在库拉KULAAI（c.kulaai.cn）这类AI模型聚合平台上把GPT-5.5拉出来跑了各种场景后，我发现一个有意思的现象：同一个模型，不同人写prompt，输出质量差距可以达到10倍。
不是模型的问题，是prompt的问题。
这篇文章不讲概念，只讲实操。从最基础的写法到进阶技巧，每一步都有具体示例，看完就能用。
一、GPT-5.5的prompt和GPT-4有什么不同
很多人以为prompt写法是一成不变的——不管什么模型，写法都一样。这个认知在GPT-4时代是对的，但在GPT-5.5时代需要更新。
GPT-5.5的核心变化是推理链变长了。GPT-4时代的模型更像一个"直觉型选手"——给它一个prompt，它凭直觉输出结果。GPT-5.5变成了"分析型选手"——它会先构建中间推理步骤，再基于推理结果生成最终输出。
这个变化对prompt的影响是：你需要给它更明确的"思考路径"，而不是只给一个"最终目标"。
举个例子。GPT-4时代你写"帮我写一条耳机广告"，它直接输出结果。GPT-5.5时代同样的prompt它也会输出结果，但如果你写"分析这款耳机的核心卖点→推导目标用户的深层需求→从用户视角写一条广告语"，输出质量会高一个量级。
因为GPT-5.5的推理链更长，你给它的"思考路径"越清晰，它的输出越精准。
二、三个核心原则
原则一：说清楚你要什么。
很多人的prompt是这样的："帮我写一篇文章。"这种prompt的问题不是"错了"，而是"太模糊"。GPT-5.5不知道你要写什么主题、写给谁看、写多长、什么风格。
一个好的prompt应该包含四个要素：主题、受众、长度、风格。
差的prompt："帮我写一篇关于AI的文章。"
好的prompt："帮我写一篇面向3年经验开发者的AI编程工具评测文章，3000字左右，风格平实干练，不要堆砌术语。"
原则二：给它角色。
GPT-5.5在角色扮演场景中的表现比GPT-4好很多。你给它一个明确的角色，它的输出会更贴合你的预期。
没有角色："帮我分析这个产品的优缺点。"
有角色："你是一个有10年经验的产品经理，请从产品经理的角度分析这个产品的优缺点，重点关注用户体验和商业模式。"
原则三：给它示例。
GPT-5.5支持文本层面的风格学习和模仿。如果你提供给它需要的范本，它会模仿风格进行生成。
没有示例："帮我写一条朋友圈文案。"
有示例："帮我写一条朋友圈文案，参考以下风格：'三年前的今天，我辞职创业。当时所有人都说我疯了。现在回头看，他们说得对。但我没后悔。'请用类似的短句+反转结构写一条关于学习AI的朋友圈。"
给一个示例比描述十遍更有效。
三、五个高级技巧
技巧一：思维链引导。
GPT-5.5的推理链更长，你可以利用这一点，引导它按步骤思考。在prompt里说"请按以下步骤分析：第一步，XXX；第二步，XXX；第三步，XXX"。
比如："请按以下步骤分析这个商业模式：第一步，识别目标用户和核心需求；第二步，分析竞争格局和差异化策略；第三步，评估盈利模式的可持续性；第四步，给出改进建议。"
技巧二：约束条件要清晰不矛盾。
GPT-5.5的遵循指令更强，但副作用是：如果规则含糊或彼此矛盾，模型会更容易卡住。
好的约束："文章不超过500字，每段不超过3句话，不要使用专业术语。"
坏的约束："文章要详细但要简短，要有深度但要通俗易懂，要有数据但不要引用来源。"——这些约束彼此矛盾，模型会无所适从。
技巧三：分步生成。
如果任务比较复杂，不要一次性让它完成。把它拆成几个步骤，每一步确认后再进行下一步。
写长文的正确方式：第一步"帮我生成这篇文章的大纲"→第二步"确认大纲没问题后，按大纲写第一部分"→第三步"确认第一部分质量后，写第二部分"。
这样做的好处是：每一步你都有机会检查和调整，避免到最后发现方向跑偏了。
技巧四：反面约束。
告诉它"不要做什么"有时候比"要做什么"更有效。
"不要使用'总而言之''综上所述'这类套话。""不要在每段开头用'首先''其次''最后'。""不要写得像AI——避免排比句、避免过度正面、避免空洞的总结。"
技巧五：Thinking模式。
GPT-5.5的Thinking模式在复杂任务中是杀手锏。开启后模型在落笔前先规划，生成后检查输出，发现错误还会迭代修正。
什么时候用：复杂分析、长文写作、代码审查、架构设计。什么时候不用：简单问答、快速翻译、格式转换。
四、五个场景的prompt模板
场景一：写营销文案。
"你是一个有10年经验的营销文案专家。请为[产品名称]写5条广告语。要求：每条从不同角度出发（功能、情感、场景、对比、数据），每条不超过20字，不要使用'领先''卓越'这类空洞词汇。"
场景二：写技术文档。
"你是一个资深技术文档工程师。请为以下API编写使用文档，包含：接口说明、请求参数、响应格式、错误码、使用示例。面向有2年经验的后端开发者，语言平实干练。"
场景三：做竞品分析。
"请按以下维度分析[产品A]和[产品B]的差异：目标用户、核心功能、定价策略、技术架构、用户体验。每个维度用3-5句话概括，最后给出综合判断。"
场景四：生成测试用例。
"请为以下函数生成单元测试，要求：覆盖正常路径和边界条件，覆盖异常输入和错误处理，使用[测试框架]编写，每个测试用例标注测试目的。"
场景五：写周报。
"请根据以下工作内容生成本周周报，格式：本周完成（3-5条）、下周计划（3-5条）、需要协调的事项（1-2条）。语言简洁，每条不超过一句话。"
五、90%的人都在犯的五个错误
错误一：prompt太短。"帮我写一篇文章"——太模糊，模型不知道你要什么。
错误二：prompt太长。把所有要求堆在一个prompt里，结果模型顾此失彼。建议一个prompt只描述一个核心需求。
错误三：不给示例。你说"写得有深度"，模型不知道你理解的"深度"是什么。给一个示例比描述十遍更有效。
错误四：不迭代。第一次输出不满意就放弃，而不是根据输出结果调整prompt。prompt工程是一个迭代过程——第一次输出80分，调整prompt后90分，再调整后95分。
错误五：不区分模型。同一个prompt在GPT-4和GPT-5.5上的输出可能完全不同。GPT-5.5的推理链更长，你可以给它更复杂的思考路径；GPT-4更适合简单直接的任务。
六、多模型策略
GPT-5.5在综合能力上持续领先，但其他模型在特定场景下各有长处。文心一言在故事的完整度和情节吸引力方面表现更好。豆包基于自研Seed大模型，网感语义理解极强。Claude在语言风格上更细腻。
不同模型对prompt的响应方式不同。写营销文案用中文语感强的模型，写技术文档用GPT-5.5，写品牌故事用Claude——每个任务匹配最合适的模型。多模型策略的核心是：不被单一供应商锁定，保持技术选择的灵活性。
七、趋势判断：从"会写prompt"到"会设计工作流"
2026年，prompt engineering正在从"写一条好prompt"进化到"设计一套好工作流"。单条prompt的上限是有限的，但多条prompt组合成的工作流，上限是无限的。
GPT-5.5不是一次孤立的新品发布，而是OpenAI在GPT-5.x系列密集迭代中的最新一步。这一步继续把竞争焦点从"模型是否更强"推向了"模型能否在真实工作流里完成更多事"。
但工具越来越强，对人的要求反而越来越高。AI正在把"执行"这段路压缩到极致，但"想清楚要什么""判断结果好不好"——这些能力，短期内AI替代不了。
差距不是工具，是认知。
