在前面的章节中，我们已经学会了补充上下文、设定角色、指定语气与风格。现在，AI 已经知道要站在什么角度思考，也知道该用什么口吻说话。
但很多小伙伴很快又会遇到一个问题：回答内容看起来没错，但拿到手以后却没法直接复制使用！
比如，我们让 AI 为大学城咖啡店制定开业宣传计划，本来想要一张清楚的任务表，结果它洋洋洒洒写了五六段长篇大论。我们还得自己划重点、拆步骤、补负责人，最后再手动填进 Excel 里。
这就像我们明明点了一份打包好的午餐，对方却很热情地把生鲜食材、锅碗瓢盆和菜谱一起送到了门口。东西虽然全，但还得咱们自己开火加工。
想要减少这些让人头疼的二次整理工作，我们还需要告诉 AI：任务做完后，请用什么具体形式把结果交给我，也就是 “指定输出格式”。
为什么要指定输出格式？
咱们简单打个比方：前面学习的背景、任务和约束，是告诉厨师 “给谁做、做什么菜、口味有什么要求”。而指定输出格式，则是告诉厨师 “这道菜做好以后，是装盘端上桌，还是打包带走”。
菜还是同一道菜，但交付方式不同，用起来的效率完全不一样。我们在日常办公和学习中，需要的往往是特定的格式，比如：
- 做竞品分析时，我们需要一张对比直观的表格。
- 整理会议记录时，我们需要一条条清晰的待办事项清单。
- 发工作群通知时，我们需要排版整齐的自定义模板。
对于大模型来说，即使它理解了任务，它也猜不到你最后想要的是一段文字、一份清单，还是一段可以直接交给程序处理的 JSON 代码。
如果不把输出格式说明白，AI 通常会选择一种它认为合适的排版，但这大概率不是你最想要的格式。指定输出格式，就是帮我们省下最后那 10 分钟的排版时间。
比如，我们让 AI 为大学城咖啡店整理开业方案。如果只说：
请整理这份咖啡店开业方案。AI 可能会给你写出几大段分析。内容确实完整，但真正落地执行时，你还得自己从字里行间去抠出宣传渠道、负责人和预算。
如果提前说明输出格式：
请将开业方案整理成表格，表格包含 “宣传渠道”、“具体任务”、“负责人”、“预计费用” 和 “完成时间” 5 列。
资料中没有明确说明的信息，统一填写 “待确认”。这时候 AI 就知道该把信息放进哪些具体的格子里了。你拿到结果后，直接检查或复制到工作表中即可，不需要再去进行 “人工考古”。
日常最实用的 4 种输出格式
指定输出格式，并不意味着每次都要搬出 JSON、XML 这些看起来像敲代码的专业词汇。对于大多数日常学习和办公场景，真正高频、好用的格式主要有以下 4 种：
- 列表。
- 表格。
- 模板（自定义模板）。
- 问答。
1. 列表：适合总结重点
当我们需要从一大段资料中提取核心时，最怕 AI 读完长文后，又还给我们另一篇密密麻麻的长文
比如，大学城咖啡店收集了一批学生评价：
下面是大学城咖啡店最近收集到的顾客评价：
1. 昨天下午三点多去的，桂花拿铁味道还不错，就是对我来说有点甜。店里当时人特别多，点完以后等了快二十分钟。
2. 本来想带电脑过去写作业，靠墙的位置基本都坐满了。好不容易找到座位，附近又没有空闲插座，最后只能用电脑剩下的那点电。
3. 店员态度挺好的，我问了几次饮品什么时候做好，也一直耐心回复。不过高峰期出餐确实有点慢，希望能增加人手。
4. 价格对学生来说还可以，装修也挺舒服。就是晚上聊天的人比较多，想安静看书的话可能有点受影响。
5. 周日下午过去的，店里几乎没有空位。有些人一坐就是大半天，后面来的顾客只能端着咖啡到处找位置。
6. 桂花拿铁闻起来很香，但喝到后面有点腻。点单的时候好像没有看到少糖选项，不知道能不能调整甜度。
7. Wi-Fi 白天用着还行，晚上不知道是不是连接的人太多，查资料时断了好几次，最后只能开手机热点。
8. 店的位置挺方便，离学校不远，饮品价格也不贵。不过等餐区有点挤，人多的时候取餐和点单的人全堵在一起。
9. 插座真的不太够，尤其是靠窗和角落的位置。上次旁边几个人还在轮流给电脑充电，感觉像在抢公共充电宝。
10. 店里整体环境不错，适合和朋友聊天。但如果是去复习考试，晚上可能有点吵，隔壁桌说话听得一清二楚。
11. 新品味道还行，希望以后可以选择半糖或者少糖。另外，周末最好能想办法提高一下出餐速度，每次都要等挺久。
12. 今天去的时候 Wi-Fi 又断了两次，店员帮忙重启以后才恢复。咖啡没什么问题，就是写作业写到一半突然没网，确实有点难受。当我们向 AI 提问时，如果只写：
请总结这些顾客评价。此时，AI 可能会回答：
从顾客评价来看，这家咖啡店整体给人的印象比较不错。饮品价格较为亲民，
店员服务态度也得到了顾客认可，因此比较适合大学城附近的学生消费。
不过，门店在高峰期的服务效率还有提升空间。多名顾客提到下午或周末排队时间较长，
出餐速度较慢，可能会影响赶时间的顾客。
在自习环境方面，顾客比较认可门店的座位和学习氛围，但也有人反映插座数量不足、
周末座位紧张，以及部分时段聊天声音较大。
此外，一些顾客认为部分新品偏甜，希望增加糖度选择。门店的 Wi-Fi 在晚上偶尔不够
稳定，也可能影响需要使用电脑学习或办公的顾客。
总体来说，门店可以重点改善高峰期出餐效率、插座数量、噪声管理、饮品甜度选择和
Wi-Fi 稳定性。这段回答没有明显错误，也总结出了主要问题。但所有信息仍然藏在几个完整段落中。如果店长只想快速知道 “最应该先解决哪几个问题”，还得自己从头读一遍，再手动整理成清单。
更直接的提示词可以写成：
请总结下面这些顾客评价，找出出现频率最高的 5 个问题。
输出要求：
1. 使用编号列表。
2. 每项先写一个不超过 10 字的问题标题，再用一句话说明具体情况。
3. 按出现频率从高到低排列。
4. 不要补充评价中没有提到的问题。
5. 只输出最终列表，不要添加开场白和总结。此时，AI 可能会回答：
1. 高峰期等待较久：下午和周末客流较多，部分顾客反映排队和出餐时间较长。
2. 插座与座位不足：靠墙插座数量有限，周末还可能出现找不到座位的情况。
3. 店内噪声较大：部分时段顾客聊天声音明显，影响需要安静自习的人。
4. 部分饮品偏甜：桂花拿铁等新品甜度较高，顾客希望能够选择少糖。
5. Wi-Fi 不够稳定：晚上偶尔出现断网，影响查资料和使用电脑。这一次，信息内容基本没有变化，但阅读效率完全不同：
- 问题被拆成了 5 项。
- 每项都有明确标题。
- 重要问题排在前面。
- 店长扫一眼就知道应该先处理什么。
列表这种格式，非常适合总结核心观点、提炼待办事项、列出优缺点等。不过，列表也不宜过长，让 AI 一口气列出 30 条 “核心建议”，通常每一条都不怎么核心。
2. 表格：适合对比和信息整理
当几组信息需要放在一起比较时，表格通常比长段落直观得多。
假设咖啡店正在考虑 “校园社群、朋友圈转发、发传单” 三种宣传方案，让 AI 写成段落会很难对比。我们可以直接规定表头：
请比较下面 3 种咖啡店开业宣传方案：
1. 校园社群推广。
2. 朋友圈转发活动。
3. 校园周边派发传单。
请使用 Markdown 表格输出，表格包含以下列：
“宣传方式”、“主要成本”、“适合人群”、“主要优点”、“潜在问题”。
每个单元格控制在 40 字以内。
资料中没有明确说明的信息填写 “待确认”，不要自行编造数据。在支持 Markdown 的工具中，表格会直接整齐显示，复制到 Excel 等办公软件里也非常方便。
不过，表格适合放简短、同类型的信息。如果每个单元格都塞进几百字，最后就会变成一堵带边框的文字墙，看起来整齐，读起来照样头疼。
3. 自定义模板：适合重复使用
有些内容每次结构都一样，只是里面的信息不同。
比如，咖啡店每天营业结束后，都需要整理一份运营简报，包括营业情况、顾客反馈、异常问题和第二天安排。这时没有必要让 AI 每天重新设计格式，直接把模板交给它填空即可。
示例：
请根据下面的营业记录，整理一份咖啡店每日运营简报。
必须严格按照以下模板输出，不要修改标题和顺序：
【今日营业概况】
营业额：
订单量：
客单价：
【顾客反馈】
1.
2.
3.
【异常问题】
问题：
处理情况：
【明日重点事项】
1.
2.
如果资料中没有某项信息，请填写 “未记录”，不要自行推测。这种写法相当于先给 AI 发了一张答题卡，让它老老实实往指定位置填写，而不是每次都自由设计版面。
像这种自定义模板，主要适合以下场景：
- 周报、日报和工作总结。
- 会议纪要。
- 活动策划书。
- 商品信息卡。
- 学习记录。
- 检查报告和审核结果。
4. 问答：适合 FAQ 和知识手册
当资料中包含大量规则、政策或常见疑问时，可以让 AI 整理成 “一问一答” 的形式，方便读者快速查询。
假设咖啡店已经确定了营业时间、自习规则、优惠活动和最低消费等信息，希望整理一份顾客常见问题。
示例：
请阅读下面的咖啡店营业规则和开业活动说明，
整理出顾客最可能关心的 6 个问题。
请严格按照下面的格式输出：
Q：顾客可能提出的问题
A：根据资料给出的准确回答
要求：
1. 每个回答控制在 60 字以内。
2. 只能根据提供的资料回答。
3. 资料中没有明确说明的问题，不要自行补充答案。
4. 问题按照顾客最可能关心的顺序排列。AI 可能会整理出：
Q：开业期间有什么优惠？
A：开业前三天，指定饮品可以享受第二杯半价。
Q：店里可以长时间自习吗？
A：可以，但高峰期需要遵守门店的座位使用规则。这种格式的好处是，读者不需要从整份文档里寻找答案，可以直接找到自己关心的问题。
对于问答这种格式，主要适合以下场景：
- 整理常见问题。
- 制作客服话术。
- 编写员工培训手册。
- 将规章制度转换成容易理解的说明。
- 根据学习资料生成复习题。
- 整理采访提纲。
最后，我们来总结一下。简单来说：
- 信息需要逐条阅读，用列表。
- 信息需要横向比较，用表格。
- 内容需要重复交付，用模板。
- 资料需要方便查询，用问答。
去掉多余开场白，让结果直接可用
经常使用 AI 的小伙伴们，对下面这些话肯定不陌生：
好的，没问题！以下是为您整理的内容：
……
希望以上建议对您有所帮助！如果还有其他问题，欢迎随时告诉我。在日常闲聊中，这些话显得很有礼貌。但如果你正在批量整理几十份文件，或者准备把结果直接复制到工作群和业务系统中，每次都要手动删掉这些客套话，就有点让人血压升高了。
更麻烦的是，如果输出的是 JSON、CSV 等需要交由程序处理的代码格式，一个多出来的 “好的”，大概率会导致后续的程序解析直接报错罢工。
因此，是否添加解释和开场白，本身也是输出格式管理的一部分。
解决方法很简单，只要在提示词最后遵循 “先正向，后负向” 的原则明确交代一下即可：
请直接输出最终结果。
请避免添加 “好的”、“没问题” 等开场白，也不要带有任何总结、解释和结尾客套话。如果输出的是 JSON，可以写得更严谨：
请只输出合法的 JSON 格式数据。
请避免使用 Markdown 代码块，也不要添加任何说明文字。要求越具体，AI 越容易明白哪些内容该写，哪些内容该闭嘴。当然，写道歉信或正式邮件时，必要的问候语是正文的一部分，这属于正常范畴。我们需要干掉的，仅仅是那些与任务无关的 “机器味客套话”。
实战对比：从 “一团乱麻” 到 “直接可用”
最后，咱们来看一个真实的办公场景，感受一下指定输出格式能省下多少事。
假设你刚开完一场长达 1 小时的会议，拿到了一大段杂乱的语音转写记录。你需要从中提取待办事项发给团队。
如果不指定格式：
# 背景：
下面是今天产品研讨会的语音转写记录。
【会议记录】
（这里粘贴完整的会议转写内容）
【会议记录结束】
# 任务：
请整理这份会议记录，提炼大家接下来要做的事情。AI 可能会回答：
好的！根据会议记录，大家接下来需要完成以下工作：
首先，张明需要在下周三之前完成新版活动海报。
其次，李华需要联系供应商，并在本周五前确认包装盒的最终报价。
另外，所有成员需要在本周五下班前将周报发送给部门负责人。
希望以上整理对您有所帮助！看起来都对，但你想快速查看 “谁、干啥、何时交” 时，还是得自己重排一遍。这时，如果我们加上明确的格式要求：
# 背景：
下面是今天产品研讨会的语音转写记录。
【会议记录】
（这里粘贴完整的会议转写内容）
【会议记录结束】
# 任务：
请提取会议中已经明确的所有待办事项。
# 输出要求：
1. 使用 Markdown 表格输出。
2. 表格包含 “负责人、具体任务、截止时间” 3 列。
3. 如果没有明确负责人或截止时间，填写 “待确认”。
4. 不要将讨论中的想法误判为已经确定的任务。
5. 只输出表格，不要添加开场白、总结和其他说明。AI 就会直接给你交出一张干脆利落的表格，如下表所示。
| 负责人 | 具体任务 | 截止时间 |
|---|---|---|
| 张明 | 完成新版活动海报 | 下周三 |
| 李华 | 联系供应商并确认包装盒最终报价 | 本周五 |
| 全体成员 | 将部门周报发送给负责人 | 本周五下班前 |
结果一目了然，拿到手就能直接复制到工作群或 Excel 里。这就是指定输出格式的真正价值：它不仅告诉 AI 要思考什么答案，更告诉了 AI 应该用什么姿势把答案交到你手里。
