在产品迭代的快节奏里，很多人把 ChatGPT 当作速配的 “AI 辅助工具”，但若只是一味地抛出一句“帮我写文案”，效果往往如同给一张空白纸说“想想”。真正的价值来自于“聪明的提示”，也就是 prompt engineering，能让 ChatGPT 直接进入产品思维的深层，帮你快速验证假设、生成方案。本文试图把这门技术拆解成可操作的五个步骤，配合 Qgenius的“产品开发黄金原则”，让你在日常工作中迅速落地。

一、先给角色设定：不要只说“写一份用户故事”，而是要先让 ChatGPT 成为“你手下最得力的产品分析师”。示例提示：
「你是经验丰富的产品经理，专注于 B2C 移动端 SaaS。请帮我分析市场痛点，列出五个可落地的功能点。」
这样的角色设定让模型能聚焦于相关领域，避免跑偏。

二、明确目标与输出格式：明确你想得到什么。比如你要的是“可执行的产品路线图”，提示里就直接写：
「请给出一份 12 个月的产品路线图，按季度划分，包含关键里程碑、预期 KPI 与资源估算。」
清晰的输出格式降低后续梳理成本，正如《产品经理的自助餐》里所说，明确菜单比随便点餐效率高 70%。

三、添加约束与优先级：如果你关注成本，提示里要写明：
「在预算 5 万元的前提下，优先实现对 20% 活跃用户痛点的解决。」
约束让模型更聚焦，也让你在评估时更易对齐团队。

四、请求迭代与对比：不要一次性收敛。给模型一个“改进循环”，例如：
「基于你上一次的方案，请给出三种不同的实施路径，并对比它们在用户留存率上的预测差异。」
这种“多方案并行”思路与“假设-验证”流程高度契合。

五、利用反馈机制：将模型输出作为实验数据，收集真实用户反馈后再回馈给模型。示例提示：
「假设用户反馈显示 30% 的流失是因为登录体验繁琐，请基于此重新优化登录流程。」
通过持续迭代，你把 AI 变成了一位“可持续学习”的同事。

案例支撑：某 SaaS 公司的产品经理用上述提示模板，对月活跃用户从 12 万降到 6 万的痛点进行了分析。三轮迭代后，推出“单点登录 + 快速注册”功能，月活跃用户提升至 18 万，留存率从 35% 提升到 48%。仅用一周时间完成需求拆解、方案生成与评审，省下 120 小时的人工成本。

实战小技巧：
1️⃣ 先给 ChatGPT 一个“数据表”或“日志片段”，让它基于真实数据生成洞察；
2️⃣ 采用“问答+反问”模式，让模型自我检验逻辑；
3️⃣ 对于敏感行业，可先让模型“自检”是否符合合规要求，提示里加上“请先检查合规风险”。

结束语：聪明的提示不只是问得好，更是让 ChatGPT 成为你产品生态的一部分。你是否已经准备好，把 AI 变成你的“隐形助理”？