着自行车踏板 - 翅膀握着自行车车把 - 公文包挂在车把上，不能悬浮 - 拒绝文字、水印和LOGO 交付：竖版3:4构图，自然光，浅景深，高清细节

这样一改，模型的工作量就从“猜你想干嘛”变成了“照着规格执行”。每个部件有了明确的归属和动作绑定，翻车概率直接降一个量级。老实说，我拿这套去生成“鹈鹕骑自行车”从没失败到“致命崩坏”，最多是光线风格和预期略有出入。而这恰恰说明：不是提示词越长越灵，而是提示词里的信息结构越清晰越灵。

3.2 AI UI与人物生成场景怎么套公式

有人会觉得万能公式只适合写实风，那做AI UI设计或人物生成怎么办？其实原理一样。比如你要用AI生成一个“登录页界面”，你可以这样写：

你是一名资深UI设计师。 任务：设计一个面向年轻用户的APP登录页面。 目标：界面简洁清爽，让用户能在10秒内理解操作方式。 约束： - 颜色不超过三种，主色为蓝色系 - 必须有账号输入框、密码输入框、登录按钮 - 按钮上文字是“立即登录” - 不要复杂的背景插画 交付：输出HTML+CSS代码，附带设计说明

对比一下那些动辄上百个词的“UI提示词模板”，这套公式是不是更像项目经理发给设计师的开工单？对于AI人物生成也一样，你只需要把“角色”替换成人物设定，“任务”替换成“拍摄一张全身肖像”，“约束”里明确五官、服装、光照、镜头焦段，“交付”里规定构图比例。之前那些收藏的“AI人物生成提示词”，拆开看也逃不过这五步。

3.3 文生视频提示词：在公式基础上加一根时间轴

近两年文生视频工具火起来了，热词里全是“seedance生成iris out舞提示词”“minimax h3 生成5秒视频提示词”“文生视频提示词模板”之类。很多人拿文生图的思路去做视频，结果发现模型只会让静态画面微微动一下，根本谈不上“剧情”。问题出在哪？视频提示词不仅需要描述画面内容，还要描述“画面随时间如何变化”。

万能公式在视频场景里可以这样升级：在约束中加入时间轴描述，或者在任务里明确“镜头如何运动、主体如何移动”。比如：

你是一名电影摄影师。 任务：拍摄一段5秒钟的短片，画面中一只鹈鹕鸟骑着自行车穿过街道。 目标：画面流畅自然，镜头有推进感，像电影中的跟拍镜头。 约束： - 前2秒：远景，鹈鹕从街头远处驶来 - 第3秒：镜头缓推至中景，鹈鹕清晰入画 - 最后2秒：镜头跟随鹈鹕掠过镜头，略显虚幻拖影 - 保持鹈鹕形象、色调全程一致 - 街道背景不能穿帮或闪烁 交付：5秒短视频，24fps，电影宽幅比例

这里最关键的是把“时间”显式地写进约束里。模型只有知道每一个时间段的画面状态，才能生成真正的动态变化，而不是一帧到底的“会动的图”。很多热门视频提示词模板之所以有效，就是因为它们在不知不觉里遵循了“时间轴+运动+镜头语言”这三件套。掌握了这套思路，你不需要囤模板，也能按需组合出高质量视频提示词。

3.4 文案写作场景：公众号文章自动生成提示词设计

公众号写作是提示词使用频率最高的场景之一。很多人问“用扣子制作自动生成公众号文章的能力该怎么设计提示词”，其实核心就是把万能公式拆成“选题、初稿、润色”三个环节，分别给定角色、任务、目标、约束和交付规范。这里我直接给一套可以抄的参考：

选题环节提示词：

你是一名有三年公众号实操经验的资深编辑。 任务：基于主题“给孩子的时间管理启蒙”，策划5个公众号选题。 目标：选题要有情绪钩子，能引发家长转发意愿。 约束： - 每个选题不超过20个字 - 避免“如何做好”“强身健体”这类老生常谈 - 必须包含一个让读者觉得“这就是说我”的场景 交付：按列表输出，每个选题配一句选题理由

初稿环节提示词：

你是一名教育领域公众号主编。 任务：围绕指定选题撰写一篇1500字左右的公众号正文。 目标：让家长读完觉得有用、有理、愿意收藏。 约束： - 不得编造统计数据和研究结论 - 开头必须有一个真实感的生活场景 - 每段落不超过五行 - 语言平实，禁止“众所周知”“总的来说” - 结尾提供3条可直接执行的小建议 交付：提供一个推荐标题、一段不超过80字的摘要、正文全文

润色环节则简单很多，角色换成“文字校对”，任务变成“改进语气衔接、删减冗余”，约束里保留“不改变原意”，交付规范为“输出修改前后对照”。把这些提示词按顺序串进自动化工作流里，一个“自动生成公众号文章”的能力就立住了。

3.5 AI编程场景：cursor、copilot、deepseek提示词的核心结构

编程提示词和写作提示词看起来很不一样，但结构依然能套用。比如你在Cursor或DeepSeek里写“用Python写一个爬虫模板”，这算一句合格的日常用法，但如果想要高质量代码，就必须给足上下文。万能公式的编程版大概是：

你是一名有五年后端经验的高级Python工程师。 任务：实现一个从公开网址抓取标题和正文内容的脚本。 目标：代码结构清晰，方便后续扩展，能处理常见网络异常。 约束： - 只使用requests和BeautifulSoup库，不使用scrapy - 必须加入超时重试机制 - 不处理登录和验证码场景 - 关键函数添加中文注释 交付：输出完整Python代码，附带函数说明和运行方法

网上流传的“cursor提示词泄露”多少都有类似内容，只不过以系统级提示词的形式存在，告诉Agent“你是什么角色、回答时遵循什么顺序、遇到什么问题怎么处理”。本质上，它们就是“角色-任务-目标-约束-交付”的工程化表达。所以与其去寻找某个神秘的高分提示词，不如学会自己搭这套结构。这样不管换什么编程工具，你都能快速让AI给出可落地、符合预期的代码。

4. 从0到1：用万能公式搭建“自动生成公众号文章”工作流

4.1 先拆流程，再写提示词

如果你要在扣子（Coze）这类平台上搭建一个“自动生成公众号文章”的能力，不要一上来就写一个超长提示词，指望它一口气完成从选题到发布的所有步骤。正确的做法是先拆流程：选题策划、素材收集、初稿生成、内容校审、格式整理。每一步单独配一个Agent或一个工作流节点，每个节点里的提示词都用万能公式来写。

以选题策划节点为例。这个节点的输入是“用户指定主题”，输出是“一组通过初选的选题”。提示词的重点槽位是“角色”和“约束”：角色决定模型站在什么视角想选题，约束决定选题的质量下限。初稿节点则相反，提示词的核心在“任务”和“交付”上，任务要锁定文章主题和字数，交付要卡住结构和格式。把流程拆细之后，每个提示词都能保持相对简短、精准，调试起来也方便定位问题。

4.2 主提示词模板：可以直接抄的版本

我给出一个可以直接粘贴到扣子“大模型节点”里使用的主提示词模板。它不是万能公式的全部，而是公式在自动化工作流中的具体化：

你是一名有五年公众号实战经验的主编，擅长把复杂话题写成大众愿意读的推送。 主题背景：{用户输入的主题} 任务：围绕主题撰写一篇公众号文章，字数控制在1500字左右。 目标：文章让读者有“学到东西”的感觉，并在结尾愿意关注账号。 约束： - 标题党适度，但不能虚假夸张 - 必须有一个生活场景式的开头 - 正文事实必须围绕已有素材，禁止编造数据 - 每段不超过5行，语言口语化 - 结尾给出2-3条行动建议 交付： 1. 一个20字以内的推文标题 2. 一篇80字以内的点开前概要 3. 正文内容（不要用Markdown格式） 4. 三个转发朋友圈时可用的一句话金句

这个模板里的{用户输入的主题}是一个变量槽，由上游节点动态填入。每次触发工作流，模型都会拿到一份规范化的“需求单”，输出也就相对稳定。你可以在此基础上继续调整字数、文风、行业术语，但骨架不用换。我实际测下来，这样一个节点跑出来的初稿，修改成本能从“全部推翻”降到“局部微调”。

4.3 迭代是提示词的真功夫

搭建自动化工作流的另一个心得是：提示词不是一次写好的，是要靠输出反推迭代的。初版提示词跑出来的结果，往往会有几个问题：选题太同质化、正文有说教感、标题平淡。这时不要急着改约束，而是先看输出里的哪一环节跑偏了。

比如生成的文章开头太“百度百科”，说明角色设定里缺了“擅长写故事化开头”的倾向；如果正文信息量偏低，可能是目标槽位没有强调“要有干货”；如果标题完全不想点开，那就要在交付规范里加一句“标题要包含具体利益点或悬念”。每次只改一个槽位，跑一两篇，对比效果，再决定下一步。这种“输出驱动式”的调整，比对着各种提示词攻略猜测有效得多。

我还习惯在自动化工作流里加一个“质检节点”，让另一个Agent用工式公式来审核上一节点的输出。质检提示词里角色是“公众号主编”，任务是“检查文章是否符合选题、结构是否完整、有无大忌”，约束是“指出问题后必须给出修改建议”，交付是“按问题列表输出审核意见”。这样一个基础的三段式工作流，就能自动完成初稿+质检+润色，比单节点直接生成整篇文章的稳定性高出一大截。

5. 常见问题与排查技巧实录

5.1 典型问题速查表

我把自己这些年在图像、视频、文案、代码四个方向上踩过的典型问题整理成了一张速查表，方便你对症下药。

5.2 我的三连排障法

排查提示词问题，我有一套固定的“三连”流程，几乎能解决80%的疑难杂症。

第一步，看“角色和任务”是否匹配。如果你的角色设成“资深编辑”，任务却是“写一段抖音搞笑文案”，那模型会很拧巴。角色和任务之间要有一致性，否则输出会两头不靠。

第二步，看“约束是不是在限制空气”。很多人写约束时怕模型跑偏，一下子列十几条，但其中一半都是无关痛痒的废话。这些废话说多了，反而挤占了模型对于关键约束的注意力。遇到输出仍然跑偏，先把约束精简到5条以内，把真正要命的那几条放最前面。

第三步，看“交付规范是否强制了结构”。很多问题不是内容不对，而是格式不对，比如你让AI写方案，它给了你完整段落，你本来想用Excel整理。这就是交付规范里没写“分点列出”。加上“按序号分条输出”这类指令，问题当场解决。

这套三连排障法，比反复删改提示词有效得多。因为它先帮你判断是哪一层出了问题，而不是拿整个提示词开刀。大多数时候，问题不是出在“话术”上，而是出在“该给的信息结构没给全”。

5.3 要不要用提示词优化插件

现在网上有各种提示词优化插件，比如“DeepSeek harness提示词优化插件”，一键把普通的描述重写成更有结构的提示词。我自己的态度是：可以用，但不能依赖。这类插件生成的提示词，本质上是在帮你做“角色-任务-目标-约束-交付”的格式化。如果你已经理解公式，会发现它们的答案并不神奇，只是把信息补全、顺序理顺。

但如果你完全不懂公式，只靠插件一键生成，拿到优化后的提示词仍然是一头雾水：为什么它要把“细节描述”放在那个位置？为什么要把否定词改成肯定词？下一次换个需求，你又要靠插件。所以我的建议是：用插件生成的结果当参考，用你自己的公式知识去检查它、修改它。工具是拐杖，公式才是腿。

6. 结尾还是得说：公式是“需求沟通术”，不是“咒语书”

写到这，我想说说自己在实际操作里的体会。收藏夹里的84条提示词就像一堆散装螺丝，看起来每一颗都有用处，但真到拼装的时候你总会发现型号对不上。而万能公式是一套螺丝刀，它不能替你做所有巧妙的事，但它让你面对任何新场景时都有机会把内容拆开、重组、定向输出。我用这套五段式改写过上百条提示词，从“鹈鹕骑自行车”这类经典测试，到公众号自动化工作流，再到代码生成和视频分镜，无一例外都能套上。

最后再分享一个小技巧：每次AI给出一次特别满意的输出，不要只高兴一下，把那段推荐的提示词按公式重新抄录一遍，看看它是靠哪个槽位获得成功的。长期积累下来，你会慢慢发现所谓“神级提示词”的秘密，其实就藏在最基础的角色定位和约束设置里。到那时候，你也能随手写出让别人想收藏的提示词。