如何写出好的提示词：5 个部分和一个前后对比示例

你的模型周一用三段话总结一封客户邮件，周二却用两个要点。同样的提示词，同样的模型。这就是单行请求的后果：它把每个决定都留给模型，而模型每次的决定都不一样。

一个好的提示词回答五个问题：做什么（任务）、用什么做（上下文）、答案应该长什么样（格式）、好的答案长什么样（示例）以及要避免什么（约束）。下面，一个模糊的请求会变成一个结构化的请求，经过兼容 OpenAI 的 CheapTokens API，你会看到更长的提示词给账单增加了什么。

为什么“总结这封邮件”是一场赌博#

当你输入“总结这封邮件”时，你心里已经有了答案：一句话、有多紧急、下一步做什么。模型看不到这幅画面。所以它只能猜，而每个猜测都合理。合在一起，每次运行都会给你不同的答案，而读取答案的脚本没有任何稳定的东西可以解析。

OpenAI 的提示工程指南（2026 年 10 月 27 日阅读）把这一点说得很直白：提示工程就是编写有效的指令，当你明确告诉 GPT 模型如何完成任务时，它们表现更好。这个习惯不限于文本。2026 年 10 月 26 日，一个 Telegram 频道分享了一个 30 秒生成视频的提示词，它被拆成几个块：场景、视觉风格、对话、音频和排除项、技术规格。任务不同，做法相同。作者提前命名了每个决定，而不是留给模型。

五个部分，用大白话说#

想象你在新同事第一天上班时给他做简报。“处理一下这个”只会让你得到一个猜测。一张写着任务、材料、你想要的格式、一个示例和一条“不要”的便利贴，才能让你得到你想要的东西。

任务是一个动词加一个宾语：“总结这封邮件并评估其紧急程度。”要直白。“帮忙处理这封邮件”不是任务。

上下文是模型要处理的材料：邮件、产品描述、政策。模型只知道它在训练中学到的，加上你粘贴进去的内容。把粘贴的文本用分隔符包起来，比如 <email>…</email> 这样的 XML 风格标签或 markdown 标题，这样你的指令就不会和文本混在一起。OpenAI 的指南建议两者都用。

格式是答案长什么样：“包含 summary、urgency、next_step 键的 JSON”或“三个要点，每个最多 12 个词”。当代码读取回复时，这一点最重要。

示例是一个输入加上你想要的输出。指南建议使用少样本示例，覆盖多样化的输入及期望的输出。一个示例是不错的开始；当你的输入差异很大时，再加第二个。

约束是那些“不要”：只使用邮件中的事实，缺少信息时写“unknown”，不提供退款或折扣。

顺序也有一点关系。同一份指南说，开发者消息或系统消息通常按身份、指令、示例、上下文的顺序排列，而上下文应放在接近末尾的位置，因为它在不同请求之间会变化。规则放在系统消息里；输入放在用户消息里。

前后对比：一封客户邮件#

下面是单行请求与包含全部五个部分的同一请求的对比。邮件本身就是上下文，它放在用户消息里，用 <email> 标签包起来。

Summarize this email.

You summarize customer emails for a support team.

Task: Summarize the email in the <email> tags and rate how urgent it is.

Format: Reply with JSON only, using the keys "summary" (one sentence), "urgency" ("low", "medium" or "high") and "next_step" (one short sentence).

Example:
<email>Hi, order 1042 was due Monday and it's Thursday. Where is it?</email>
{"summary": "Order 1042 is three days late and the customer asks where it is.", "urgency": "medium", "next_step": "Check the carrier tracking for order 1042 and reply with the status."}

Rules:
- Use only what the email says. If something is missing, write "unknown".
- Don't offer refunds or discounts.
- Output nothing outside the JSON.

从上到下读“之后”的版本，你可以指出每个部分：开头一行和任务、格式行、示例、规则。邮件故意不在文本中。它随每个请求变化，所以单独传递。

通过 API 发送#

指令从不改变，所以它们放在一个常量里并放在最前面。邮件会变化，所以放在最后。这是完整的脚本，使用指向 CheapTokens 的 OpenAI Python SDK。模型是 DeepSeek-V4-Flash：380K 上下文，每次回答最多 32,768 个输出 token，任何时段一个价格。从 CheapTokens 文档获取基础 URL 和模型 id；如果你还没有密钥，你的第一个 API 请求会带你走一遍。

import json
import os

from openai import OpenAI

client = OpenAI(
    base_url="https://api.cheaptokens.dev/v1",
    api_key=os.environ["CHEAPTOKENS_API_KEY"],
)

SYSTEM_PROMPT = """You summarize customer emails for a support team.

Task: Summarize the email in the <email> tags and rate how urgent it is.

Format: Reply with JSON only, using the keys "summary" (one sentence), "urgency" ("low", "medium" or "high") and "next_step" (one short sentence).

Example:
<email>Hi, order 1042 was due Monday and it's Thursday. Where is it?</email>
{"summary": "Order 1042 is three days late and the customer asks where it is.", "urgency": "medium", "next_step": "Check the carrier tracking for order 1042 and reply with the status."}

Rules:
- Use only what the email says. If something is missing, write "unknown".
- Don't offer refunds or discounts.
- Output nothing outside the JSON.
"""

email = "Hello, I was charged twice for my subscription this month. Please fix it before Friday, my card is almost at its limit."

response = client.chat.completions.create(
    model="deepseek-ai/DeepSeek-V4-Flash-0731",
    messages=[
        {"role": "system", "content": SYSTEM_PROMPT},
        {"role": "user", "content": f"<email>\n{email}\n</email>"},
    ],
)

reply = response.choices[0].message.content
print(json.loads(reply))
print(response.usage.prompt_tokens, response.usage.completion_tokens)

如果格式行发挥了作用，回复就是一个 JSON 对象，包含 summary、urgency 和 next_step，而 json.loads 会把它变成字典。如果它抛出错误，说明模型把 JSON 包在了额外文本里：收紧最后一条规则或再加一个示例。最后一行打印输入和输出了多少 token，这正是下一节要讲的数字。

多出来的字要花多少钱#

一个 token 是单词的一部分。你按 token 为发送的内容（输入）和模型写出的内容（输出）付费，而输出是更贵的一侧。更多内容见输入与输出 token。

假设你运行一个支持机器人，每天处理 1,000 封邮件，每封邮件约 300 个 token。单行请求大约增加 10 个 token 的指令，所以大约 310 个 token 输入；我们假设它得到约 250 个 token 的自由形式摘要。上面的系统提示词约 200 个 token，加上 <email> 标签大约 10 个，所以大约 500 个 token 输入；我们假设格式行把答案限制在约 80 个 token 的 JSON。在 DeepSeek-V4-Flash 上，单行请求每封邮件是 $0.00003，结构化提示词是 $0.000016。提示词变长了，但请求变便宜了，因为长的部分是输入，而你缩短的部分是输出。运行脚本，把这些假设换成你自己的 prompt_tokens 和 completion_tokens。

下面是结构化提示词在每天 1,000 封邮件、跨多个模型下的情况。总计，把输入和输出算在一起，在这个工作负载上 CheapTokens 比 OpenRouter 的参考价格更便宜；当前价格在定价页面上。

自我检查#

一个关于这个习惯的问题，当脚本复用提示词时，它回报最大。一旦结构奏效，接下来的旋钮是系统消息和温度，见系统提示词与温度。