即时工程

什么是 JSON 提示以及为什么每个人都在谈论它？

发布时间 2025 年 7 月 28 日

亚历克斯麦克法兰

每个人都在谈论 JSON 提示，就好像它是人工智能领域的下一个大事件一样。

瞧，事情是这样的。

就像其他所有被大肆宣传的“革命性”AI技术一样，JSON 提示并非唯一的答案。它只是构建 AI 输入和上下文的一种方式——你也可以使用 XML、Markdown 或其他格式。

真正的突破并非仅仅在于 JSON，而是在于结构化输入胜过非结构化输入。每一次都是如此。

但 JSON 恰好是目前最流行的格式，而且理由充分。这就是我们今天要深入探讨的内容。

当前人工智能使用的问题

想一想上次您尝试让 ChatGPT 或 Claude 做某件特定的事情是什么时候。

也许你希望它能够分析客户反馈并提取关键主题。所以你写了类似这样的话：“请审核这些客户评论，找出他们讨论的主要问题，按类别整理，并注明每个问题被提及的次数。”

看起来够清楚了，对吧？

但人工智能必须弄清楚的是：

什么算作“主要问题”？什么算作“次要问题”？
应该使用哪些类别？
应该如何格式化输出？
它应该包括直接引语吗？
分析应该有多详细？

人工智能会用猜测来填补所有这些空白。有时它猜对了，有时却猜错。这就是为什么每次运行同一个提示时，你都会得到截然不同的结果。

输入 JSON 提示

JSON（JavaScript 对象表示法）并非新事物，早在 2000 世纪初就已存在。它只是一种构建信息的方式，使人类和计算机都能轻松读取。

相同的客户反馈请求在 JSON 中如下所示：

{
  "task": "analyze_customer_feedback",
  "analysis_type": "thematic",
  "output_structure": {
    "themes": {
      "include": ["theme_name", "frequency_count", "severity_rating"],
      "minimum_mentions": 3
    },
    "categories": ["product_issues", "service_issues", "pricing", "feature_requests"],
    "include_quotes": true,
    "max_quotes_per_theme": 2
  }
}

发现区别了吗？每个决定都清晰明确，无需猜测。

为什么 JSON 提示现在变得如此重要

有三件事汇聚在一起使得 JSON 提示变得突然变得相关：

AI模型擅长解析结构化数据： 现代的法学硕士 (LLM) 和智能体在训练中已经见过数百万个 JSON 示例。他们从本质上理解这种格式，并且每年都在进步.
人们意识到自然语言有局限性： 经过一年的及时工程教程，用户发现，再谨慎的措辞也比不上明确的结构。
一致性变得至关重要： 当企业开始将人工智能用于实际工作（而不仅仅是实验）时，他们需要可预测的输出。

JSON 不仅仅是让你的提示格式变得不同，它还让你以不同的方式思考 AI 交互。

当你使用 JSON 时，你不是在进行对话，而是在提供规范。而这种转变改变了一切。

让我告诉你我的意思。

传统提示与 JSON 提示

假设您正在创建客户成功剧本并需要 AI 来帮助构建它。

传统提示：“为我们的 SaaS 产品创建一份客户成功手册，涵盖用户引导、采用和留存策略。确保包含每个阶段的时间表、关键指标和行动项目。”

JSON 方法：

{
  "task": "create_customer_success_playbook",
  "product_type": "SaaS",
  "stages": [
    {
      "name": "onboarding",
      "timeline": "days_0_to_30",
      "required_elements": ["checklist", "metrics", "team_responsibilities", "customer_milestones"]
    },
    {
      "name": "adoption", 
      "timeline": "days_31_to_90",
      "required_elements": ["usage_targets", "training_schedule", "success_indicators", "escalation_triggers"]
    },
    {
      "name": "retention",
      "timeline": "days_91_plus",
      "required_elements": ["health_score_factors", "renewal_process", "expansion_opportunities", "risk_mitigation"]
    }
  ],
  "format_requirements": {
    "max_items_per_checklist": 7,
    "metric_format": "specific_number_with_timeframe",
    "tone": "actionable_and_direct"
  }
}

使用传统的提示符，你可能会得到一个泛泛的指导，而它却遗漏了你一半所需的信息。而使用 JSON，你就能得到你指定的、完全符合你需求的结构。

使用 JSON 进行上下文工程

这就是真正有趣的地方。

同样的原则也适用于如何向人工智能输入背景信息。与其将背景信息大段大段地丢弃，不如将其结构化。

例如，不要写：“我们公司向中型企业销售项目管理软件。我们专注于易用性和集成能力。我们的主要竞争对手是 Asana 和 Monday.com。我们的独特价值在于我们先进的自动化功能。”

您将其构造为：

{
  "company_context": {
    "product": "project management software",
    "target_market": {
      "segment": "mid-market",
      "company_size": "50-500 employees"
    },
    "key_differentiators": [
      "ease of use",
      "integration capabilities",
      "advanced automation"
    ],
    "competitors": ["Asana", "Monday.com"],
    "positioning": "enterprise features at mid-market pricing"
  }
}

现在，您编写的每个提示都可以清晰一致地引用此结构化上下文。

当您以这种方式构造输入时，就会发生一些神奇的事情：您的提示变得可重复使用和可共享。

您无需每次都重写说明，而是创建模板：

{
  "task": "competitive_analysis",
  "competitor": "[COMPETITOR_NAME]",
  "aspects_to_analyze": ["features", "pricing", "target_market", "weaknesses"],
  "our_product": "[REFERENCE: company_context.product]",
  "output_format": "comparison_table"
}

只需替换竞争对手的名称并再次运行即可。相同的结构，不同的分析，结果一致。

JSON 提示并非技术问题

令所有人感到惊讶的是：您不需要具备技术知识即可有效地使用 JSON。

事实上，非技术人员通常做得更好，因为他们不会想太多。他们只是把它看作是一种清晰地组织信息的方式。

想一想你是如何自然地组织信息的：

购物清单有类别（农产品、乳制品等）
会议议程包含主题和时间分配
项目计划有阶段和可交付成果

JSON 只是给自然组织加上标签。

人们在开始时会犯的错误：

过于复杂： 你不需要五层深的嵌套结构。从简单的开始。
尝试将所有内容 JSON 化： 有些任务不需要结构。“写一个有趣的标题”就不需要 JSON。
忘记人工智能仍然需要背景： 结构有帮助，但您仍然需要提供正确的信息。

如何启动 JSON 提示

从一项你反复执行的特定任务开始。假设你创建会议摘要。

步骤 1：列出你需要的东西

做出的关键决定
与业主一起采取行动的项目
后续日期
讨论的主题

第 2 步：构建结构

{
  "task": "meeting_summary",
  "meeting_date": "2024-07-28",
  "attendees": ["list_names_here"],
  "summary_components": {
    "decisions": {
      "format": "bullet_points",
      "include": ["decision", "rationale", "impact"]
    },
    "action_items": {
      "format": "table",
      "columns": ["task", "owner", "due_date", "priority"]
    },
    "discussion_topics": {
      "format": "brief_paragraphs",
      "max_length": "3_sentences_each"
    }
  }
}

步骤 3：将其与你的 AI 工具一起使用

大多数现代 AI 工具（ChatGPT、Claude 等）都原生支持 JSON 格式。直接粘贴即可。

这一切将走向何方

我们正从一个时代走向另一个时代即时工程结构工程。

了解这种转变的人们正在建设：

可重复使用的常见任务模板
人工智能可以参考的结构化知识库
他们可以信赖的一致输出
超越一次性任务的系统

其他人仍在向 AI 抛出各种想法并希望获得最好的结果。

当您的输入是结构化的时：

您的输出是可预测的
您的流程是可重复的
您的结果是专业的
你可以腾出时间进行实际思考

底线

JSON 提示不是一项技术技能，而是一项思维技能。

它关乎清晰，而不是寄希望于人工智能猜对。它关乎结构，而不是混乱。它关乎构建系统，而不是进行对话。

在人人都使用相同人工智能工具的世界里，那些能够构建自己思维的人才是胜利者。

从一项任务开始。构建它。测试它。然后观察它如何改变你的人工智能结果。

因为一旦你看到了差异，你就会想知道为什么每个人都没有这样做。

（剧透：他们会的。你只是先到达那里而已。）

常见问题解答（JSON 提示）

JSON提示如何提高AI回复的精准度？

JSON 通过明确标记每条信息来消除歧义，因此 AI 不必猜测您的意思 - 它确切地知道每个数据点代表什么以及如何使用它。

与文本提示相比，使用 JSON 提示的主要优势是什么？

您每次都会获得一致的输出格式，您的提示将成为可重复使用的模板，您可以快速修改，并且您可以完全控制信息的结构和处理方式。

JSON提示在什么场景下对AI任务最有效？

当您需要特定的输出格式、处理具有多个参数的复杂指令或构建可重复使用的系统而不是一次性请求时，它非常适合重复性任务（如报告或分析）。

我该如何在 JSON 中构造提示以获得更好的输出？

首先列出您需要的所有变量（任务类型、受众、要求），然后将它们组织成清晰的键值对，例如 {"task": "analysis", "focus": "customer feedback", "output": "bullet points"}.

采用 JSON 提示技术时常见的挑战有哪些？

当简单的键值对就可以起作用时，人们经常会用嵌套结构使他们的第一次尝试变得过于复杂，或者他们尝试将 JSON 化，以便用自然语言更好地完成创造性的任务。

相关话题：情境工程 JSON 快速工程