豆包提示词优化技巧：让AI更听话的指令写法

先划重点：让豆包精准输出，关键在于用结构化指令锁定其推理路径，而非堆砌华丽词汇。若只说“写生动点”，它大概率自由发挥；但若明确“用三个生活化比喻解释量子纠缠，每个不超过20字”，它立刻清楚边界。

这背后是一套可复用的框架：明确角色与约束、拆解任务为可验证动作、设定硬性输出标尺、封堵典型跑偏路径。

明确角色与身份

首先，在提示词开头用一句话定义豆包当前扮演的角色。例如，“你是一位有10年教龄的初中物理老师”——这远比“请专业地回答”更有效。角色越具体，语言风格、知识深度和举例方式越稳定。

接着，补充该角色的核心约束。例如“只使用人教版八年级物理教材覆盖的概念，不引入高中术语”。【缺少这句，它可能调用整个知识库，混入未学内容】

然后，紧接任务指令，中间不换行，不加多余连接词。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。”

拆解任务为可验证动作

具体操作：用动词驱动每一步输出。

比如，“列出→对比→删减→重写”比“更好地表达”有效得多。可直接写：“列出3个常见误区→用表格对比每个误区对应的正确认知→删掉所有带‘本质上’‘归根结底’的句子→把剩余内容改写成学生能抄进笔记的短句。”

同时，设置输出硬性标尺。指定数量（“只写4条”）、长度（“每条不超过12字”）、格式（“用emoji开头，不用编号”）。豆包对数字和符号的响应远比对抽象要求可靠。

封住典型跑偏路径

最后，在提示词末尾加一句否定式指令，专门堵住高频错误方向。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。”

这一步不是锦上添花——它防止豆包自动补全你“以为该有”但实际没说的内容。若任务涉及数据或事实，还需同步提供可信来源锚点。例如：“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数值。”