很多人用大模型写文章，第一句话往往是：“帮我写一篇关于远程办公优缺点的文章”。
接着，屏幕上刷出一堆车轱辘话。内容挑不出大毛病，但读起来毫无灵气，全是套话。
我也踩过这个坑。早先做自媒体时，我试过直接丢主题给模型，结果输出的内容全是“总而言之”、“不可否认”。我花在删减废话上的时间，比自己动笔写还要多。
大模型本身不缺词汇量，它缺少的是具体约束。提示词模板的本质不是写诗，而是一份清晰的产品规格说明书。你给出的参数越明确，模型生成的文字就越精准。
常见的写作框架对比
写不同类型的文章，需要的框架并不一样。日常我测试了十几种结构，最实用的主要有三种：RTF 框架、CRISPE 框架和 CO-STAR 框架。
下面是三种框架的直接对比：
| 框架名称 | 核心构成模块 | 适合的写作类型 | 模板复杂度 | 实际表现特点 |
|---|---|---|---|---|
| RTF 框架 | 角色 (Role) 任务 (Task) 格式 (Format) |
短通知、社媒快讯、邮件摘要 | 低 | 结构简单，生成快，但缺乏语气和背景约束。 |
| CRISPE 框架 | 能力 (Capacity) 背景 (Insight) 声明 (Statement) 人设 (Personality) 试验 (Experiment) |
深度行业分析、多角度观点稿、专题评论 | 中 | 便于一次性生成多种不同立场的草稿版本。 |
| CO-STAR 框架 | 背景 (Context) 目标 (Objective) 风格 (Style) 语气 (Tone) 受众 (Audience) 输出 (Response) |
商业长文、专业博客、客户提案、公关稿 | 高 | 约束最全面，生成内容的人味更足，废话最少。 |
如果是写正规的深度文章，我推荐直接使用 CO-STAR 框架。这个框架由数据科学家 Sheila Teo 提出，核心价值在于单独拆出了受众和语气两个字段。
搭建高质量写作模板的四个具体步骤
要让大模型稳定输出好文章，不能靠单次碰运气。按照下面四个步骤操作，可以快速建立一套可复用的写作工作流。
第一步：锁死受众与写作场景（Context & Audience）
很多人喜欢给模型设定“你是一个资深作家”。这个设定太宽泛。
更好的做法是告诉模型读者是谁、读者的知识水平在哪里。例如：
“读者是拥有 3 年以上工作经验的前端程序员，他们了解基础概念，但对微前端架构感到困惑。”
这样做更好，因为模型会根据受众的认知水平自动筛选词汇，避免解释过多低级常识。
第二步：拆分步骤，分段生成（Chain of Thought）
不要一次性让大模型输出整篇三千字的长文。大模型的上下文注意力机制决定了，单次生成长度越长，后半部分的逻辑把控力越弱。
先让模型列出提纲：
1.给出 5 个不同切入点的大纲方案。
2.你选定一个方案，并修改其中的二级标题。
3.拿着确认好的二级标题，要求模型逐个小节输出内容。
分段生成能让你随时纠偏，避免整篇推倒重来。
第三步：放入少样本示例（Few-Shot）
纯文字描述“写得幽默一点”或者“写得干练一点”，大模型很难理解尺度。
直接给它两段你以前写的样例文字。在模板中加入：
“请参考以下样例的句式长度和用词习惯：
[粘贴 200 字你的代表作样例文本]”
根据提示工程的基准测试，提供 1 到 2 个真实样本，模型在文风对齐上的准确率会明显增加。
第四步：设置严格的负向约束清单（Negative Constraints）
大模型有很强的模式倾向，喜欢用特定连接词。你必须在模板末尾明确写出禁止规则。
我的固定避坑清单通常包含以下几条：
•禁止使用排比句开篇。
•禁止使用“总而言之”、“综上所述”、“显而易见”作为段落开头。
•单句长度不得超过 35 个字，多用短句。
•遇到抽象观点，必须紧跟一个具体生活场景或数据事实。
控制生成质量的关键参数配置
除了提示词本身的文字，模型底层的生成参数同样决定了文章的质感。很多人只在网页版对话框里打字，忽略了参数调节。
如果你使用支持调节参数的平台，可以参考下表的参数配置：
| 写作场景 | Temperature（随机度） | Top_P（核采样） | Frequency Penalty（频率惩罚） | 核心作用与配置建议 |
|---|---|---|---|---|
| 技术说明与操作手册 | 0.2 – 0.3 | 0.5 | 0.0 | 极度收敛。确保步骤准确，严格遵循事实，杜绝发散。 |
| 深度博客与行业观察 | 0.7 | 0.8 – 0.9 | 0.3 | 平衡严谨度与可读性。适度的频率惩罚可以有效减少模型重复用词。 |
| 故事创作与创意文案 | 1.0 – 1.2 | 0.95 | 0.5 | 鼓励模型尝试新词汇组合，跳出固有思维模式。 |
核心提示：写事实性文章时，Temperature 绝对不能超过 0.8。数值太高会导致模型编造假数据和假案例。
一个可以直接套用的通用写作模板
结合上面的框架和参数，我整理了一个可以直接复制使用的标准模板：
# 角色与背景
你是一位有 8 年经验的个人生产力工具测评博主。你的写作风格朴实、直率，就像在咖啡馆和老朋友面对面聊天。
# 任务目标
撰写一篇关于【Notion 与 Obsidian 选型逻辑】的正文内容，字数在 1500 字左右。
# 目标读者
正在纠结选择哪款笔记工具的知识工作者。他们不在乎技术底层原理，只在乎哪款软件能减少每天的整理成本。
# 内容要求与执行步骤
1. 先对比两款工具在离线存储和跨设备协作上的本质差异。
2. 列出一个 Markdown 对比表格，展示数据所有权、学习门槛、上手时间成本。
3. 给出明确的选择建议：在什么情况下选 A，在什么情况下选 B。
# 写作规范与负向约束
- **严禁使用说教语气**，不要出现“建议您”、“必须注意”等客服用语。
- **不要使用空洞的赞美词**。
- **每阐述一个缺点，必须说明该缺点会对用户造成什么具体麻烦**。
- 句子要简短，删除所有冗余修饰词。实际操作中的三个常见误区
第一，把提示词模板当成一劳永逸的万能钥匙。不同大模型对同一套模板的反应不同。Claude 对长上下文和细腻语气的还原度较好，而 GPT-4o 对结构化表格和负向约束的执行力更强。你需要针对具体模型微调提示词长度。
第二，忽略上下文污染。在一个长对话窗口里聊了十几个回合后，模型会记住前面所有的废话，输出质量逐步下降。写新文章时，务必新开一个对话窗口，重新输入基础模板。
第三，放弃人工审查。大模型生成的文章永远只是初稿。好的写作产出不是百分之百靠模型跑出来的，而是“优秀模板生成 70% 结构化内容 + 人工补充 30% 真实生活细节”。模板的作用是省去搭建框架的体力活，把精力留给最核心的事实核验与思想表达。
原创文章，作者：七点互动，如若转载，请注明出处：https://ai.qidianhudong.com/aikonw/prompt-template/3546.html
