> For the complete documentation index, see [llms.txt](https://yeasy.gitbook.io/ai_beginner_guide/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://yeasy.gitbook.io/ai_beginner_guide/di-san-bu-fen-shi-zhan-ying-yong-ji-qiao/11_prompt_basics/11.2_principles.md).

# 11.2 提示词黄金三原则

> 既然 AI 是超级员工，那你就要拿出 CEO 的派头。背景 + 角色 + 目标 + 关键结果。

## 11.2.1 为什么 CEO 的指令最有效？

你发现没有，大老板下指令通常非常清晰，不怒自威。

因为他们潜意识里用了 **BROKE 模型**。这是笔者总结的一套最适合 AI 的沟通框架。

## 11.2.2 BROKE 模型拆解

* **B (Background) 背景**：前因后果，给 AI 喂料。
  * *CEO 说*：“咱们公司下个季度要进军日本市场...”
* **R (Role) 角色**：指定人设，激活特定知识库。
  * *CEO 说*：“你作为咱们的首席市场官...”
* **O (Objectives) 目标**：要干什么。
  * *CEO 说*：“你要给我出一份市场调研报告...”
* **K (Key Result) 关键结果**：交付标准。
  * *CEO 说*：“主要分析竞品的价格策略，要用数据说话，最后给我 3 个可行的定价建议，做成 PPT 大纲发我。”
* **E (Examples) 例子**：打个样（可选，详情见 [11.3.1 节 少样本提示](/ai_beginner_guide/di-san-bu-fen-shi-zhan-ying-yong-ji-qiao/11_prompt_basics/11.3_patterns.md)）。
  * *CEO 说*：“风格参考咱们去年做的那个北美市场报告。”

## 11.2.3 拒绝“一句话提示词”

很多人用 AI，喜欢像用百度一样，只输几个关键字：“日本市场调研”。

这就好比你路过员工工位，丢下一句“做个调研”就走了。

员工（AI）绝对一脸懵逼，做出来的东西肯定也不行。

**把这个模板刻在脑子里：**

> **\[背景]** 我最近... **\[角色]** 请你扮演... **\[目标]** 帮我做... **\[关键结果]** 要求风格...格式...字数...

只要你按照这个框架系统地输入，AI 在复杂任务上的 **一次命中率、回答结构可读性与最终可控性** 将得到可观测的显著提升。

> \[!WARNING] **提示词的失效边界**
>
> 切记，提示词工程不是魔法。如果你发现任务涉及：
>
> * **实时外部数据**（如今天某只股票的价格）
> * **精确复杂计算**（如大数相乘或统计汇总）
> * **严格的流程约束**（如多重条件语句执行）
>
> 那么无论你运用多少高级修辞，单凭 BROKE 框架依然无法阻止 AI 产生严重的“幻觉”。在这些情况下，请立刻转向使用 **工具调用（Function Calling）** 或**检索增强生成（RAG）** 等硬性工程手段。

## 11.2.4 为什么 BROKE 模型管用？背后的科学原理

你可能会好奇：为什么加了角色、背景、示例之后，AI 的实力就“涨”了？

其实它的实力压根儿没变。变的是你“调台”的方向。

大模型的本质是在算一个条件概率：“给定你说的这段话，下一个字最可能是什么？”提示词其实不是“命令”，而是一种 **条件信号**——它改变了模型“要翻哪本书”的方向。

* **加角色**（“你是一名资深工程师”）：等于告诉 AI “你在专家文献那一堆书里找答案”，它输出的字自然就严谨专业了。
* **加背景**：等于让 AI 先翻到“相关章节”，而不是全书翻一遍。
* **加示例**：等于给 AI 一份“样板”，让它知道交付物长什么样子。

所以 BROKE 模型其实是一套“调台”工具箱：每加一个元素，就把“全宇宙的可能回答”缩窄到你真正想要的那个角落里。

## 11.2.5 思考题

不仅是对 AI，你在日常工作中，对同事、下属甚至对孩子下指令时，是不是也经常犯“没给背景、没定标准”的错误？

学会了写提示词，你会发现你的 **人类沟通能力** 也变强了。