2026年提示词工程进阶5级能力路线用好AI工具

PAGE2026年提示词工程进阶：5级能力路线用好AI工具────────────────

同样在用AI，你可能见过这种反差：有的同事一上午把一周的活干完，准点下班；有的人开一整天的对话框，不是让AI道歉就是自己气到关电脑。更扎心的是，工具是同一款，时间是同一天，差的只是“怎么说话”。这篇就是写给已经开始用AI、却总觉得“差点意思”的你，用一条从新手到高手的路线，把提示词工程进阶5级能力真正变成生产力。提示词工程进阶5，核心不是让你多会几个神秘指令，而是学会像带一个刚入职的新人一样，把AI培养成你的得力助手。一、用角色设定打开提示词工程进阶的大门有些人第一次用AI时，随手一问：“帮我写个PPT大纲。”结果AI一本正经给了个教科书目录，写得不算错，却完全用不上。你可能也体验过类似挫败，然后得出结论：AI不行。真相往往是：你还不会“安排ta的岗位”。先讲个具体场景。人物：小王，互联网产品经理，35岁。情境：要在两天内做一套关于“下沉市场增长策略”的内部分享，包含数据分析、竞品对比和方案建议。小王第一次用AI时，就是一句话：“帮我写下沉市场增长策略分享的内容。”AI写了一大篇，风格像宏观经济报告，引用了很多空泛词汇，领导看了只说了一句：太虚了。小王当场无语。半年后，小王调整了方式。他改用这样的开头：你现在是一名有8年经验的互联网产品总监，长期负责下沉市场业务，风格偏务实，习惯用数据和案例说话；你的任务是帮我梳理一场内部分享的内容提纲，对象是运营和销售同事，所以要少讲概念，多讲能落地的动作；你的回答请控制在三页PPT的范围，不要展开写文案，只给结构和要点。同样的需求，10分钟就出了一个能直接用来开会的提纲。小王跟我说，他感觉像是给AI办了个入职培训。这就是角色设定的威力。为什么角色设定这么关键2026年主流智能工具都号称“通才”，会写代码、写文案、写方案。听上去很强，但问题也在这：通才没有默认职业身份。你不指定，模型就会按“平均用户”的平均需求来回答。这就好比你走进一间会议室，对着空气喊一句：“谁帮我写个方案？”来的人可能是销售、HR、法务，各说各话。你得先说清楚：我要找的是“做了很多增长项目的那个产品总监”，对吗？这里有个有意思的数据。今年我在企业培训里做了一个小实验，让40个学员用“无角色设定”和“有角色设定”两种方式，让AI写同一个竞品分析。结果是：有明确角色设定的那一组，产出被导师评为“基本可用”的比例，从27%提升到了81%。我当时看到这个数据也吓了一跳。怎么写出有效的角色设定你可以先记住一个公式：角色设定=身份+背景经验+工作风格+当前任务边界具体操作步骤，可以按下面这张“脑内表格”来走：1.身份：一句话说清楚他“是什么岗位的人”。例如：有10年经验的B2B营销总监；一线城市三甲医院内分泌科医生。2.背景经验：加一两句，让AI知道他经历过什么。例如：长期负责ToB线索转化与销售协同；主要处理2型糖尿病及并发症病例。3.工作风格：用日常语言写出你希望的行文特点。例如：喜欢用数字说话、避免空话；表达直接，结论先行；偏严谨保守。4.当前任务边界：明确这一次你要他做什么，不做什么。例如：只输出提纲，不写完整文案；只列出3个最重要风险，不做科普。你不需要每次都写成作文。一开始详细一点，后面可以逐渐缩短，甚至整理成自己的“角色设定模板库”。一个简化版模板给你直接套用：你现在是【身份】，有【年限】相关经验，过去主要负责【关键经验】。你的工作风格是【风格描述，例如“偏保守、重数据、讨厌空话”】。接下来你需要帮我完成【任务目标】。这次输出【必须包含什么】，【明确不需要什么】。练习任务：用角色设定修正一个老问题找一件你之前已经用AI做过、但不太满意的任务，比如写项目复盘、写岗位JD、整理竞品分析。不要改需求内容，只改开头这段“角色设定”。改完之后再跑一遍，让AI重新输出结果。你可以这样自测：如果新结果让你只用修改不到20%的内容就能使用，那说明你的角色设定已经达到“入门水平”。如果你发现只要调整角色设定，整体风格和思路就会明显变化，那说明你已经开始掌握“怎么给AI安排岗位”。判断你是否到达本阶段的一个标准当你做到下面这点时，可以认为自己顺利通过了提示词工程进阶的第一关：在日常工作中，针对同一个任务，你可以为AI设计出至少两个不同的角色设定，比如“保守严谨版”和“激进创新版”，并能清楚说出它们产出之间的差别和使用场景。当你能稳定做到这一点的时候，说明你已经不再把AI当成一个统一的大黑盒，而是学会了“请对的人干对的活”。这是个小转折点。二、中的任务拆解能力角色问题解决了，很多人会进入第二个常见误区：一股脑把大需求丢给AI，“帮我写一个三万字的市场研究报告”“帮我做一份完整产品商业计划书”。结果要么AI写得很泛，要么中途自己写崩了，要么你被堆满屏幕的废话淹没。这不是模型不行，而是你没有帮它把复杂任务切成它擅长的颗粒度。就像你不会让刚入职的新人“一个月把部门流程全部优化掉”，你会拆成一周一小块，一步一步推进。先看一个日常场景。人物：小刘，35岁，某制造业企业的中层，要做一份“智能工厂转型方案”，提交给集团管理层。情境：他过去写方案都是熬夜查资料、拼图、整理汇编，平均一份完整方案要两周；今年开始使用AI，却发现“让AI一次性写完方案”，输出永远像毕业论文，没法直接应付老板。我跟他聊了半小时，给他拆成三阶段：信息收集→结构设计→内容打磨他照着拆法练了三次，后来他跟我说，现在一份同规格的方案，最快三天就能定稿，中间和AI来回对话不超过25轮。时间直接缩短了70%以上。这一点很多人不信，但确实如此。怎么把大任务拆成AI能吃下的块你可以把复杂任务想象成做一道大菜。AI在下面几个环节特别擅长：找菜谱、列备菜清单、帮你想摆盘样式。而最难的“火候掌握”和“整体味道”，仍然需要你来盯。拿“写业务方案”举例，可以这样拆：阶段一：信息收集目标：让AI帮你把背景、数据、既有资料盘干净。提示词可以类似：基于下面项目背景，帮我整理一个信息清单。请按“必须明确的业务目标”“现有资源和约束”“关键数据缺口”三类输出。暂时不要写任何方案内容，只列出问题和信息项。阶段二：结构设计目标：先确认整体骨架，而不是直接写内容。提示词可以类似：基于这份信息清单，帮我设计3个不同结构的方案目录版本。要求：1.每个版本控制在5到7个一级章节2.每个一级章节下面列2到4个关键要点3.目录要明确“现状诊断”“目标与指标”“路径和步骤”“风险与预案”这四块分别在哪阶段三：内容打磨目标：逐段写，逐段改，而不是一次性从头到尾。提示词可以类似：我们按章节逐步写内容。先从“现状诊断”章节开始。你先问我不超过5个问题，把你写这一章需要的关键信息问全，然后再起草内容。起草时请控制在800字以内，用条理清晰的小标题组织。你会发现，你的对话从“帮我写个方案”变成了“我们一起走流程”。AI就不再是乱跑的助手，而是被你按阶段带着走。一个可操作的“任务拆解表”写法如果你是偏理性的人，可以干脆写一张任务拆解表，像这样（在脑子里也行，习惯就好了）：目标任务：例如“写产品发布会演讲稿”拆解维度可以是这几列：阶段名称：明确这是哪一步阶段产出：这一阶段结束后要拿到什么样的成果（不是过程）AI擅长做的事：列出你打算交给AI的部分人类必须把控的事：写清你自己需要亲自判断或修改的地方预计对话轮次：简单估个大概，帮你控制节奏写出这样的表之后，你对AI说话就不再是“想到什么说什么”，而是按阶段切换。练习任务：用AI帮你拆任务，而不是你一个人闷头拆还可以反向利用AI。每次面对一个大任务，你甚至可以先说：我有一个复杂任务：【用一句话描述任务】。帮我把这个任务拆分成3到5个阶段，每个阶段说明：1.阶段目标2.可以由AI完成的工作3.必须由人类决策或补充的信息先只输出这个拆解方案，不要开始执行。你用这个拆解，先和AI“对齐项目计划”，再开始逐步推进。这也是在练你的“任务管理思维”，顺便顺着做提示词工程进阶。判断你是否到了这一层有一个很实用的判断标准：当你面对一个超过两天才能完成的大任务时，你可以在15分钟内，写出一份3到5阶段的拆解，并且为每个阶段写出至少一句清晰的AI指令。执行后，你发现AI产出“能用但需要改”的比例稳定在70%以上，且废稿明显减少。当你能做到这一点时，说明你已经不再把AI当一次性输出机器，而是开始像拆项目一样安排它的工作流程。你和AI的关系变了。三、示例驱动：把你的偏好灌进AI脑子很多人到这一步，会发现一个新问题：结构有了，内容也能写出来，但“味道不对”。要么太教科书，要么太营销，要么语言风格和公司的整体调性不搭。你跟AI说“写实用一点”“写接地气一点”，它会非常努力地道歉，然后依然写不出你想要的那种感觉。原因很简单：“实用”“接地气”对每个人的定义都不一样。这个时候，示例比任何形容词都有效。你要做的不是继续用抽象词怼它，而是拿出一两个样例告诉它：“像这样写”。先看一个职场里的案例。人物：小张，28岁，做ToB销售支持，需要经常给销售团队写“解决方案邮件模板”。情境：她用AI写邮件，一开始总是收到那种“尊敬的客户您好，我们公司秉持着……”的模板化内容。销售同事说：太假了，看着就不像人写的。我让她找出公司里转化率最高的三封邮件，每一封都放进AI里，并且标注：“这是真实效果好的案例。”然后她这样提示：下面是我们过去转化效果不错的三封客户邮件，请你帮我总结出它们在：语气、结构、开头方式、结尾行动号召这四个维度的共同特点，先不要生成新邮件，只输出总结。AI总结完之后，她再说：接下来，按照你刚才总结的风格，为【某某行业】【某某类型客户】写一封邮件，尽量贴近这些例子，而不是套用你自己默认的模板。她反复这样迭代练了两周。后来同样的邮件，销售部的反馈是：回复率从原来的8%提升到接近15%。将近翻倍。示例驱动的关键，不是丢例子，而是教AI怎么用例子很多人以为“我已经给例子了”。其实他们只做了一半：把例子贴上去，但没有告诉AI“你应该从哪个角度模仿”。你可以参考这个三步小流程：第一步：标出“这是好例子还是坏例子”直接写明：这是我认为的好范例；或者这是我不希望你模仿的写法。第二步：让AI总结“风格特征”不要着急让它照着写，先让它告诉你，它从例子里看到了什么。提示词可以是：请你分析下面这N个例子，从“语气”“句式长短”“专业术语密度”“段落结构”四个角度，总结出它们的共同特征，用具体可操作的话描述，而不是抽象形容词。比如不要只写“简洁有力”，要写：“单句不超过20字，每段不超过3句，经常使用动词开头”。第三步：要求它“严格参照特征”生成内容再让它按刚才的特征写一版内容。如果不满意，就在这个“特征列表”上反复修改。久而久之，你会得到一份能用来复用的“风格设定清单”。反例同样重要有时候，你很难准确说出“我想要什么”，但你知道“通常不要什么”。这时候可以给反例，让AI帮你“避坑”。比如你可以这样说：下面这三个段落，是我非常不喜欢的写法，请你帮我总结它们的问题点，并在后续生成内容时刻意规避这些问题。尤其要避免：1.堆砌空洞形容词2.不停地说“首先、其次、再次”3.每段话都太长，读起来很累你会发现，AI的风格会安静很多。有时候，安静一点反而更专业。练习任务：给AI做一次“风格培训”挑一个你擅长的输出类型，比如：日报、周报、分析邮件、公众号文章开头。找到你自己写过的2到3个作品，是你回头看仍然觉得“写得不错”的。然后按下面这个流程练一次：1.把这几段内容贴给AI，说明“这是我满意的风格”2.让AI用你选定的几个维度（比如“句子长短”“专业术语比例”“语气亲疏”）总结特征3.再给他一个新主题，让它“完全按照刚才总结的特征”写一版4.最后你自己打分，问问自己：如果不看原始提示，别人会不会以为是你写的？当你能做到这一层，你会有种奇妙体验：AI开始“像你”说话了。判断你是否到达这一层可以用这个标准来衡量：在你最常用的三类输出（比如报告、邮件、方案）中，至少有一类，你可以用2到3个样例加上风格总结，让AI写出风格接近你本人作品80%以上的一稿内容，修改时间不超过原来的一半。当你能做到这一点，说明你已经学会了用示例驱动AI，而不是跟它进行抽象讨论。这是质感提升的一关。四、多轮迭代：把一次对话变成长期协作做到前面三层，你会发现单次产出已经好很多了。但真正的工作场景，往往不是“一次问完、一稿定终”。尤其在2026年，团队越来越习惯“边干边调，边试边改”，AI也需要融入这种不断迭代的节奏。很多人现在用AI的方式，仍然是“一问一答”：“帮我写”“帮我改”“帮我再换一种说法”。缺少的是一个完整的从起草到定稿的“脚本”。简单来说，你需要为某一类固定项目，设计一个可反复使用的对话流程。让AI在每一个阶段都知道“现在是第几步，要做什么，要记录什么”。来看一个真实项目案例。人物：老周，42岁，消费品牌市场负责人，经常要做新品发布的整套内容，从品牌故事到详情页、视频脚本。情境：他一开始用AI写文案，每次都是：想一个点子就让AI写一版。结果越写越乱，版本号从v1一路飙到v27，团队最后都不知道近期整理的到底是哪一版。后来他改变了玩法。把整个新品内容创作分成了五个固定阶段：项目理解→方向定调→版本探索→汇编优化→最终整合并且为这五个阶段设计了固定脚本。比如：阶段一：项目理解提示词脚本包含：请你扮演【角色设定】，我将给你一份关于新品的项目资料，包括：产品参数、目标人群、竞品情况、渠道计划。你需要先做两件事：1.用不超过300字总结项目要点2.列出你认为后续写文案前，还需要向我确认的5到10个关键问题先不要写任何文案。阶段二：方向定调等问题澄清后，脚本类似：基于目前信息，请为这款产品提出3套完全不同的传播方向，每套包括：一句话核心Slogan、目标人群画像、主要沟通场景、语气关键词（比如“温暖”“专业”“反叛”）。先只输出方向比较表，暂不写长文案。阶段三：版本探索在确定一个方向之后，再说：我们以方向二为主进行探索。请先为该方向写3个不同风格的产品故事开头版本，每个控制在150字以内。输出后，请你自己简要分析每个版本的特点和适用场景。这时候AI会自己主动帮你做版本对比。你只需要选，或者让它混合。阶段四：汇编优化再进一步，脚本可以握在你手里：选定【某个版本】作为基础，请你用“删减冗余、增强画面感、补充一处具体细节”的原则，给出两版优化结果，并说明你对原文的主要修改点。阶段五：最终整合到了最后，再让AI帮你做全局整合，把各块内容拼接统一口径。这种脚本一旦成熟下来，老周跟我说，他团队现在做一套新品内容，从以前平均3周缩短到不到10天，AI参与产出的内容比例接近60%。他自己主要做方向判断和质量把关，而不是当“人形打印机”。怎么设计你自己的多轮迭代脚本你可以选一类高频任务，比如：“写周报给领导”“写行业报告”“写课程大纲”。然后按下面步骤来做：1.列出任务的自然阶段想一想你不用AI时，是怎么一步步做的。比如写行业报告，可能是：收集素材→搭框架→写重点章节→填补数据→整体润色。2.每个阶段写一句“阶段目标”用白话写为什么有这一阶段，比如“搞清楚老板到底要看什么指标”“先把读者关心的问题排个序”。3.为每个阶段设计一段固定的提示词脚本这段脚本要说明：角色、当前阶段目标、这一步先不要做什么、需要AI输出成什么格式。4.试跑一遍，记录哪里卡住有些阶段可能太大，需要拆小；有些提示词太抽象，需要你自己补充例子。你不用一开始追求完美。脚本是可以慢慢改的。一个实用小技巧在多轮对话中，你可以提醒AI“记住前面的决策”。比如：请把我们刚才确定的“传播方向二”和“目标人群画像”记为本项目的固定设定。后续对话如果我没有特别说明，都默认沿用这一设定。如果我有新想法，可以告诉你“调整设定”，你再帮我更新。这样做，会让整个对话像一个持续的项目，而不是一次性问答。练习任务：为一个任务写出“3步迭代脚本”你可以先别贪多。挑一个你痛感最明显的任务，比如“写月度复盘报告”。先设计3个阶段就好：信息汇总、结构确定、内容打磨。每个阶段写一段可以直接复制给AI的话。用一次真实任务跑通，看看整体体验有没有发生变化。可以用这个标准自检：针对至少一种高频复杂任务（比如每月必写的报告、项目方案），你已经有了一套固定可复用的多轮提示词脚本，从项目启动到定稿，中间不需要临时瞎想“下一句该说什么”。整个过程中，AI的输出版本结构清晰，没有出现严重“前后矛盾”的情况。当你能做到这一点，说明你已经从“临时聊天”走向了“长期协作”。这是一种节奏感。五、工具组合：让5真正接上业务系统到这里，很多人已经能用AI写出像样的文字内容了。但在真实业务里，文字只是生产力的一部分。更多时候，你需要跟表格打交道，跟数据库对话，写一点脚本，或者至少看懂别人写的SQL。2026年的一个明显趋势，是“AI+专业工具”的深度结合。会不会用Excel、BI工具、SQL的人，用AI的收益要比不会用的人高一大截。我在一个制造业客户那边看到的数据：部署了AI协作之后，那些本来就会写SQL的业务分析师，他们用AI辅助写查询和解释结果，平均每周节省的报表制作时间是7到10小时；而完全不会SQL、只指望AI替他写报表的人，节省时间不到3小时，还经常需要技术同事帮忙检查错误。差距的关键，不是SQL本身，而是能不能设计出“AI和工具协同”的工作流。先看一个很典型的场景。人物：小林，32岁，电商运营，需要每天分析店铺数据，包括转化率、客单价、不同活动效果。情境：以前她只会在后台点点点导出报表，遇到复杂问题就只能去找数据同事排队。今年公司开通了支持AI的BI工具，号称可以“用自然语言查数据”，但她一用就发现：“帮我分析一下618活动效果”，AI给了一堆她看不懂的解释和乱七八糟的图。我帮她把对话流程改成“工具组合式”。简化版类似这样：第一步：让AI帮你设定分析目标和维度提示：我想分析这次618活动的效果。请你先不要直接查数据，而是帮我拆分分析目标。列出：1.至少三个关键指标（比如转化率、客单价、复购）2.每个指标背后可能的影响因素3.建议我在BI工具里按哪些维度（比如渠道、时间、活动类型）来切数据第二步：让AI帮你生成查询语句或操作步骤如果你的BI支持类SQL查询，可以说：根据你刚才的建议，帮我写出3条SQL查询语句，分别用于：1.看整体期间的转化率变化趋势2.比较活动期间和非活动期间的客单价3.按流量来源拆分活动期间的GMV假设数据表结构如下：【贴上表结构】，请确保语句可执行，并简要说明每条语句的逻辑。如果是点选式BI工具，可以让AI输出操作步骤：比如“先选这个表，再勾选这些字段，接着按这个维度分组”。第三步：拿到结果，再让AI帮你解读你跑完查询，把关键结果截图或以文字贴给AI，然后说：下面是我刚才查到的3个核心结果，请你帮我：1.用业务视角解释每个结果可能代表的含义2.提出3个值得进一步深挖的假设3.提醒我这些数据可能有哪些陷阱或误读风险这样一套下来，小林从“看不懂AI说什么”，变成“让AI帮她说人话”。一个很重要的变化是：她不再指望AI“凭空构造数据”，而是把AI当成连接她和数据工具之间的翻译。另一类常见场景是“AI+脚本/自动化”。比如你本身不太会写Python脚本，但需要做重复的数据清洗。你可以让AI帮你写脚本，但前提是你要学会清晰表达“输入是什么，输出要什么格式，中间规则是什么”。像这样：我有一份CSV文件，每行包括【字段列表】。我要实现的目标是：1.删除所有缺失【某字段】的行2.把【日期字段】统一转换为YYYY-MM-DD格式3.新增一列【标签】，根据【某字段】数值大小分为“高”“中”“低”三类，具体规则是：【写清阈值】请你用Python写一个可以在本地运行的脚本，读取原始CSV，处理后输出一个新的CSV文件。写完后，请逐行解释关键语句的作用，方便我理解。这里的重点，不是代码，而是你能否用业务语言把规则讲清。AI负责把规则翻译成代码。你负责检查逻辑是不是你想要的。练习任务：为“AI+某工具”设计一条自己的提示词套路你可以从自己最常用的一个工具入手，比如：Excel、企业里的BI、某个内部系统、甚至是Jira、飞书多维表格这种。然后选一类重复性比较强的任务，比如“每周的数据汇总”“每月的项目进度报告”。写出一条完整的提示词流程，包含：1.让AI帮你梳理分析目标2.让AI帮你生成查询/操作步骤/脚本3.让AI帮你解读结果并生成报告文字跑通一次，看看中间是哪里卡住：是你描述不清，还是工具权限不够，还是AI对数据结构理解不对。这些反馈，会反过来训练你描述工具环境的能力。可以用这样的标准来判断：在你日常使用的至少一个专业工具上（比如Excel、SQL、Python脚本、BI系统），你已经有一套成熟的“AI协同流程”：可以用AI辅助完成从“需求描述→操作步骤/代码生成→结果解释→报告产出”的闭环。对于这一类任务，你每次启动时不再需要从零想提示词，而是有固定话术可重复使用，整体耗时相比去年减少至少一半。当你能做到这一点，说明你已经进入提示词工程进阶5中的“工具组合”阶段。生产力开始成倍放大。六、用产出对标法校准自己的提示词水平到这里，你可能已经感觉到自己用AI的手感完全不一样了。文字内容更顺，任务拆得更细，项目流程更稳，甚至开始和工具系统打通。但有一个问题容易被忽视：怎么判断自己目前的提示词水平，到底处在哪一层？你是已经算是“高手”，还是还停留在“熟练使用”的阶段？很多人会盯一些不那么重要的东西，比如“我会不会用某某特殊指令”“我能不能一条提示词搞定一件事”。其实对一个职场使用者来说，更实用的衡量方式，是看AI产出的质量在专业作品中能排到什么水平。这就是“产出对标法”。简单说，你不要只跟过去的自己比，也不要只看“有没有错别字”。而是拿AI产出和真实的人类参考范例放在一起，对照着找差距，然后反推“提示词应该在哪些维度优化”。一个实战案例。人物：小何，26岁，新媒体运营，需要写品牌故事类文章和产品推广软文。情境：她用AI写稿半年，感觉自己已经用得很熟练了，基本可以一条提示词出一篇推文。她来问我：“我算不算提示词工程的高级玩家了？”我没有直接回答。我让她做了一个小测试：1.去找三个她认为写得非常好的同类文章，是行业头部公众号的作品2.用AI在相同主题下写文章3.把AI文章和人类文章并排贴出来，不告诉别人哪篇是谁写的，请三位同事盲测，从“吸引力”“信息密度”“结构清晰度”“品牌调性匹配度”四个维度打分结果很有意思：在“结构清晰度”上，AI文章平均分和头部文章相差不大，有的甚至略高；在“信息密度”上，AI略逊一点，但勉强够用；在“吸引力”和“品牌调性匹配”上，AI明显偏弱。换句话说，她的提示词已经可以让AI把框架搭得不错，但还不够细致地教会AI“品牌的语气”和“读者真正关心的细节”。这比单纯看自己爽不爽，要客观得多。怎么系统做一次“产出对标”你可以按这几个步骤来做：1.选任务类型比如：商业计划书、行业分析、产品需求文档、技术说明书、培训讲义、公众号文章、招聘JD等。选你最常用的一种，别贪多。2.收集标杆作品找3到5个你认为是业内高水平的作品，最好有明确来源。标记出你最喜欢它们的地方：是逻辑清晰、是案例丰富，还是语言风格。3.用AI在同类任务上产出作品用你当前最得心应手的提示词，把一件真实任务交给AI，完整跑一遍，从角色设定到任务拆解、示例驱动、多轮迭代。4.请他人盲测打分至少找3个人，不提前透露哪篇是谁写的。给他们一个简单评分表，比如每项1到5分：指标可以包括：结构、逻辑、信息密度、可执行性、阅读体验、风格匹配度。让他们按每个指标给出分数和一句评语。5.把差距翻译成提示词优化方向比如，如果评语指出“可执行性差”“太虚”，那你就需要在提示词里更强调“给具体步骤和数字例子”；如果指出“读着没感觉”“太像AI写的”，那你就要在示例驱动里加入更多真实案例和细节，引导AI写“有画面感”的句子。重点是最后这一步：不要把反馈当作“AI不行”，