提示词（Prompt），也称指令，是人与AI互动的桥梁。表面看，它只是输入对话框中的一句话，实则背后承载的是人的意图表达、任务拆解和逻辑组织。指令清楚，AI才能理解你要什么；指令含糊，它就只能靠猜。

一 定义AI五种身份

AI不再只是一个被动执行的工具，它正逐步具备“拟人化”的特征——可以模拟多种人格与视角。你可以将AI设定为五种角色：导师、助手、对手、目标受众和创作者。

一）导师：高阶认知，解决复杂问题

在需要认知支持的任务中，AI可以担任“导师”角色，协助理解复杂问题、梳理思路。

凭借广泛的知识储备和高速的信息整合能力，AI能系统化地组织内容，帮助你理清概念脉络、重构逻辑关系、建立主题框架。它的角色，类似于一位“首席知识官”或“数字智囊”。

虽然AI尚无法替代顶尖人物的深度洞察力，但在知识广度和逻辑组织方面，已经远超绝大多数人类，其能力已足以为你提供专业支持。

设定导师角色的三个关键操作点如下：

1. 设定权威身份

AI输出内容的语言风格与逻辑深度受到角色设定的显著影响。将其设定为“资深专家”或“诺奖得主”等高成就、权威身份，有助于提升其内容输出的专业性与结构性，使其表达更符合高阶思维的要求。

2. 聚焦认知任务

导师型AI角色的价值，不在于替代写作，而在于协助思考。它擅长执行“组织思路、搭建框架、比较路径、解释机制”等任务，适合用于构建结构而非直接生成最终内容。

3. 明确提问方式

导师角色适合开放式问题。尽量避免“这对不对”式提问，而是采用“请解释……”“请从三方面分析……”等结构化问法，以引导AI进行系统性推理与分析。

示例指令：

你是数字HR领域的专家。请帮我梳理“AI赋能招聘”的方案结构框架，语言要求通俗清晰，逻辑严谨。

二）助手：操作执行，高效产出

在标准化任务中，AI最适合扮演“助手”角色。它执行稳定、响应迅速，能高效完成各类明确、可拆解的事务性工作。

无论是撰写通知、整理清单、生成摘要，还是处理表格、数据，AI都能快速上手、批量产出。随着智能体（Agent）技术的发展，AI助手正逐步具备任务自驱能力，从“被动执行”走向“主动推进”。

设定助手角色的三个关键操作点如下：

1. 明确任务目标

任务要具体、清晰、可执行，避免使用模糊描述。例如，“帮我写一篇某主题的文章”，AI的回答会较为了无生趣。而“请写一篇800字的HR某主题推文，口吻亲切、结构清晰”则更具可操作性。

2. 规范输出格式

明确告知AI希望的输出形式，包括结构要求（如表格、分段、项目符号）、语气风格（如正式、口语化）、字数范围、语言种类等。越清晰，结果越可控。

3. 提供上下文信息

助手型AI并不具备“理解情境”的能力，信息输入越充分，结果越贴合预期。建议提供背景材料、参考样例或必要说明，减少理解偏差。

示例指令：

你是我的行政文案助手，请根据以下要求撰写一则内部通知：

目标：通知员工“五一”假期安排

材料：5月1日至5日放假，5月6日恢复上班，假期期间注意关闭办公设备

格式：正式通知格式，段落清晰，适合发布在OA系统

语气：正式、简洁

限制：控制在200字以内

如有不清楚的地方，请提问，不要自行假设。

三）对手：反向验证，锤炼思维

AI不仅能协助完成任务，也可以充当“对手”，帮助你进行假设验证、方案反推和逻辑检视。

在策略制定、方案评估、观点表达等场景中，它能模拟客户、上司、投资人或竞争者，从对立视角提出质疑与挑战，暴露盲点，优化推理，增强说服力。

这个角色的价值不在于附和，而在于逼你把问题想透、把逻辑讲清。

设定对手角色的三个关键操作点如下：

1. 设定真实身份

指定AI扮演的身份对象及特点（如保守型HRD、资深采购经理、竞争企业负责人等）。身份决定视角，视角决定它从哪里切入质疑。

2. 指定博弈场景

明确你希望它挑战的是什么内容（如一项计划、一个判断、一个主张），并告知预设立场，让AI在尽量真实情境下提出合理挑战。

3. 引导反向思考

鼓励AI从多个角度进行质疑，如可行性、成本、接受度、风险、长期影响等。必要时，可以引导AI持续扮演角色，在你的回应基础上继续反问、追问，形成有深度的交锋过程。

示例指令：

请扮演一家保守型传统HRD，质疑我提出的“全面引入AI工具改造招聘流程”的建议。

我主张全流程AI辅助招聘，请从三个方面提出反对意见：数据安全、员工接受度、实施成本。你可以逐点挑战，如果我回应，请继续追问，直到逻辑闭环。

四）目标受众：同理洞察，提升共鸣

在内容创作、沟通表达、用户研究等任务中，AI可以模拟目标受众的视角，对内容进行反应和反馈。

你可以让它扮演一位HR总监、00后职场新人，阅读文案、倾听主张、理解方案，并给出“像他们一样”的真实感受与建议。

这个角色的价值在于：让你从读者立场审视方案和内容。

设定目标受众角色的三个关键操作点如下：

1. 设定用户身份

清晰指明AI应扮演哪类人群，例如“三年经验HRBP”“注重细节的企业老板”等。身份越具体，反馈越贴近真实。

2. 提供评估对象

将你希望AI评估的内容（如招聘文案、推文标题）完整提供，确保AI有充分上下文进行判断。

3. 引导反馈角度

指定反馈维度，例如：是否易懂？是否有吸引力？是否有说服力？是否符合预期？

受众型AI角色的作用是“共情模拟”，帮你检验内容是否能触及人心。

示例指令：

请你扮演一位985大学毕业生，阅读以下招聘广告文案，并回答三个问题：

1）你是否会点击查看？

2）第一印象是什么？

3）你是否愿意了解更多？请说明原因。

五）创作者：共创内容，激发灵感

AI也可以作为创意工作的共创者，擅长命名构思、标题打磨、脚本草拟、文风模仿等任务，尤其适用于从0到1的灵感激发与素材生成。

在这一角色下，它的价值不在于完成任务，而在于提供可能性，拓展思路，激发更多角度与表达方式。

设定创作者角色的三个关键操作点如下：

1. 明确创作目标

清楚说明希望创作的内容类型（如品牌名、广告语、剧本结构、公众号标题等），并指出用途、受众和使用场景，帮助AI把握创作方向。

2. 提供创作边界

设定风格调性（如专业、轻松、故事化）、内容限制（如不超30字、避免使用某类词汇）、参考素材等，防止AI创作跑题或风格偏差。

3. 赋予共创身份

将AI设定为创意搭档，鼓励它主动提供选项、解释思路、尝试不同表达方式，形成真正的共创氛围。

创作者AI角色的目的不是替你写，而是与你一起“想出来”。

示例指令：

你是我的创意搭档，我们要为一门“AI赋能HR”的在线课程命名。

目标：名称简洁、有辨识度，面向企业HR，风格专业中带点轻松。

请列出10个命名建议，并简要说明各自的命名逻辑。

理解这五种角色的特点，并根据具体任务灵活切换，是高效使用AI的起点，也是掌握人机协作的关键一招。

二 提示词设计四大策略

提示词不仅决定AI能否准确理解你的意图，更直接影响它回应的方向、深度与表达效果。指令越清晰，输出越精准，表现也越出彩。

图1-1展示了提示词设计策略的四种典型模式：智驾模式指在结构化指令模式下，让AI精准执行人的意图；火花模式用于激发AI的创作灵感与内容多样性；缰绳模式则指引入方法论或思想，引导AI循特定逻辑和方向生成内容。标尺模式主要用于AI内容输出把关与质量审校；

图1-1 提示词设计四大策略

四种模式既可单独使用，也可灵活叠加，构建更智能的交互策略，形成一套既能放手生成、又能精准收敛的提示词系统。接下来，我们将一一拆解。

一）智驾模式：结构化指令

AI最擅长处理的，是问题清晰、目标明确、流程可控的任务。提示词中的智驾模式，本质就是一种结构化编程方式——你给它一张“路线图”，它就能按图索骥，有序输出。

这种模式适用于“你知道要什么，只需要它帮你高效完成”的场景。比如写总结汇报、产出标准模板，智驾模式是最稳妥的一种指令。

1．RCOR+X指令结构

该结构包括4个组成核心，外加可选的补充维度。

​ R（Role）角色设定。AI应以什么身份思考？

​ C（Context）任务背景。任务发生的情境是什么？

​ O（Outcome）目标成果。你希望AI输出什么？

​ R（Requirement）输出要求。在结构、风格、格式上的具体要求。

在这四个要素上，根据不同任务情况，进行X（补充维度），可进一步提升AI的专业表现，如：

​ 内容框架：必须包含A、B、C三部分；

​ 应用场景：如“适用于企业官网与抖音推广”；

​ 指定证据：引用用户评价、数据支持等。

下面我们做个演示。

案例：指令效果对比

背景：你是公司HRBP，刚完成了一场离职员工访谈。该员工来自销售部门，提出了几点关于晋升机会、绩效公平和工作负荷的反馈。你的任务是撰写一份访谈纪要报告，供HRD参考，作为部门改善和制度评估的依据。

1）普通型指令（无结构提示）

输入指令：

帮我写一份员工离职访谈纪要，内容包括员工反馈和建议。

AI反馈：

离职访谈纪要

员工对销售岗位整体满意，但认为晋升路径不够清晰，绩效评估标准略显主观，近期工作压力较大。建议公司优化激励机制，加强内部沟通，提升员工参与感。

2）RCOR+X结构化指令

输入指令：

你是一名资深的HRBP。现在我公司销售岗位员工提出多项关于绩效、晋升和压力管理的反馈（见附件）。请你帮我撰写一份离职访谈纪要，结构清晰、内容具体，反映真实声音，供HRD判断改进方向。

要求报告需包含：

​ 基本访谈信息；

​ 核心反馈问题；

​ 员工建议；

​ HR观察与建议；

​ 语言需专业、客观、简明；

​ 适合HR管理层审阅，可直接作为内部改进参考资料。

AI反馈：

离职访谈纪要报告

访谈对象：销售部 李某某｜工作年限：3年｜职位：客户经理

访谈时间：2024年12月10日｜访谈人：HRBP 张某

1）员工反馈要点

​ 晋升机制不明确：晋升评定标准缺乏公开透明，导致员工对发展路径预期不清晰。

​ 绩效评估主观性强：部分季度评估结果与工作成果不符，认为存在主管偏好影响。

​ 工作节奏高压：月度指标紧张，加班频繁，缺乏弹性安排。

2）员工建议

​ 明确并公示晋升标准。

​ 增加绩效沟通频次。

​ 引入轮岗机制，缓解岗位疲劳。

3）观察与建议

​ 建议HRD评估销售体系的绩效模型是否需微调。

​ 可考虑引入“晋升路径图”和“季度问卷反馈机制”提高员工参与感。

备注：员工整体对公司文化认可，表达离职为“职业发展阶段性调整”，无负面情绪倾向。

智驾模式的本质，其实和职场中委派任务的方式如出一辙：先说明“谁来做”、在什么背景下做，再说“要做成什么样”、有什么要求。RCOR+X，就是把这种思维方式翻译成AI能理解的指令。

2. 哲学三问式指令结构

当任务存在较高的不确定性和创造性，比如策划方案、探索新机制或撰写高阶内容时，推荐使用哲学三问式指令。

结构如下：

指令=我是谁？（角色）+ 我从哪里来？（问题背景）+ 我要到哪里去？（目标）+X（约束条件）。

示例指令：

你是擅长绩效管理的HR顾问，曾服务过快消行业Top3企业。某公司销售团队2023年Q4业绩下滑15%，员工抱怨“提成公式复杂”“目标浮动过大” 。

请你先剖析原方案的问题（见附件），然后输出三套优化激励机制方案，需满足：

​ 提成规则透明易懂；

​ 平衡短期冲刺与长期客户维系需求；

​ 附带成本测算对比表。

结构化指令要注意控制文本长度和结构清晰度。提示词太长，AI容易抓不到重点；提示词太杂，AI无法判断优先级；提示词结构混乱，AI就可能随机选择回答方案。

面对复杂任务的情况，不建议一次性“全甩给AI”。应将问题拆解成多个小任务，逐步引导AI输出，再整合为完整方案。

二）火花模式：交互触发

AI的底层原理，是一个基于概率预测的语言模型。它不会真正思考，但却非常擅长组合。所以，每一次你的追问、补充或纠正，都会促使它重新计算最可能有价值的回应路径。交互越多元，AI的灵感张力就越强。

在这种模式下，提示词不再是“下命令”，而更像是“发起一场头脑风暴邀请”。你不是在要求它完成任务，而是在请它一起参与探索，帮你打破认知惯性、激发新思路，带你走到“我原本没想到的那条路”。

在火花模式下，建议采用多轮交互设计、递进式提问的方式，例如：

​ 反问型。挑战默认设定，打破思维定势。

​ 角色代入型。转换视角，共情模拟。

​ 版本对比型。并列生成，激发选择偏好。

​ 拆解/归类型。发散思维，再收敛聚焦。

以下是一组提示词示例：

1．反向+反问式：挑战假设，激发洞察

示例指令：

​ 如果这个制度注定失败，它最致命的缺陷在哪里？

​ 你能反过来用它的对立面来设计一种更高效的流程吗？

​ 请提出3个完全相反的HR激励策略，并分析其优劣。

2．角色代入式：换位共创，打开视野

示例指令：

​ 请你模拟一位95后新员工，听完这份入职培训手册后，你有哪些真实反馈？

​ 如果你是工会代表，你会如何反对这项裁员方案？

​ 假如你是管理学家明茨伯格，请你点评这份组织设计逻辑。

3. 理论转译式：把抽象模型落地

示例指令：

​ 请你把福柯关于“规训权力”的理论，应用到员工考核制度设计中。

​ 从系统理论视角，如何理解“离职潮”背后的组织循环逻辑？

​ 将“心理契约破裂”模型转化为3个员工访谈提纲问题。

4. 多版本对比式：拓展思路，辅助判断

示例指令：

​ 请列出3种完全不同风格的入职欢迎邮件，分别适合科技公司、制造业和金融企业。

​ 请提供3套OKR目标设定逻辑，侧重激进增长/稳健执行/员工自驱。

​ 请分别用AIDA法和FAB法写一份招聘文案，供我比较选择。

5. 发散再收敛式：从想法池，到筛选决策

示例指令：

​ 请你提出5种可能导致员工高离职率的原因，并挑选1个最可能的，写一段针对性建议。

​ 请先提供一组关于[主题]的创意灵感（不少于20条），再帮我设计一个适合的分类方法，便于后续筛选与使用。

​ 列举10种可能的员工激励手段，然后帮我归类为短期激励/长期激励/内在激励。

火花模式的目的，不是让AI直接“给出答案”，而是帮助你拓展问题背后的更多可能性。你负责判断取舍，AI负责铺路搭桥。有时候，真正有价值的问题，不是为了得出一个结论，而是为了引出更多值得思考的问题。

三）标尺模式：设定质检标准

AI没有判断力，但可以被引导去“学会判断”。只要你清晰说明什么是好内容、什么是合格标准，它就能按照这个方向去生成、复查，甚至自我优化。

就像质量管理中的“标准作业+质检清单”，AI既能产出，也能自查，关键在于你有没有给它一把清晰、可执行的标尺。

示例指令：

​ 请你用结构化面试标准检查这份纪要是否包含关键行为证据。

​ 你是HR合规审计师，请对这份员工手册从合法性、语言中立性、风险点三个方面进行打分。

让AI“知道怎么叫做好”，让它朝着更专业、精准、稳定的方向输出，这样可以有效避免AI生成“正确的废话”。

四）缰绳模式：小模型驱动大模型

AI再强大，也没有世界观，也无法做意义判断，它只是被动响应你的指令。缰绳模式的核心，是用人类的认知模型，引导AI的生成逻辑。就像策马者手中的缰绳，不只是控制方向，更是让AI跟上你的思维节奏，一步步走在正确的路径上。

示例指令：

​ 请用冰山模型评估候选人在面试中呈现出的动机特征。

​ 请参考 OKR逻辑检查这份绩效目标的合理性。

​ 请以员工生命周期模型为框架，梳理数据分析报告结构。

每一个模型，都是人类经验的“压缩包”。你给它输入提示词，AI就能在这条认知轨道上跑出更可靠的结果。

这四种提示词策略并非彼此割裂，而是可以根据任务需要灵活组合，构建属于你的“AI提示词调度系统”。

例如：

​ 智驾+标尺：快速生成+自动自检。写完就审，效率拉满。

​ 火花+缰绳：灵感发散+框架引导。创意有边界，内容不跑偏。

​ 三段合体：智驾写初稿→火花扩展新版本→标尺评分优化。

三 学会提问，才有好回答

想真正用好AI，掌握操作技巧还不够，还要善于提问。在实际使用中，人们常陷入三类提问困境：

​ 不知道从哪问起——目标模糊，任务说不清；

​ 不知道怎么拆解问题——思维混乱，逻辑跳跃；

​ 不知道结果靠不靠谱——缺乏判断标准，不敢直接用。

推荐使用三种提问法，帮助你从“不会问”到“问得准、问得深、问得稳”。

一）不知道从何开始

当你面对陌生主题、全新任务，或情况过于复杂时，最常见的困境就是：根本不知道从哪问起。

这时，你需要先问一个关于“怎么提问”的问题——这就是元问题提问法。你越简单、越朴素地发问，AI越能帮你厘清方向。

就像小时候面对陌生世界时，我们常常会问：

​ “这是什么？”

​ “我从哪里开始？”

​ “我怎么办？”

这些看似幼稚的问题，其实正是建立认知结构的起点。

示例指令：

​ 我想完成XX任务，但完全没有头绪，请教我该怎么向你提问。

​ 我想了解XX主题，请告诉我可以从哪些角度来拆解？

​ 如果你是HR专家，你会建议我如何切入这个议题？

通过这些提问，帮你打开互动的第一扇门。它们能唤醒AI对主题的结构感，帮你在混沌中找出突破口，从“无序”走向“有解”。

二）不知道如何思考

不知道如何思考，往往是切入点不明。根本原因在于：你在思维系统中的“位置”还不清楚。就像导航时走不动，问题不在于没路，而是你既不知道现在在哪，也没想清楚要去哪。

图1-2展示了一个简洁实用的结构化提问工具：GPC提问法。它是“提问前的认知自检”，帮你厘清三个关键问题。

​ G（Goal）：明确目标与认知卡点（信息/结构/价值）。

​ P（Positioning）：通过不同视角定位问题，厘清整体结构。

​ C（Clarification）：用假设型提问明确解决方向，引导AI生成策略。

图1-2 GPC提问法

1．Goal：定位认知层级

不要一开始就问“怎么解决”，先弄清楚自己卡在哪一层认知上：你是缺信息？缺结构？还是还没想清楚目标的价值？例如，面对“新员工离职率高”的问题，先判断你是卡在：

1）信息层。我知道得还不够，重点是弄清楚事实——数据缺失、情况不明，导致无法判断问题实质。

示例指令：

​ 要全面理解新员工离职问题，我可能还缺少哪些关键信息？

​ 请列出分析员工离职趋势时常用的核心变量，我看看哪些还没掌握。

2）结构层。我看得还不清楚，重点是理清因果逻辑与系统结构，看清问题的来龙去脉。

示例指令：

​ 请分析招聘、培训与管理三个环节之间的因果关系，它们如何共同影响新员工的留存？

​ 请帮我搭建一个影响新员工留存率的因素结构图，用逻辑模块表示各因素的关联方式。

3）价值层。关注的是目标导向与价值取舍，问题是否值得投入资源解决。

示例指令：

​ 请分析：我们是否需要投入资源留住这部分员工？长期来看他们对组织的价值几何？

​ 如果只能选择一项优化措施，是提高留存率，还是提升招聘效率？哪个更符合组织的长期利益？

一个好的开始，不是找答案，而是找问题。

2．Positioning：切换思维视角

很多问题卡住，是因为你一直站在同一个视角看问题。我们可以从四个典型的视角切入，帮助自己跳出惯性思维，看到问题的更多面。

1）看细节。关注局部环节，发现问题发生的具体触点。

提问示例：

​ 请聚焦该流程中的微环节，梳理可能被忽略的关键细节。

​ 绩效问题频出，请重点检查反馈环节是否存在漏洞或模糊地带。

2）看全局。放大视野，从系统角度判断是否存在结构性问题。

提问示例：

​ 请从整体流程出发，分析问题是否由多环节耦合导致。

​ 从组织系统角度判断，晋升机制中存在哪些潜在的结构性联动？

3）看前后。引入时间维度，考察问题的历史与未来趋势。

提问示例：

​ 这个问题在过去是否出现过？若继续不处理，未来可能带来哪些连锁影响？

​ 请分析：类似问题在过去两年的演变趋势，以及未来的发展方向。

4）换角色。站在他人立场重新审视议题，提升共情与洞察力。

示例指令：

​ 请模拟一位95后员工，评价这套考核制度可能引发的情绪和反馈。

​ 站在业务部门主管角度，这份HR制度可能会引起哪些关注或顾虑？

提问的本质，是站在对的位置，看清问题。

3．Clarification：用“如果...那么...”假设句式引导策略生成

当你已经搞清楚卡点所在，切入视角也足够清晰，下一步就是引导AI提出有逻辑、有针对性的解决方案。在策略生成阶段，“假设型提问”是一种高效的方法，将AI带入具体场景，帮助你推演结果、识别风险、发现优化空间。常见的三种提问类型包括：

1）假设验证型。通过设定一个假设，检验它可能带来的后果。

提问句式：如果……，那么会发生什么？

示例指令：

​ 如果我们不改培训流程，会继续离职吗？

​ 如果把绩效考核频次从季度改为月度，会影响员工满意度吗？

2）极端测试型。将变量推向极端，观察系统反应。

提问句式：如果将……推到极端，会怎样？

示例指令：

​ 如果试用期延长至半年，还会有这么多新员工流失吗？

​ 如果取消所有非核心福利，仅保留工资，会对员工稳定性产生多大影响？

3）反向破解型。构造最坏情境，从反面识别风险。

提问句式：如果我要……，我该怎么做？

示例指令：

​ 如果我要让离职率再涨10%，我应该怎么做？

​ 如果要故意让员工对绩效考核极度反感，我怎么设计评分机制？

AI擅长应对“假设场景”。你问得越具体，它给出的回答就越具策略性、可行性与落地感。

三）不知道结果是否可靠

在使用AI时，最让人焦虑的，往往不是“写不出来”，而是“写出来之后，能不能用”。你可能会产生这些疑问：

​ AI给我的答案靠谱吗？

​ 它是不是偷懒了？

​ 有没有比这个更好的版本？

这些其实都指向一个核心问题：输出质量控制。我们不仅要让AI生成内容，更要让它自我反馈、比较修正、持续优化。为此，推荐一个实用的三段式提问法。

1．自检提问法

让AI像学生检查自己的作业一样，回头检查自己的回答是否存在漏洞、错误或偏颇。

示例指令：

​ 请从逻辑性、完整性和事实准确性三个维度评估你刚才的回答。

​ 请指出你刚才回答中可能存在的错误或盲点。

​ 如果这段内容将用于正式场合，你建议在哪些方面进一步修改？

2．对比提问法

让AI生成多个版本，并进行自我比较，帮你找出最佳表达方式，建立判断标准。

示例指令：

​ 请基于相同要求，再生成两个风格不同的版本，并比较优缺点。

​ 请写出三个开头/结尾不同的版本，并说明哪一个更适合年轻人。

​ 请给出一个更简洁、更有逻辑的替代表述。

3．优化提问法

很多HR任务并不是“从0到1”的创作，而是已有内容的优化与迭代。你可能已经有初稿，只是觉得“还差点火候”。

示例指令：

​ 请从实际执行风险的角度，检查以下员工调岗流程，指出可能的阻力点或模糊环节，并提出改进建议。

​ 请模拟一位普通员工，阅读这份绩效制度后，指出可能引发误解或争议的表述，并给出更清晰的替代说法。

​ 请模拟公司高管视角，评估这份培训汇报是否体现关键ROI指标与战略价值，如有不足，请指出并补充优化建议。

AI会写，更会改——前提是你得让它回头看。通过“自检—对比—优化”三步提问法，就能让AI的输出越来越准、越来越实用。

AI不是万能工具，但只要你掌握了五种角色认知、四类提示词策略，再加上三种提问方法，就已经具备了驾驭AI的核心能力。这套组合拳，足以覆盖HR工作中绝大多数任务场景。

接下来，我们将通过更复杂、更具价值的实战演示，带你深入理解如何释放AI的潜能，让它真正成为你工作中最得力的伙伴。