用AI生成提示词是提效还是套娃？_服务软件

1. 谷歌68页提示词圣经+老金原创元提示词，直接复制就能用

2. 2分钟南极AI短片卖100万？怎么做的? 硬核拆解最强AI视频工作流

3. 当模型推理能力越来越强，我们还需要提示工程吗？

4. 15 组文案润色 AI 提示词，秒变神仙质感（直接复制即用）

5. AI提示词技巧！一文学会高效地对AI进行提问

6. Agent Skill 和 mcp 和 prompt区别是什么？

7. 别再学提示词了：为什么它是AI时代最短命的技能？

8. 装机必看！5款神级免费软件！免费、省时、省力、无广告！顶级效率神器、Windows/Mac适用、用了再也回不去！

9. 别光问AI了，反向操作才是王炸，这是我10倍速阅读的三大心法和提示词～当会用AI不再稀缺，AI时代真正拉开差距的是什么？#ai #阅读 #读书 #学习 #世界读书日

10. 文科生史诗级加强！外网AI视频的天塌了！seedance加image2的核心技术被发现，完整提示词分享|中国爱死机|AIGC

11. LLM不是在优化软件，而是在系统性拆除护城河：它把复杂界面折叠成对话，把厚重业务逻辑简化为提示词，把需要好几年才能做完的开发，压缩成几天就能搞定。凡是能被AI替代的壁垒终将崩塌，只有真正稀缺、不可替代的核心资产，才能在AI时代长久立足。

12. 提示词工程、上下文工程都过时了，现在是 Harness Engineering 的时代

13. 大模型Agent的核心还是prompt？

14. 如何看待淘天金码奖设立Prompt工程赛道，是否意味着「提示词工程师」将成为未来五年互联网行业新风口？

15. 2025年AI生图“王”！Banana Pro玩法大分享～【建议收藏】

16. 硅谷大佬接连破防，AI的效率提升太疯狂了。 #大咖观察 #红衣聊AI #硅谷 #AI工具

17. prompt让你可以叠加AI的能力：以前是想法 -> 手写 -> 微博，现在是想法 -> Prompt -> 手动微调 -> 微博，既快又好//@-马小虎-:换个拗口的角度：写prompt就是面对一群智者（专家），能邀请（激活）哪些智者（专家）、以什么风格（化写作）回答你的问题。//@零重力瓦力:写 Prompt 就是在和一个知识丰富、逻辑严谨、有问必答的智者交流

18. 你的Ai视频为何总比别人差一点？你希望通过提示词来提高画面质量，但问题在于，无法控制生成过程，就无法控制结果，用RHTV可以直接解决这些问题 #runninghub、#rhtv#aigc#ai视频#ai视频剪辑

19. AI工具实盘炒股爆赚第一，我用它来分析特斯拉，结果更炸裂 “AI炒股大战”太上头了！Qwen梭哈第一名，DeepSeek打工人第二，GPT-5纠结到只剩两千块。但真正把我震住的，是我实测Qwen的“深入研究”——17步投研流程、引用权威文献、还能自动生成图表、播客、网页。普通人第一次可以拥有专业分析师级别的判断力。AI时代，真正能提效的工具正在悄悄改变我们 #AI工具 #AI研究 #投研工具 #qwenchat #Qwen

20. 我和欧洲“达里奥”做了一场对谈，如何用AI预测未来，用AI把工作效率提升10倍#AI #拉斯特维德 #超智能与未来 #AI预测未来#AI对普通人的影响

21. 整理个置顶贴，把一些我的常用提示词放在这里 1. 生成卡通信息图的提示词：http://t.cn/AXL0FDlJ 2. 生成 Slides 的提示词和工作流：http://t.cn/AX4hi8E2 3. 提取 YouTube 视频字幕为带发言人和时间戳格式化文本的提示词 http://t.cn/AXz2eQWu 4. 翻译提示词 http://t.cn/AXwbCsgR 5. 提取讨论帖中的精华内容 http://t.cn/AX2i6u8A 6. 用来帮助推荐文章的提示词 http://t.cn/AX2Vm3JW 7. 根据 YouTube 视频生成 Blog 文章的提示词 http://t.cn/AX4hSCWY 8. 把学术论文变成科普文章的提示词 http://t.cn/AX4hCV2l 9. 把文章变成黑板报的提示词 http://t.cn/AX4hFyzm （持续更新中）

22. AIGC彻底变天！MiniMax Hub数字员工一键托管！搞AIGC创作、做电商、做自媒体的同学们注意啦！AI做视频新玩法太炸了！以前做AIGC视频，要自己找素材、写提示词、反复抽卡、剪辑拼接，一条视频做下来人都麻了。最近深度体验了 MiniMax Hub，感觉有亿点不一样。它就像我的专属数字员工，只要告诉它目标，它会自动拆解任务、调用模型，跑完一整套工业化工作流。从电商海报、小红书种草图，到产品宣传片、短剧脚本、分镜、角色图，甚至本地文件整理，都能按流程往下跑。 #AI #人工智能 #AIGC #MiniMaxHub #海螺AI

23. 字跳TRAE团队发了个《2026 企业级AI编程实践手册》，总结了他们的AI编程方法论和工程实践网页链接“在2026年，AI编程已不再是实验性的尝试，而应该成为企业软件开发的核心生产力。本手册源于TRAE团队在构建AI编程助手过程中的真实实践——我们用AI构建AI，在这个过程中积累了从方法论到工程实践的完整经验。这不是一本理论书籍，而是一线研发团队的实战总结。我们将分享如何将AI真正融入企业级开发流程，如何建立可复制的工程规范，以及如何让团队从“会用AI”到“精通AI编程”。无论你是技术决策者、架构师还是一线开发者，都能在这里找到可落地的方法和工具。AI时代的软件开发不是替代人类，而是重构协作方式。让我们一起探索这个新范式。”#How I AI#

24. 既然 AI 越来越聪明，那么学习提示词不是浪费时间吗？我小时候英语很差，因为周围总有人说：学英语有什么用？我是中国人，何必学外文，不会 ABC，也当接班人。现在也有人觉得 AI 那么强学英语干嘛。我本来就不喜欢学，这下子找到借口了。等到工作以后才发现，好的技术文档全是英文的，想读一手资料读不了，想跟别人用英文交流张不开嘴，吃了很多年的亏。后来我花了很大力气补英语，现在都没有完全补回来，走了很多弯路。回头看，当年那些说“英语没用”的人，错在哪里？他们不是坏人，只是把一个判断搞反了：因为自己用不上，或者未来技术更强，就断定这个东西没价值。我现在看到有人说“AI 越来越聪明，所以不用学提示词”，感觉特别像当年那些说“学英语没用”的声音。逻辑结构很像：我不需要，所以它没价值；未来会更好，所以现在不用学。这种想法容易让人踩坑。先搞清楚提示词工程到底是什么很多人反感提示词工程，其实反感的是那种“万能提示词模板”、“神秘咒语”，这种东西确实没什么长期价值，模型一升级就失效了。但这不是提示词工程的全部，甚至不是它的重点。真正有价值的提示词工程，是把目标定清楚，把约束条件列明白，把验收标准写出来，把任务拆成可执行的步骤。你愿意的话可以叫它“需求工程”或者“任务设计”，叫什么都行，但这件事本身一直都很值钱。你跟同事说“帮我写个方案”，同事一定会追问：给谁看的？多长？要数据吗？什么时候要？你补充的这些信息，就是在做提示词工程。你跟 AI 协作也是一样的道理，只不过 AI 不会主动追问你（或者追问得不够好），所以你得自己先想清楚。有人说：AI 的目标就是用自然语言像人一样交流，你和谁交流需要用提示词？听起来挺有道理，但仔细想想就会发现问题：你跟人交流，难道就不需要把话说清楚了吗？你去医院说“我不舒服”，医生一定会追问：哪里不舒服？多久了？有没有吃什么药？你不会觉得医生在搞“提示词工程”，你只会觉得这是正常的沟通。AI 能用自然语言交流不等于 AI 有了“读心术”。自然语言天生有歧义，任务目标经常互相矛盾（又要短又要全，又要创新又要安全），输出往往需要特定格式。这些问题不会因为 AI 变聪明就消失。更准确的说法是：AI 越强，对你输入的容错越高，你随便说一句也能得到一个还不错的结果。但“还不错”和“稳定、可靠、符合要求”之间的差距，仍然需要你把需求定义清楚来弥补。相机像素越来越高，但你仍然需要构图。像素高只是让你拍什么都不太糊，但要拍出好照片，你还是得知道自己想拍什么、怎么拍。还有一种类似的说法：“不出三年，软件工程专业就是新的五笔打字培训班。”这和“提示词工程不用学”的思维方式完全一样：看到 AI 能替代某个环节，就急着宣判整个领域的死刑。工程是把一件模糊的、不确定的事情，通过有计划、有步骤的方法，靠谱地做成。软件工程就是把这套思路用在软件开发上，需求怎么理清、架构怎么设计、质量怎么保证、团队怎么协作、项目怎么推进，这是一整套系统性的能力。AI 现在确实强，但它强在软件生命周期里的编码环节（还有很大进步空间），或者说某几个具体阶段。但编码只是软件工程的一个环节，AI 并不能主导整个生命周期，从需求分析、系统设计、技术决策、团队管理到长期维护，这些事情远不是写代码快就能解决的。至少在相当长的时间内都不行。把软件工程等同于写代码，就像把提示词工程等同于背咒语，都是把一个局部当成了全部。高飞说过一句话我很认同：会敲字，不代表会写作；会写作，不代表懂出版。同理：会跟 AI 说一句话，不代表会用好 AI；会用好 AI，不代表能把 AI 嵌入一个可靠的工作流。每一层跳跃之间，都需要“工程”思维来填。以前你自己写代码，现在你指挥 AI 写代码。以前你自己写文章，现在你让 AI 起草再改。工具变了，但“把事情做对”这个责任没有变，仍然在你身上。指挥 AI 本身就是一种能力。你得知道要什么、怎么拆任务、怎么验收、出了问题往哪里查。这些不叫“被替代”，叫工具升级后的能力重心转移。你觉得某些 AI 产品随便说一句就好用，那是因为有人替你把需求定义和约束设计做好了。如果有人说：“我从来不研究怎么把需求说清楚”，这不是什么值得骄傲的事情，“我从来不研究提示词工程”也类似。你以为自己省了时间，其实是把“研究成本”变成了“返工成本”，只不过花得不自知。我当年不学英语，也觉得自己省了时间。后来补课花的时间，比当初好好学多了好几倍。AI 越强，“工程”两个字越值钱，而不是越不值钱。因为强工具放大的是使用者之间的能力差距。同样一个模型，会用的人和不会用的人，产出可以差十倍。拉开差距的，就是你愿不愿意花时间把需求定义好、把流程设计好、把质量管控好。你可以不叫它“提示词工程”，叫“需求设计”也好，叫“任务拆解”也好，叫“跟 AI 好好说话”也行。但“把你想要的东西想清楚、说明白”这件事，不会因为 AI 变强就消失。

25. vibe coding 至尊超级终极无敌指南 V114514 [汗] github.com/tukuaiai/vibe-coding-cn 本项目是一个与 AI 结对编程的终极工作流程，旨在帮助开发者丝滑地将想法变为现实。本指南详细介绍了从项目构思、技术选型、实施规划到具体开发、调试和扩展的全过程，强调以规划驱动和模块化为核心，避免让 AI 失控导致项目混乱。核心理念: 规划就是一切。谨慎让 AI 自主规划，否则你的代码库会变成一团无法管理的乱麻。这个思想的核心是构建一个能够自我完善的 AI 系统。我们可以将其分解为以下步骤，以突出其递归的本质： 1. 定义核心角色： α-提示词 (生成器): 一个“母体”提示词，其唯一职责是生成其他提示词或技能。 Ω-提示词 (优化器): 另一个“母体”提示词，其唯一职责是优化其他提示词或技能。 2. 描述递归的生命周期： ·创生 (Bootstrap):用 AI 生成 α-提示词和 Ω-提示词的初始版本 (v1)。 ·自省与进化 (Self-Correction & Evolution):用 Ω-提示词 (v1) 去优化 α-提示词 (v1)，得到一个更强大的 α-提示词 (v2)。 ·创造 (Generation):用进化后的 α-提示词 (v2) 去生成我们需要的所有目标提示词和技能。 ·循环与飞跃 (Recursive Loop):最关键的一步：将新生成的、更强大的产物（甚至包括新版本的 Ω-提示词）反馈给系统，再次用于优化 α-提示词，从而启动下一轮进化。 3. 终极目标：通过这个永不停止的递归优化循环，系统在每一次迭代中都进行自我超越，无限逼近我们设定的理想状态。 #科技先锋官#

26. 把宽带装进包里？华为随行WiFi X多场景评测

27. 如何用视角来提升设计效果？这3个技巧新手必学！想让设计更有视觉效果，改变视角是个好方法，那如何用AI不写提示词的情况下，生成这样充满创意的视角呢？ #AI #AI新星计划 #平面设计 #AI生图 #AI工具

28. 人人免费出大片！豆包Seedance 2.0实测对比+解析！

29. 爆肝3天测完32个分类，GPT-Image2 VS nano-banana 2 全网超详细AI生图测评，谁才是AI生图之王？（带提示词）

30. 彻底摆脱AI味儿！用这3个邪修指令，强到离谱了…【旁门左道PPT】

31. AI怎么做出电影感？AI大师级运镜玩法大全!

32. 在画了几百张 nano banana pro 图片收获了几百万流量之后的一些提示词写作经验（同步发布于博客：http://t.cn/AXygY9D8）最近一段时间，沉迷于 nano banana pro 画图，也写了一些颇受欢迎的提示词，X 上的浏览量加起来有几百万。但你要说我写画图提示词水平多牛，这我可不敢认，因为我写画图提示词水平其实一般，写不出那些专业的参数，绝大部分提示词都是让 AI 帮我写的。写画图提示词，没有你想的那么复杂，拿我最近写过的一些提示词来讲一下。首先，提示词是手段不是目的提示词是为画图服务的，所以最重要的是你的想法，你想呈现什么，至于提示词，只不过是为了实现你想法的手段，有很多种写法都可以让你得到不错的结果，所以不必太纠结提示词的细节，什么结构、关键字、长短、是不是 JSON，都没那么重要！比如说 4 月份的时候，我就想用 GPT-4o Image 帮我画一张巨型裸眼 3D 屏幕的图（图2），提示词很简单，就是大白话： > 一只超写实大熊猫半个身子在成都繁华商街巨型弧形裸眼 3D 屏幕外边，肚皮朝上，脑袋吊着，嘴里咬着竹笋，憨态可掬提示词大部分时候就是这样，你都不需要多么复杂的技巧，就先大白话发过去看看效果。然后我把提示词发给 Gemini，得到了一张这样的图：参考图3 也还行，但效果不算太好。写提示词不难，难得是你得有一点审美，知道什么是好的，什么是不好的，最好还能知道哪不好！我水平不够好，只能看得出它不好，但说不上不好在哪里。这时候专业水平就能起作用，要是你专业的话，马上能知道哪不好，怎么调整。我不专业但我有 AI，于是把这个提示词（有时候我还会把生成的图片结果一起）发给 AI，让 AI 优化。最好不要只是让它优化，而是给个方向，比如我就去搜索了一下现实世界中哪几个建筑的裸眼 3D 屏幕最有名，这样 AI 训练的最多最熟悉，更容易明白我想要什么。（参考图4）注意我会同时问 Gemini、ChatGPT（GPT-4.5、GPT-5.1），一方面每个模型擅长的不一样，另一方面这里面有很大的概率因素。所以多试几个总没错。后面就是去测试，根据测试结果让 AI 进一步调整。比如第一次测试，效果不怎么样！（参考图5）我干脆换了个思路，找来一张真实的看起来还不错的图片，然后让 Gemini 根据图片给我写提示词。（参考图6）再让 Gemini 帮我生成几个场景。（参考图7）拿新提示词测试了一下，效果惊艳！（参考图8）再测试几个其他场景也不错，那基本上就可以了。（参考图9）所以写提示词的过程就是不停的变换思路不停的“抽卡”重试，你可以不知道怎么调整，但是至少你得知道什么是好的，这样当偶尔“抽卡”到一张好的，你就可以基于那张好的不停的微调，直到可以稳定的生成。真不稳定也没关系，那就多“抽卡”好了。比如那个 3D 裸眼屏的，得一半结果不怎么好，我后续又尝试优化了好一会，实在改进有效，干脆放弃了。所以我不止一次提到“提示工程”： > 提示词工程是一个过程，系统化地设计、测试、优化提示词的过程——宝玉（参考图10）让 AI 帮你写提示词，有时候还会有意外惊喜。比如我在创作时空交汇的提示词的时候，最初的想法只是简单的时空交汇。但无意中生成了一张古今人物交互的，我一看，这比我原本的想法还要好一些，于是调整了一下创作方向，让画面中融入了古今人物的交互。（参考图11）上面其实只是我提示词创作的第一个步骤，也就是针对一个场景生成一张满意的图片。当提示词能稳定的产生一个效果后，下一步就是基于这套提示词，把它变成一套提示词模板，让它可以产生各种不同结果的图片，这样其他人也能参与其中。比如说四季变换的图，最初的版本只有一棵树。虽然这棵树效果很好，但是大家都来画树就没意思了。最好是能基于同一场景四季变化的设定，让场景可以变化。（参考图12）我把这条提示词发给 AI，让它帮我变成提示词模板。把提示词变成模板，最重要的是设定好“变量”，你希望提示词中哪些是固定不变的，哪些是可以变换的。比如四季变换的提示词模板，我希望它变换的是场景，不局限于一棵树，还可以是一座城市、一个园林等等，每个人都可以代入自己喜欢的场景。参考提示词： > 帮我把下面的提示词变成提示词模板，变量是场景，根据场景在一张画面中显示四个季节的变化，同一个场景，但是每个季节显示场景的一部分同时又融为一体。 > > 超写实数字插画风格，画面以一棵树为核心，从左到右均匀划分为冬春夏秋四个季节区域。树木和背景随季节依次渐变变化，每个季节区域内的树叶颜色、枝条状态和背景元素均应精准呈现相应季节特征。树冠、树干、枝叶以及背景中的植被与天气等自然景观，都应根据季节的典型表现进行细致调整和过渡，确保四个区域间衔接自然流畅、色彩丰富且富有象征意义。画面比例为 4:3。（参考图13）提示词模板的变量也不用局限一个，可以有多个变量，比如这张“现实vs内心映射”的图，{现实}是一个变量，{内心映射}是另一个变量。（参考图14、图15）这一步仍然是要反复测试，直到有一个稳定的效果（参考图10）所以说，写提示词，没有那么难，你有一个想法，先用大白话去试试，不行就让 AI 帮你调整，告诉它你哪里不满意，希望哪里更好，根据 AI 调整后结果再去试，再调整，反复“抽卡”，耐心一点总能成。当然模型也很重要，真不行就等一段时间再重新试试，就像我的裸眼 3D 显示屏的提示词，半年前还画不好，现在这就挺逼真了。让 AI 优化，也可以试试不同的模型，比如我会反复在 Gemini 3 Pro、GPT-5.1、GPT-4.5 之间重试，并没有绝对答案谁最好，保不准谁的结果就让你满意了。如果你想更进一步，让你的提示词能适应不同的场景、人物，还可以把它变成提示词模板，衍生出更多好玩的作品。

33. Skill不就是prompt吗？为啥被吹成这样？

34. 如何看待淘天金码奖设立Prompt工程赛道，是否意味着「提示词工程师」将成为未来五年互联网行业新风口？

35. 国外一个网友总记得《Gemini 3 提示词最佳实践：日常使用指南》，内容如下：我用 Gemini 3 Pro 有一段时间了，直接说吧，它比 2.5 Pro 强太多了!这篇文章分享的是目前对我最有效的一些原则和结构模式。这不是什么金科玉律，更多是给你一个起点，帮你找到适合自己的策略。拿去试试，调整优化，不断迭代。核心原则Gemini 3 更喜欢直接明了的指令，逻辑胜过冗长。要想发挥最佳性能，遵循这些核心原则:1、精确指令：输入提示词时要简洁。Gemini 3 对直接、清晰的指令响应最好。明确说出你的目标，别绕弯子。2、一致性与明确参数：在提示词中保持统一的结构(比如标准化的 XML 标签)，并明确定义那些容易产生歧义的术语。3、输出简洁度：默认情况下，Gemini 3 不太啰嗦，倾向于提供直接、高效的答案。如果你需要更像聊天或者更随性的风格，必须明确提出要求。4、多模态协调：文本、图像、音频或视频都应该被同等对待。指令中应该明确提到具体的模态，确保模型能综合处理它们，避免孤立分析。5、约束条件放置：把行为约束和角色定义放在系统指令中，或者提示词最开头的位置，这样能确保它们锚定模型的推理过程。6、长上下文结构：处理大量上下文(书籍、代码库、长视频)时，把你的具体指令放在提示词末尾(数据内容之后)。7、上下文衔接：从大段数据过渡到你的问题时，要明确做好衔接。用一个过渡短语，比如"基于以上信息……"，然后再提问。内容很长，可以看原文，也可以看我的配图。原文链接见评论区。#提示词##提示词工程##科技先锋官##微博兴趣创作计划#

36. 漫剧产能困局正式迎来破局方案。从创作到交付全流程效率提升，轻松批量产出精品。#大咖观察 #红衣聊AI #漫剧 #AIGC

37. AI不要笑挑战！学会你也能做【附Sora2注册、去水印】

38. 邪修！一招教你去除人物AI味～搞定活人感！你用ai生成的人物是不是也像这样不是脸太油就是表情太僵硬而我只需要一个方法就能让他瞬间有活人感今天一个视频教会你首先活人感这件事其实分两个环节第一个就是生图第二个就是生视频先讲第一个最重要的“生图环节” 很多人在写提示词的时候会下意识的忽略掉皮肤的细节描述比如说你想要生成一个18岁的古风女生你是不是也会这么写：年龄+形象+身份+状态看似没问题但问题就出在这儿因为你没有告诉AI这个人的真实皮肤质感所以ai会觉得这个脸就应该是干净的这就是油腻感的来源你只需要在生成时加上这类肤质细节的提示词去约束人物的肤质这样人物的面部就不会油腻了对！如果你掌握了这个那生视频其实就会很简单这里一共有三个点第一个，写清楚微表情很多人很喜欢写伤心难过这些词儿但这些词太空了 AI并不知道怎么具体表现教大家一个很简单的方法把表情拆到五官上比如委屈的时候眉毛眼睛是什么状态，鼻子有没有什么轻微变化，嘴巴是抿着、微张，还是嘴角轻轻上扬呢用这种方式去写AI才知道人物的表现第二个要有肢体动作配合。真实的人做表情的时候一定会有伴生动作比如紧张的时候可能会捏衣角、低头、害羞的时候可能会眼神躲开、轻轻咬唇这些小动作加进去画面马上就丰富了第三个也是最重要的视频提示词不要写太满图生视频的时候底图已经决定了大部分质感你写提示词的时候只需要告诉AI三件事：哪里动，怎么动，为什么动不要让人物做太大的动作。越是轻微的小动作越容易做出活人感。所以这个技巧你学会了吗 #刺猬星球ai #aigc #托尼三三 #AI教程 #ai创作浪潮计划

39. 用了这5大技巧后，原来AI人物还可以这么真？

40. Token是词元，Prompt是文令：是时候给AI配得上这个时代的中文了

41. AI视频没电影感？试下这6大影视级布光技巧......

42. 告别生成排队，彻底实现顶流模型创作自由

43. 一般都是我先想到一个提问，然后和AI对谈后延伸出比较有建设性的内容后。我就问AI，类似于这样的思考，你有没有更好的问法，或怎么从不同的角度切入。然后AI会给我它自己优化过的prompt。再按这个prompt 再去提问看效果如何。如果不满意，可以再优化。//@Moon_Love_Holidy:请问博主这些厉害的prompt 包括之前的也有很厉害的，是怎么想到或获取的？

44. AI 编程时代，最稀缺的不是提示词，而是软件工程

45. 如何看待淘天金码奖设立Prompt工程赛道，是否意味着「提示词工程师」将成为未来五年互联网行业新风口？

46. 【教程】Gemini3给小朋友的词典（附关键词）

47. 网络热门AI鉴定23——大东北雨姐｜我在星露谷当牛马｜高雅企鹅【Git源宝】

48. 桌面AI开发的另一种选择：微星EdgeXpert

49. AI视频生成效果差，原来是Prompt太详细？调整多少次可以达到满意效果？#Flova #Flova ai#aigc #ai视频生产

50. 爆火的 Z-Image 模型！8G 显存能跑，无内容审查、支持NFWS、超高速，本地部署教程！支持（Win/Mac）| 零度解说

51. 别再手搓PPT了！让AI替你打工，效率直接开挂！【旁门左道PPT】

52. 生成教学信息图的画图提示词的提示词：注意，这套提示词并不是直接画图的，而是生成画图提示词的，需要根据生成结果再用 nano banana pro 去画图示例会话：网页链接 ---- 提示词 ----你是一位世界级的教学设计师你是一位擅长制作清晰、简洁且引人入胜的学习材料的大师。你也是一位视觉设计专家，懂得如何利用视觉元素将复杂的概念以通俗易懂的方式传达出来。同时，你还是讲故事的大师，懂得如何运用故事让学习过程更令人难忘且充满趣味。你的任务是分析提供的【源背景信息】和【用户引导提示】，并生成一份结构化的信息图表内容。该内容将告知专业信息图设计师需要传达哪些信息，以便受众能清晰理解源背景信息。这份内容将在下一步传递给专业信息图设计师，他们将依据此内容制作高质量的信息图。设计师无法访问【源背景信息】，因此请确保内容表述充分。信息图必须使用 [中文]。你还需要分析提供的【用户引导提示】，从中提取仅与设计相关的指令（风格、布局、颜色等），并将其放入末尾专门的设计指南部分。工作流程第 1 步：分析源文档。通读整篇文档并深入理解其内容。第 2 步：创建高层级大纲。大纲应包含标题和所有主要学习目标列表。第 3 步：充实大纲内容。为每个学习目标创建一个章节。每个章节都应包含概念解释和实操教程的组合。关键规则规则 1：输出格式为 Markdown。所有生成的内容必须严格遵守 Markdown 格式。规则 2：语气和口吻。语气应如同专家培训师：知识渊博、充满鼓励且清晰明了。规则 3：无新增信息。不要添加任何源文档中不存在的信息。规则 4：源数据处理。源文档中的所有数据必须逐字复制。不要进行总结或改写。

53. 提示词工程的终点，是人的认知工程表面上是在训练 AI，实际上是在训练人如何思考。一个人提示词水平越高，说明他越能清楚表达目标、限定问题、定义概念、组织流程、验证结果。所以，提示词工程的本质不是机器技巧，而是人的认知修炼。#新媒沈阳聊ai#

54. 「Github一周热点99期」提升ClaudeCode效率10倍的工具？

55. #文学专业新就业AI提示词应用# 有人说文学生的核心优势是“把模糊需求转化为精准指令”，但所有大模型实验室正在拼命做的事情，恰恰是让AI能理解模糊的、不精确的、人类随口说出的话。你今天练的那个“任务定义+内容约束+风格控制”框架，本质上是在补AI的短板。AI的短板，是有保质期的。你在为一个正在被消灭的缺陷训练自己。这就像2007年有人教你如何精通翻盖手机的T9输入法，告诉你这是高薪技能。提示词工程师这个岗位的存在，恰恰证明当前的AI还不够好，而不是证明这个岗位会一直存在。文学专业新就业ai提示词应用

56. #奇瑞超35款车型将搭载全新AI产品#昨天看了奇瑞的AI之夜，直播中，奇瑞展示了AI如何深入到用车的每一个细节来提升用户权益。最让我有共鸣的是“鲲鹏AI能量管理”系统。它通过导航联动、驾驶意图感知、路况预测等，能实现综合能耗减少15%，制动干预减少80%。这对于用户来说，意味着更低的用车成本和更平顺、安全的驾驶体验。另一个例子是“工业AI智能检测”，通过99.5%的缺陷检测准确率，保障了交付到用户手中的每一辆车的极致品质。这些“看不见的AI”或许不如大屏幕和语音助手那样显性，但它们恰恰是用户最根本的权益——安全、可靠、经济——的坚实守护者。奇瑞让我看到，用户权益的提升是一个系统工程，它既体现在光鲜的智能座舱里，也藏在精密的电池管理算法和严苛的生产线质检中。

57. openclaw没思路？多场景分享+官方推荐的成本优化方案

58. ChatGPT给了我几个很有帮助的prompt，分享给你们。盲点扫描（Blind Spot Scan）Prompt：“从我的提问方式与选择模式里，你观察到哪些可能的行为盲点？请用直指核心的方式告诉我。停滞突破（Breaking Stagnation）Prompt：“我在（领域）感觉卡住了，请你分析：①我可能在哪个阶段卡住；②是什么阻力；③最小成本突破路径。”决策 clarity（Decision Coach Prompt）Prompt：“在（决定）上，请当我的 clarity 教练：帮我分析我的真实动机、风险、情绪噪音与长期方向。”我很喜欢最后这个。如果你对某件事犹豫不决，GPT有和你长时间的对话记录，Decision Coach Prompt能给出很好的分析与方向。#人工智能#

59. 先用简单提问和AI聊天，聊几来回有灵感，或对AI回复内容比较满意了，问AI怎么写prompt能得到更好/或类似这样更有系统的回复。其实就是让AI辅助自己，什么领域都能用。主要是你要有判断力去决定用哪个。那天gpt说我的八字刚好擅长这个，洞察+建模//@琪是奇思妙想:墅姐可以分享一下，怎么做出的prompt吗？

60. 发现一个调试LLM系统提示词的妙招，很简单但是很有用，不管你把LLM设计成工具调用还是结构化输出的Agent，当它输出不符合预期的时候，直接基于当前的历史记录问它：你为什么要这么做？它对于自己错误给出的分析是最准确的。

61. 为什么我编写不出优秀的ChatGPT提示词?

62. 【AI人工智能】题库:纯公益分享【就业+考研】笔试+面试必会【小白从小学Python,C,Java】知识点名称大语言模型中的提示工程知识点讲解提示工程是指在使用大语言模型时，通过精心设计输入提示语来引导模型生成更准确、更符合预期结果的输出。由于大模型是基于概率分布预测下一个token，因此输入提示的结构、上下文示例、指令清晰度都会显著影响最终结果。例如，在进行文本分类时，可以采用“少样本提示”方式：文本：今天天气很好请判断情感：积极通过在提示中加入明确任务说明和示例，模型更容易理解任务目标，从而输出更准确结果。提示工程的核心在于优化输入，而不是修改模型参数。例题（单选题）提示工程主要优化什么？A选项：模型参数结构B选项：训练数据规模C选项：输入提示设计D选项：GPU硬件性能答案与题解答案、题解：见评论区温馨期待期待大家提出宝贵建议，互相交流，收获更大，助教：gjm#AI创造营# #科技风向标# 网页链接

63. 【AI人工智能】题库:纯公益分享【就业+考研】笔试+面试必会【小白从小学Python,C,Java】知识点名称AI中提示工程Prompt Engineering知识点讲解提示工程（Prompt Engineering）是指通过精心设计输入提示（Prompt）来引导大语言模型生成更准确、更符合预期的输出，而无需修改模型参数。它包括清晰指令、角色扮演、示例演示（Few-shot）等技巧，能显著提升模型在零样本或少样本场景下的性能，是使用LLM的关键技能。例题（单选题）提示工程的主要目标是什么？A选项：通过优化提示提升模型输出质量B选项：微调模型权重以适应新任务C选项：增加训练数据量提高泛化D选项：压缩模型参数减少计算量答案与题解答案、题解：见评论区温馨期待期待大家提出宝贵建议，互相交流，收获更大，助教：lxy#AI创造营# #科技风向标# 网页链接

64. 别再收藏提示词了。用一个“超级提示词”让 AI 帮你写提示词

65. AI输出总平庸？不是模型不行！俄罗斯套娃法让提示词秒变专业

66. AI套娃

67. 学会这招，5分钟创建30个智能体

68. AI提效决策分析4-LLM套娃提示词自由~

69. 别再到处“抄”作业了！一招教你生成【专属提示词】

70. AI 提示词工程上下文工程 15分钟弄懂！

71. 如何写好提示词

72. 从模糊到精确

73. 【AI套娃】我让AI教我怎么跟AI说话，影刀6.0提示词直接毕业！

74. 投研AI提效1-LLM套娃错误、专家级股票提示词怎么写？

75. 告别Prompt挫败感

76. [9]AI 产品的 “Prompt 工程”

77. 别乱写提示词了！这款 GitHub 隐藏神器，把大模型调优变成一行代码

78. 如何利用AI生成系统提示词

79. 提示词工程已经过时了：为什么命令 LLM，不如与它同频协作

80. 每天半小时 AI 知识｜TextGrad：AI 自己改 Prompt？就像训练神经网络一样‘反向传播’你的提示词

81. 谷歌提示工程白皮书｜Google Prompt Engineering White-paper

82. 扒一扒AI领域黑话，技术人应该看本质，杜绝浮躁 - 哔哩哔哩

83. Prompt Optimizer：一键让你的提示词变专业

84. 不是AI不行，是你不知道怎么提问

85. Prompt 还能哄女朋友！你真的知道如何问 ai 问题吗？

86. 图像提示词生成多智能体系统｜用AI批量生成爆款图像提示词？这个开源工具让我日均产出提升10倍！

87. 提示学习的基本技巧——零样本、少样本与思维链提示

88. AI 智能体时代，提示词怎么写？一份高级提示词工程实战指南

89. AI视频提示词大全：从0到1掌握移乐AI提示词写法，生成电影级短视频

90. 把 AI 当实习生别当专家，使用这几个提示词效果翻倍！

91. 别再苦哈哈手写Prompt了！用“结构化元提示词”让AI自动生成专属SQL专家

92. 别焦虑了！提示词、MCP、Skills根本不是你死我活的关系

93. 2602课程 - 实验10-4：使用大模型进行意图识别（风趣解读）

94. 一文看懂思维链：从提示词工程到内置训练，大模型“思考”进化史

95. 让AI生成提示词的提示词（万能模板+撰写方法）

96. 2026高校新增AI伦理/AI治理/提示词工程专业：不是选修课，是未来刚需风口｜全解读

97. 推理模型算力消耗高得吓人？ICLR 2026两种CoT效率优化方案让思维链更精简

98. 什么样的智能提示语，才算是对 AI 友好的高质量输入？

99. 能最大完成提示词效果的AI视频软件有哪些？测试完我彻底明白了

100. 随便一张图片反推AI生成提示词 - 哔哩哔哩

101. AI赚米提效5-LLM买米全链路场景分析炸裂开源

102. AI视频生成Prompt优化全攻略：从“塑料感”到“电影感”的进阶

103. 使用ODC"正交缺陷分类法"评估AI生成测试用例的质量，追踪Prompt提示词迭代的效果

104. 很多人误会了 AI：你不是在提问，而是在“训练一个助手”

105. Cursor高阶用法（4）：高效Prompt工程 — 让AI一次给出预期的代码

106. LLM Agent 专题（12）：读完谷歌 500 页神作，悟透Agent 的落地心法

107. 如何用AI写论文·SCI论文prompt学习总结

108. Prompt 工程技巧：5 个模板让 AI 输出质量提升 10 倍

109. 别只会被动提问了！掌握“提示词”这门新语言，你能指挥千军万马

110. Google Agent实战：提示链

111. 为什么思维链提示不再有效（CoT）

112. Prompt-Engineering提示词工程

113. Prompt Engineering 进阶：如何写出让 AI 自动生成高质量测试用例的提示词？

114. 从一次性指令到可复用资产：AI技能模块如何重构开发模式

115. 2026年Prompt工程入门：3个技巧让AI精准生成你想要的内容

116. 超长Prompt不一定更强：开发者开始掉进Tokenmaxxing的陷阱

117. AI提示词指令提示词合集(含教程）

用AI生成提示词是提效还是套娃？

精选参考来源