Claude 好提示词 vs 坏提示词：20 组真实对比案例

理论说再多，不如直接看例子。下面 20 组对比，覆盖写作、编程、分析、学习等常见场景。

写作场景

对比 1：文章写作

坏提示词：

写一篇关于健康饮食的文章

好提示词：

写一篇关于"上班族如何在 30 分钟内准备健康午餐"的文章。
目标读者：25-35 岁、北上广的打工人
字数：800 字左右
结构：问题引入 → 3 个实用方案 → 总结
风格：接地气，有共鸣感，避免说教

改进要点： 加了读者画像、字数、结构、风格四个维度。

---

对比 2：邮件写作

坏提示词：

帮我写一封邮件拒绝供应商

好提示词：

帮我写一封婉拒供应商的邮件。

背景：对方报价比我们预算高 30%，产品质量符合要求，
但价格谈不下来。我们想保留合作可能，未来如果价格合适还愿意回来。

要求：
- 语气：礼貌、专业，不要太冷漠
- 说明拒绝原因（价格，不要提其他因素）
- 留一个"未来可能合作"的开放结尾
- 100-150 字

---

对比 3：社交媒体文案

坏提示词：

帮我写小红书文案

好提示词：

帮我写一篇小红书笔记，推广一款咖啡机。

产品亮点：一键操作、15 秒出咖啡、价格 399 元
目标用户：在家办公的年轻白领
风格：真实测评感，像博主在分享，不要太广告
结构：吸引眼球的开头 + 使用体验 + 优缺点 + 购买建议
字数：300 字左右，加 5 个合适的 # 话题标签

---

编程场景

对比 4：生成函数

坏提示词：

写一个排序函数

好提示词：

用 Python 写一个函数，对包含字典的列表按指定字段排序。

要求：
- 支持升序和降序（通过参数控制）
- 支持按多个字段排序
- 有完整的类型注解
- 有简单的使用示例

示例输入：
[{"name": "Alice", "age": 30}, {"name": "Bob", "age": 25}]

---

对比 5：调试报错

坏提示词：

我的代码报错了怎么办

好提示词：

Python 代码报错，请帮我找原因：

报错信息：
KeyError: 'user_id'

代码：
def get_user(data):
    return data['user_id']

result = get_user({"userId": 123})

我以为字典里有 user_id 这个键，但似乎没有。

---

对比 6：代码优化

坏提示词：

帮我优化这段代码

好提示词：

帮我优化下面这段 Python 代码，重点关注：
1. 减少不必要的循环（目前数据量大时很慢）
2. 提高可读性
3. 不要改变函数的对外接口

[粘贴代码]

当前处理 10 万条数据需要 8 秒，希望能降到 2 秒以内。

---

分析场景

对比 7：竞品分析

坏提示词：

帮我分析竞争对手

好提示词：

我在做一款面向中小企业的 HR SaaS 产品，
请帮我分析钉钉、飞书、北森这三个竞品。

分析维度：
1. 核心功能对比
2. 定价策略
3. 目标客户群体
4. 各自的差异化优势
5. 明显的产品缺陷或用户抱怨

输出格式：用表格对比 + 每个维度的文字分析

---

对比 8：数据解读

坏提示词：

帮我分析这个数据

好提示词：

帮我解读下面的用户留存数据，我是一个电商 APP 的运营。

数据：
- 次日留存：45%
- 7 日留存：22%
- 30 日留存：8%

行业平均：次日 40%，7 日 20%，30 日 10%

请分析：
1. 我们的数据处于什么水平？
2. 哪个阶段流失最严重？
3. 可能的原因和改善方向

---

学习场景

对比 9：解释概念

坏提示词：

什么是机器学习

好提示词：

我是一个完全没有技术背景的市场总监，
请用我能理解的方式解释"机器学习"是什么，
用 1-2 个日常生活的例子类比，
不要出现公式或者编程代码，
200 字以内。

---

对比 10：制定学习计划

坏提示词：

帮我制定学习 Python 的计划

好提示词：

帮我制定一个 Python 学习计划。

我的情况：
- 完全零基础，但有 Excel 使用经验
- 目标：能用 Python 自动处理 Excel 数据，做简单的数据分析
- 每天能投入 1 小时学习
- 希望 3 个月内达到目标

请给出：
- 分阶段的学习路线
- 每阶段推荐的学习资源（免费优先）
- 里程碑检验方式

---

总结：提示词改进清单

写完提示词后，对照检查：

检查项	是否包含
目的是什么	☐
给谁看/用在哪里	☐
格式要求（列表/表格/段落）	☐
长度限制	☐
语气风格	☐
相关背景信息	☐
不希望出现什么	☐

不是每项都必须有，但越多越好。