纲要普通自然语言提示词角色与背景定义目标与诉求描述输出格式约束Markdown 格式提示词标题层级与粗体标记段落化组织方式大模型的结构化偏好优雅风格化提示词方括号标记法编号与列表规范可维护性与团队协作XML/HTML 标签格式提示词起始标签与结束标签标签嵌套机制自定义语义标签四种提示词范式的横向对比参考文档总结引言在与大语言模型Large Language Model, LLM交互的过程中提示词Prompt的结构化程度与信息组织方式直接影响模型对意图的解析准确度及输出内容的可用性。提示词并非简单的问题描述而是一个可被工程化设计的指令集合。不同的编写范式在信息传递效率、模型解析友好度以及人工可维护性方面存在显著差异。本文系统梳理四类主流提示词编写范式分别阐释其结构特征、适用场景与优劣势帮助开发者根据实际需求选择或组合使用合适的提示词结构。普通自然语言提示词普通自然语言提示词指直接使用人类日常交流的自然语言形式向大模型描述任务需求。该类提示词不依赖任何标记语法或特殊符号完全依赖自然语义传递信息是使用门槛最低、应用范围最广的一类提示词。一个结构清晰的普通自然语言提示词通常包含以下逻辑要素角色定义明确大模型需扮演的身份或所处的上下文环境。例如“你是一位拥有三十年临床经验的中医医师”或“你是一位米其林三星餐厅的主厨”。精准的角色定义能够引导模型调用对应领域的知识表征提升输出内容的专业性与针对性。任务目标清晰陈述模型需完成的具体任务包括输入素材、处理逻辑与期望产出。例如“请根据以下食材清单设计一道创意菜肴”。输出格式约束明确模型返回结果的组织结构例如要求包含标题、列表、分段等具体呈现形式。该范式与用户在 ChatGPT、Claude、豆包等对话式 AI 产品中的日常交互体验完全一致学习成本接近于零适用于绝大多数通用场景。但当任务复杂度提升或需要长期维护时纯自然语言提示词的结构模糊性可能导致信息遗漏或解析歧义。Markdown 格式提示词Markdown 是一种轻量级标记语言通过简洁的符号标记实现文本的结构化排版。在提示词工程中Markdown 格式因其清晰的层级结构与良好的可读性成为大模型解析效率较高的一种输入形式。典型的 Markdown 格式提示词使用以下标记语法一级标题#与二级标题##用于划分提示词的逻辑区块如“角色设定”“食材清单”“制作要求”“输出格式”等。粗体标记**文本**用于突出关键词或核心指令增强语义权重。无序列表-与有序列表1.用于枚举多个并列项。三级标题###用于进一步细化子区块例如在“输出格式”下分别定义子结构。在大模型的预训练语料中Markdown 格式文本占据可观比例模型对该格式具有天然的解析优势。部分 AI Agent 框架如 Claude 的 Skills 系统将 Markdown 作为首选或唯一支持的提示词输入格式。然而手动编写与维护复杂的 Markdown 提示词存在一定的语法记忆成本开发者需熟悉各级标题的层次对应关系及常见标记用法。优雅风格化提示词优雅风格化提示词介于自然语言与严格标记语言之间通过方括号[]或花括号{}等符号对语义单元进行视觉分隔配合空行、数字编号与横杠列表形成规整的排版风格。该类范式在平衡可读性与结构化程度方面表现突出。典型结构如下使用方括号或花括号包裹段落主题如[角色设定]、[任务目标]、[输出格式]等作为每个逻辑块的主题标识。各逻辑块之间以空行分隔确保视觉层次清晰。块内使用数字列表1.、2.或横杠列表-、*枚举具体指令或约束条件。列表标记后须跟随一个空格以符合通用文本排版规范。该范式在提示词数量积累至数百甚至上千条时能够显著降低后续检索、修改与版本管理的难度。在团队协作场景中统一的风格化模板有助于新成员快速理解既有提示词的逻辑构成减少沟通成本。相较于纯 Markdown该范式不需要记忆标题层级符号上手更为直观。XML/HTML 标签格式提示词XML/HTML 标签格式提示词借鉴了标记语言的设计思想使用尖括号标签对内容进行语义化标注。其基本形式为起始标签tagname与结束标签/tagname配对使用标签所包裹的文本即为该语义单元的具体内容。例如role你是一位专业厨师/role开发者可根据任务需要自定义标签名称如background、ingredients、instructions、constraints等以精确对应不同信息维度。标签格式支持任意层级的嵌套适用于需要表达复杂层次关系如多级指令、分步骤操作、条件分支逻辑的场景。示例如下instructionssteporder1清洗并处理食材/stepsteporder2按序烹饪/stepsteporder3装盘并点缀/step/instructions该格式在 Claude 的 Artifacts 生成等高级功能中被广泛采用与标准 HTML/XML 语法完全兼容。尽管在日常对话式交互中使用频率较低但当开发者需要构建高度结构化的复杂任务流程时XML 标签提供的语义精确性与扩展能力具有独特优势。四种提示词范式的横向对比范式核心标记学习成本模型解析友好度人工可维护性适用场景普通自然语言无极低一般较低日常对话、快速原型验证Markdown 格式#、**、-低较高较好Skill 定义、框架集成优雅风格化[]、{}、编号低较好好大规模提示词管理、团队协作XML/HTML 标签tag、/tag中等高好复杂任务编排、多层级指令四种范式在各项指标上各有侧重且并非互斥关系。在实际项目中开发者可根据业务需求进行组合运用——例如以自然语言作为交互主体同时嵌入 Markdown 标题结构提升可读性再以 XML 标签进行局部精细控制。提示词编写范式普通自然语言Markdown 格式优雅风格化XML/HTML 标签无标记语法角色 目标 格式学习成本极低# 标题层级**粗体** 强调- 列表枚举模型解析友好方括号/花括号标记空行分段编号 / 横杠列表可维护性突出起始/结束标签任意层级嵌套自定义语义标签复杂任务编排参考文档官方文档OpenAI Prompt Engineering GuideAnthropic Claude Prompt EngineeringMarkdown 官方语法XML 规范 (W3C)参考链接DeepLearning.AI - ChatGPT Prompt Engineering for DevelopersPrompt Engineering Guide (GitHub)Learn Prompting总结提示词的结构化设计是提升大模型交互效率与输出质量的关键工程环节。本文系统梳理了四类主流的提示词编写范式普通自然语言提示词以最低的学习成本覆盖了最广泛的日常使用场景Markdown 格式提示词通过轻量级标记语言提升模型解析效率被众多 AI Agent 框架采纳为标准输入格式优雅风格化提示词在视觉整洁性与人工可维护性之间取得良好平衡适用于大规模提示词资产管理XML/HTML 标签格式提示词则提供了最强的语义扩展能力与嵌套表达能力适用于复杂任务编排。在实际项目实践中四类范式可灵活组合使用。理解并掌握这四种提示词范式是构建高效、可靠的人机协作系统的必要基础。