【AI】用“5W1H”法构建提示词：让大模型更懂你的需求

最新推荐文章于 2025-08-05 10:03:49 发布

点点小心思

最新推荐文章于 2025-08-05 10:03:49 发布

阅读量479

点赞数 33

CC 4.0 BY-SA版权

分类专栏：前沿应用文章标签：人工智能 AI 大模型提示词

本文链接：https://blog.csdn.net/xcshap/article/details/149929817

前沿应用专栏收录该内容

25 篇文章

订阅专栏

用 “5W1H” 法构建提示词：让大模型更懂你的需求

在和大模型打交道时，很多人都会遇到这样的问题：明明说了自己的需求，可模型输出的结果总是差强人意。这往往不是因为模型能力不够，而是提示词没有把需求说清楚。“5W1H” 法是一种经典的问题分析和信息梳理方法，把它用到提示词构建上，能让需求更清晰、更全面，让大模型更容易理解。这篇文章就详细讲讲如何用 “5W1H” 法构建提示词。

1. 什么是 “5W1H” 法

1.1 基本概念

“5W1H” 法是指从 Who（谁）、What（什么）、When（何时）、Where（何地）、Why（为什么）、How（如何）这六个方面去梳理信息、分析问题的方法。它起源于新闻写作，后来被广泛应用到管理、策划、沟通等多个领域，能帮助人们全面、有条理地思考和表达。

1.2 与提示词构建的关联

在构建提示词时，核心目标是把用户的需求准确、完整地传递给大模型。“5W1H” 法的六个要素，刚好对应了需求中可能涉及的关键信息。用这六个要素来组织提示词，能避免信息遗漏、逻辑混乱，让大模型快速抓住核心需求。

2. “Who”：明确参与对象，让模型找准定位

2.1 确定主体是谁

2.1.1 用户自身

在提示词中明确 “谁” 是需求的发出者或相关主体，能让模型更好地贴合场景。比如，“作为一名学生，我需要一份期末复习计划”，这里的 “学生” 就是主体，模型会根据学生的身份来制定计划。

2.1.2 模型角色

很多时候，需要让大模型扮演特定角色来完成任务。用 “Who” 明确模型的角色，能让输出更符合角色特点。例如，“假设你是一名厨师，请告诉我鱼香肉丝的做法”，模型会以厨师的专业视角来回答。

2.2 实例说明

2.2.1 场景：写一封求职信

提示词：“作为一名即将毕业的计算机专业大学生，我想申请软件开发岗位，请帮我写一封求职信。”

分析：这里明确了用户是 “即将毕业的计算机专业大学生”，申请的岗位是 “软件开发岗位”，模型会结合这些身份信息，在求职信中突出相关专业技能和求职意向。

2.2.2 场景：分析市场问题

提示词：“你作为一名市场分析师，分析一下当前奶茶行业的竞争状况。”

分析：指定模型为 “市场分析师”，模型会运用市场分析的专业知识和视角，从竞争格局、品牌优势等方面进行分析，输出更具专业性的内容。

3. “What”：聚焦核心任务，让模型知道做什么

3.1 明确具体任务

3.1.1 任务类型

“What” 首先要明确让模型做什么类型的任务，是写文章、翻译文本、解答问题，还是生成代码等。比如，“请翻译下面这段话”“帮我写一个 Python 函数”。

3.1.2 任务内容

除了类型，还要明确任务的具体内容。例如，“写一篇关于环保的短文” 比 “写一篇短文” 更具体；“解答为什么天空是蓝色的” 比 “解答这个问题” 更清晰。

3.2 避免模糊表述

3.2.1 常见问题

如果 “What” 部分表述模糊，模型会难以把握任务重点。比如，“处理一下这个文件”，“处理” 可以是翻译、总结、排版等多种含义，模型可能会给出不符合预期的结果。

3.2.2 解决方法

用具体的动词和名词明确任务。比如，把 “处理一下这个文件” 改为 “总结这个文件的主要内容” 或 “把这个文件翻译成英文”，让模型一目了然。

3.3 实例说明

3.3.1 场景：处理文本

模糊提示词：“弄一下这段文字。”

优化提示词：“把这段文字改写成通俗易懂的口语化表达。”

分析：优化后的提示词明确了 “What” 是 “改写成通俗易懂的口语化表达”，模型能准确进行风格转换。

3.3.2 场景：解决数学问题

提示词：“计算一下半径为 5 厘米的圆的面积和周长。”

分析：明确任务是 “计算圆的面积和周长”，并给出了半径信息，模型能直接运用圆的面积和周长公式进行计算，输出准确结果。

4. “When”：明确时间要素，让模型贴合时间场景

4.1 时间点与时间段

4.1.1 具体时间点

在提示词中明确具体的时间点，能让模型的输出符合该时间点的特点。比如，“写一份 2024 年春节的祝福短信”，模型会结合春节的时间和节日氛围来创作。

4.1.2 时间范围

对于需要在一定时间范围内完成的任务，明确时间段很重要。例如，“制定一份未来一周的健身计划”，模型会根据一周的时间长度，合理安排每天的健身内容。

4.2 时间相关的背景信息

有些任务需要结合特定时间的背景信息，“When” 能帮助模型把握这些信息。比如，“分析 2008 年金融危机对中国出口的影响”，模型会聚焦 2008 年这个时间点的经济背景进行分析。

4.3 实例说明

4.3.1 场景：制定计划

提示词：“请为我制定一份 2025 年暑假的学习计划，时间从 7 月 10 日到 8 月 30 日。”

分析：明确了时间是 “2025 年暑假” 以及具体的时间段，模型会根据暑假的时长和学生的学习特点，合理分配学习任务。

4.3.2 场景：写新闻报道

提示词：“以 2024 年奥运会开幕式为主题，写一篇新闻报道。”

分析：时间要素 “2024 年奥运会开幕式” 是新闻的核心，模型会围绕该时间点的事件进行报道，突出开幕式的亮点和意义。

5. “Where”：指明地点场景，让模型结合环境特点

5.1 具体地点

5.1.1 物理地点

明确具体的物理地点，能让模型的输出更贴合该地点的特点。比如，“推荐一下上海适合家庭游玩的景点”，模型会结合上海的景点分布和家庭游玩的需求进行推荐。

5.1.2 虚拟场景中的 “地点”

在虚拟场景中，“Where” 可以指讨论的范围或领域。例如，“在计算机网络领域，解释一下 IP 地址的作用”，模型会限定在该领域内进行解释。

5.2 地点相关的背景

地点往往关联着当地的文化、习俗、环境等背景信息。“Where” 能引导模型考虑这些因素。比如，“写一篇关于在东北过冬的注意事项”，模型会结合东北寒冷的气候特点给出建议。

5.3 实例说明

5.3.1 场景：旅游攻略

提示词：“帮我写一份去成都旅游的攻略，包括必去的景点和特色美食。”

分析：“成都” 这个地点明确后，模型会推荐都江堰、宽窄巷子等成都特色景点，以及火锅、夫妻肺片等当地美食，贴合地点特点。

5.3.2 场景：职场建议

提示词：“在互联网公司的职场中，新人如何快速融入团队？”

分析：“互联网公司” 这个职场地点的特点是节奏快、团队协作频繁，模型会针对这些特点给出如主动沟通、参与团队活动等建议。

6. “Why”：阐述原因目的，让模型理解需求动机

6.1 说明任务的目的

6.1.1 帮助模型把握方向

明确 “Why”，即做这件事的目的，能让模型的输出更贴合需求的深层动机。比如，“为了提高孩子的阅读兴趣，推荐一些适合小学生的课外书”，模型会推荐趣味性强、难度适中的书籍。

6.1.2 避免偏离核心目标

如果不说明目的，模型可能只停留在完成表面任务。例如，只说 “推荐适合小学生的课外书”，模型可能推荐一些知识性强但趣味性不足的书籍，而忽略 “提高阅读兴趣” 这个目的。

6.2 传递背后的原因

有些任务的要求需要结合原因来理解。比如，“因为要参加英语演讲比赛，帮我写一篇 3 分钟的演讲稿，主题是我的家乡”，模型会考虑到演讲比赛的场合，让演讲稿更具感染力和口语化特点。

6.3 实例说明

6.3.1 场景：选购礼物

提示词：“为了给朋友庆祝生日，他喜欢打篮球，帮我推荐一份合适的礼物。”

分析：“庆祝生日” 是目的，“喜欢打篮球” 是爱好，模型会结合这两点，推荐篮球、球星周边等礼物，更符合需求。

6.3.2 场景：写方案

提示词：“为了减少公司办公经费开支，写一份节约办公用品的方案。”

分析：明确了方案的目的是 “减少办公经费开支”，模型会从办公用品采购、使用规范等方面提出具体的节约措施，针对性更强。

7. “How”：说明方式方法，让模型按要求执行

7.1 输出格式要求

7.1.1 结构格式

“How” 可以明确模型输出的结构格式，比如列表、表格、总分总结构等。例如，“用列表形式列出每天的学习任务”“以表格形式对比苹果和华为手机的优缺点”。

7.1.2 语言风格

要求输出的语言风格也是 “How” 的一部分，比如 “用幽默的语气写一段介绍宠物的文字”“用专业的术语解释这个物理现象”。

7.2 执行步骤要求

对于复杂任务，“How” 可以说明执行的步骤或方法。比如，“写一份蛋糕的制作教程，按照准备材料、搅拌面糊、烘烤、装饰的步骤来写”，模型会按指定步骤组织内容。

7.3 实例说明

7.3.1 场景：总结内容

提示词：“总结这篇文章的主要观点，用分点的形式，每点不超过 20 字。”

分析：“用分点的形式”“每点不超过 20 字” 是对输出格式的要求，模型会按此要求提炼观点，输出简洁明了的总结。

7.3.2 场景：写故事

提示词：“写一个童话故事，情节要有起伏，结尾要温馨，语言要简单易懂。”

分析：“情节要有起伏”“结尾要温馨”“语言简单易懂” 是对故事创作方式的要求，模型会按照这些要求构建故事内容。

8. “5W1H” 法构建提示词的完整流程

8.1 梳理需求要素

8.1.1 列出核心信息

在构建提示词前，先把需求中涉及的 “5W1H” 要素一一列出来。比如，要让模型写一份会议通知，先明确：Who（参会人员）、What（会议主题和内容）、When（会议时间）、Where（会议地点）、Why（开会的目的）、How（通知的格式）。

8.1.2 筛选关键要素

不是所有任务都需要用到 “5W1H” 的全部要素，要根据任务特点筛选关键要素。比如，简单的翻译任务，可能只需要明确 What（翻译内容）和 How（翻译语言）。

8.2 组织要素顺序

8.2.1 按逻辑排列

把梳理好的要素按逻辑顺序组织起来，一般可以先说明任务（What），再补充相关的 Who、When、Where、Why，最后说明 How（输出要求）。例如，“作为公司员工（Who），为了传达项目进度（Why），请写一份项目周报告（What），内容包括本周完成的工作和下周计划，时间范围是 2024 年 10 月 14 日 - 10 月 20 日（When），用 Word 文档常见的格式（How）。”

8.2.2 避免信息混乱

组织要素时，要条理清晰，避免信息交叉或重复。如果要素较多，可以分点说明，但在提示词中一般用连贯的语句表达。

8.3 检查与调整

8.3.1 检查完整性

检查是否有遗漏的关键要素，确保需求信息完整。比如，写会议通知时，漏了会议时间，会导致接收者无法参会。

8.3.2 检查清晰度

通读提示词，看每个要素的表述是否清晰，是否有模糊或歧义的地方。如果有，及时修改，确保模型能准确理解。