回复
99%的人都忽略了的AI关键技能：JSON提示词
公众讨论把 AI 说得比实际复杂。动辄“提示工程”“多模态微调”之类术语，常把初学者挡在门外。真正带来质变的是一项不起眼的小习惯：把需求写成 JSON。它不需要任何编程能力，只是把指令拆成键值对，让模型毫无歧义地执行。
JSON 提示是什么
用 JSON 代替自然语言描述任务。
示例：
JSON
{
"task":"总结文章",
"audience":"大学生",
"length":"100字",
"tone":"好奇"
}没有寒暄、没有“请”字，直接告诉模型该做什么。模型在训练语料中见过大量 JSON，天然擅长解析。
模型为何偏好 JSON
大语言模型靠模式匹配而非“思考”。JSON 在网页、代码、API 文档中高频出现，属于它最熟悉的语法之一。输入 JSON 时，它不必揣测意图，直接把键值映射到输出即可，准确率随之上升。
效果对比
普通提问：
“能写一篇关于多巴胺排毒的推文吗？”
JSON 提问：
JSON
{
"task":"写推文",
"topic":"多巴胺排毒",
"style":"病毒式传播",
"length":"≤280字"
}后者结构清晰，生成的内容风格、长度、主题都精确命中需求。
进一步嵌套
在 JSON 里继续嵌套对象，可定义完整框架。
示例：
JSON
{
"task":"写 Twitter 线程",
"platform":"twitter",
"structure":{
"hook":"短且勾人",
"body":"3 个带案例的见解",
"cta":"结尾提问"
},
"topic":"创业者生产力系统"
}模型按蓝图输出，减少返工。
三条实用规则
- 用键值对描述需求。
- 措辞精确，避免含糊。
- 用嵌套表达层级关系。
五份可直接套用的模板
- 解说视频脚本
JSON
{
"task":"生成视频",
"platform":"Veo",
"video_type":"讲解",
"topic":"如何开一家 dropshipping 店铺",
"duration":"60秒",
"voiceover":{
"style":"冷静自信",
"accent":"美式英语"
},
"visual_style":"现代、干净、快切"
}- 社交媒体帖子
JSON
{
"task":"写内容",
"platform":"twitter",
"structure":{
"hook":"短且勾人",
"body":"3 个流畅见解",
"action":"提有力问题"
},
"topic":"独创者如何保持专注",
"tone":"亲切又聪明"
}- Python 脚本
JSON
{
"task":"写代码",
"language":"python",
"goal":"重命名文件夹内所有文件",
"constraints":["兼容 macOS","含注释"],
"output_format":"仅代码"
}- 品牌定位
JSON
{
"task":"品牌顾问",
"client":"早期 AI 工具",
"goal":"定义定位",
"deliverables":["一句 slogan","目标受众","3 个差异点"]
}- 咨询总结
JSON
{
"task":"创建咨询文档",
"input":"在此处粘贴笔记",
"client":"零售电商品牌",
"deliverables":["SWOT 分析","增长路线图","3 个速赢动作"],
"output_format":"markdown"
}何时不用 JSON
需要大开脑洞的创意任务——故事、诗歌、随机联想——仍建议用自由文本。JSON 过于整齐，会限制发散。
经验：精确输出用 JSON，探索性输出用自然语言。
额外收益
写 JSON 提示前，用户必须先厘清目标、受众、格式。这一步本身就能节省大量返工时间。与其到处寻找“神级提示”，不如把需求结构化。
2025 年，最简单的提效公式就是：
JSON
{
"skill":"JSON 提示",
"benefit":"清晰、可重复、精准的结果"
}本文转载自军哥说AI，作者：军哥说AI
赞
收藏
回复
相关推荐
