最近有篇帖子在 X （推特）上火了，讲的是提示词工程升级，通过在代码中编写提示，你可以从 AI 中获得更好的结果。
它被称为JSON Prompting。
我看了一下，虽然说是写代码的方式，但是其实学习起来比你想象的要简单得多。
普通提示词 vs JSON 提示词
普通提示词存在的问题就在这里。
"Write me a tweet about dopamine detox"
该模型必须进行猜测：语气如何？长度多少？目标受众是谁？格式又该怎样？
它用统计学上的平均值来填补这些空缺。
这就是为什么你的输出显得很笼统。你只是提问，却没有具体说明。
现在看看切换到 json 后会发生什么：
{
"task": "write a tweet",
"topic": "dopamine detox",
"style": "viral",
"length": "under 280 characters",
"tone": "punchy and contrarian"
}
同样的要求。毫无歧义。模型停止猜测，开始执行。
为什么效果更好
大语言模型并不会像人类阅读信件那样来理解你的提示词。
它们在做的事情是：与训练数据进行模式匹配。
而它们的训练数据中包含着大量代码、文档、API 以及结构化数据格式。
在大模型眼里，JSON 代码看起来更加熟悉。他们把它视为更高层次的信号。
与 AI 沟通三原则
规则其实非常简单：和 AI 协作时，不要发明复杂的新语法。
你只需要坚持 3 个很朴素的原则，就能让模型更稳定、更好理解你的意图，而且这些方法现在就能在 ChatGPT、Claude、Gemini 里直接用。
1. key-value pairs
尽量用“键：值”的方式表达信息。
比如不要写成一大段含糊的话，而是写成：
{
"goal":"写一篇公众号文章",
"audience":"AI 从业者",
"tone":"专业、通俗",
"length":"1500字"
}
这样模型更容易抓住重点，因为每个信息都被明确标记了。
2. be explicit, not clever
要说清楚，不要耍巧。
不要指望模型去猜你的“潜台词”、隐喻、缩写或者自创规则。
例如：
- • 不够好：“写得有那种感觉，别太满，懂的都懂。”
- • 更好：“语气克制一点，避免煽情。句子简短，少用感叹号，不要写成鸡汤文。”
提示词写作的核心不是炫技，而是降低歧义。
3. nest objects when structure matters
当信息有层级关系时，就把它分层嵌套。
比如你要定义一篇文章的要求，不要全部堆在一层，可以这样：
{
"article":{
"topic":"AI 产品经理如何做用户调研",
"audience":"初级产品经理",
"style":{
"tone":"清晰、直接",
"avoid":["空话","太学术化"]
},
"structure":{
"intro":"提出痛点",
"body":["方法1","方法2","方法3"],
"ending":"给行动建议"
}
}
}
这样模型会更容易理解哪些信息属于同一组，哪些是上级规则，哪些是下级细节。
和模型沟通时，最有效的做法不是设计花哨语法，而是用清晰的结构化信息表达你的意思。
5个模板
5 个现在就可以直接使用的即插即用模板。记得交换数值，保持结构不变。
1 content generation
{"task": "write content","platform": "twitter","structure": {"hook": "curiosity-driven","body": "3 insights with smooth flow","cta": "one strong question"},"topic": "your topic","tone": "smart and relatable"}
2 code generation
{"task": "write code","language": "python","goal": "rename all files in a folder","constraints": ["must work on MacOS", "include comments"],"output_format": "code only, no explanation"}
3 brand strategy
{"task": "act as brand consultant","client": "early-stage AI tool","goal": "define positioning","deliverables": ["1-liner", "target audience", "3 differentiators"],"tone": "simple and strategic"}
4 rewrite and sharpen
{"task": "improve writing","input": "Our team is proud to announce the next chapter of our journey.","goal": "make it vivid and emotional","audience": "customers","tone": "authentic and inspiring"}
5 research to deliverable
{"task": "create consulting doc","input": "paste notes here","client": "retail ecommerce brand","deliverables": ["SWOT", "growth roadmap", "3 quick wins"],"output_format": "markdown","tone": "sharp and practical"}
写在最后
别再向 AI 请求各种东西了，开始明确说明你到底想要什么。
在模型做出响应之前，JSON 迫使你以构建者的思维方式来思考。
这才是这套方式正确作用，通过改变我们的语言，改变我们的思考方式。
互动话题
你还有什么更好的利用 json 写提示词的技巧吗？
欢迎在评论区留言，我们一起交流。
