5.3 提供参考样本与设定专家身份

前面两节讲的是"把话说清楚"的基本功。这一节上两个进阶技巧，能让你的指令从"能用"升级到"好用"——而且立竿见影。

这两个技巧是：提供参考样本和设定专家身份。它们的共同点是：与其用一堆抽象要求去描述，不如直接给 AI 一个"对标对象"或一个"角色框架"。

一、参考样本胜过抽象描述#

官方有一句话特别到位："给一个满意样本让 AI 模仿，比十行抽象要求更有效。"

为什么？因为抽象描述容易有歧义，而样本是具体的、可参照的——语气、格式、结构、风格，全都"写"在样本里，AI 照着做就行。

抽象要求 vs 参考样本#

假设你要让 AI 写一份周报，对比两种写法：

bash
复制
❌ 抽象要求版：
   "写一份周报，语气专业但不生硬，结构清晰，
    重点突出，排版美观，让领导一眼看懂。"
   （"专业""美观""一眼看懂"全凭 AI 自己理解）

✅ 参考样本版：
   "参照下面这份上周的周报，写本周的周报，
    保持同样的结构、语气和排版风格：
    ---以下为样本---
    【本周完成】
    1. 完成 XX 项目需求评审……
    2. ……
    【下周计划】……
    【问题与风险】……
    ---样本结束---"

样本版直接把"专业、美观、清晰"这些抽象词，变成了看得见摸得着的模板，AI 几乎不会跑偏。

样本能传递什么#

一个好样本，可以同时传递多个维度的信息：

换句话说，一个样本顶得上你罗列十条要求。

用样本的小窍门#

1. 给"你最满意的那一版"：样本质量决定了输出质量的天花板
2. 标注清楚"这是样本"：用分隔符（如 ---样本---）明确区分样本和指令，避免 AI 混淆
3. 指明模仿重点："主要参考它的结构和语气"，比"照着写"更精准

二、设定专家身份：给 AI 一个角色框架#

第二个技巧是预设角色。在指令开头给 AI 设定一个资深背景，相当于给它套上一层"专业滤镜"——让它更快进入该领域的表达框架和术语体系。

为什么要设定身份#

没有身份时，AI 用的是"通用回答"——四平八稳、不出错但也不出彩。设定身份后，AI 会主动调用该领域的专业视角、术语和表达习惯，回答的专业度立刻提升。

常见角色设定#

设定身份的写法#

把身份放在指令开头，一句话点明即可：

bash
复制
"你是一位有 10 年经验的投行财务分析师。
请分析这份财报，重点指出 3 个财务风险信号，
并用通俗语言解释每个信号的含义。"

注意：身份要和任务匹配。让"法律顾问"去写广告文案，反而会带偏风格。

三、激励机制：促深度输出#

设定身份后，再加一句激励机制，能进一步激发 AI 的深度思考——这是官方提到的"激发深度"技巧。

什么是激励机制#

就是明确告诉 AI 你对输出的期望深度，促使它不只是完成任务，而是给出有洞察的内容：

bash
复制
✅ "你是一位资深数据分析师。请深入分析这份数据，
    不要只描述表面现象，要挖掘出 3 条非显而易见的
    业务洞察，每条洞察配数据支撑。"

"不要只描述表面现象""挖掘非显而易见的洞察"——这类表述就是在抬高 AI 的输出标准，让它从"交差"变成"出彩"。

激励话术参考#

四、样本 + 身份：组合使用效果最佳#

这两个技巧并不冲突，组合使用效果最好。一个典型的进阶指令长这样：

bash
复制
【身份】你是一位有 10 年经验的投行财务分析师，
        擅长从财报中识别风险信号。
【任务】分析工作区里的 2026年中报.pdf。
【样本】参考下面这份我满意的分析报告风格：
        ---样本---
        [粘贴一份过往的优质分析]
        ---样本结束---
【要求】不要只罗列数据，要挖掘 3 条非显而易见
        的风险信号，每条配数据支撑和通俗解释。
【格式】输出 docx，开头 150 字结论先行。

身份 + 样本 + 激励 + 清晰要求，四管齐下——这已经是一条相当高质量的指令了。

五、两个技巧的适用边界#

虽然这两个技巧很强大，但也不是每次都必须用：

别为了用而用——简单任务套一堆身份和样本，反而显得啰嗦。

小结#

这两个进阶技巧，核心记住四点：

1. 参考样本胜过抽象描述——给一份你满意的样本，AI 照着模仿最准
2. 样本能同时传递结构、语气、格式、风格、篇幅，一个顶十条要求
3. 设定专家身份，让 AI 进入专业视角，更快对齐术语和表达框架
4. 加一句激励机制，促使 AI 从"交差"升级到"出彩"

下一节，也是本章最后一节，我们讲一个贯穿所有任务的方法论：任务拆解与小步快跑——面对复杂任务时，怎样一步步稳扎稳打地推进。