中文提示词怎么写，AI才真正懂你？_办公软件

1. 【电影感人像提示词公式】GPT-Image-2提示词合集-2

2. 【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

3. 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

4. 大模型Agent的核心还是prompt？

5. 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#

6. Agent Skill规范、构建与设计模式网页链接Skill 生态正在快速发展，已形成规范标准（agentskills.io）→ 构建方法论（Anthropic/Superpowers）→ 设计模式（Google）的完整知识体系。三个关键认知：1.Skill 不是 Prompt，而是围绕任务、工具、流程和输出边界的结构化行为设计2.渐进式加载是核心机制，解决了 Agent 系统的上下文膨胀问题3.描述是触发的关键，写好 description 比写好指令主体更重要

7. 谷歌68页提示词圣经+老金原创元提示词，直接复制就能用

8. 【如何构建任何场景的提示词：一套可复用的系统架构】互联网上到处都是“ChatGPT最强提示词合集”，人们收藏、粘贴、得到平庸的结果，然后继续寻找下一个。这就像戴着别人的近视眼镜，技术上能用，实际上没用。问题的根源在于：为别人的场景、别人的上下文、别人的输出需求构建的提示词，永远不会像你自己构建的那样有效。你需要的不是一个很少打开的收藏夹，而是一套系统架构。大多数人用自然段落写提示词。简单问题还行，稍微复杂一点就崩溃。因为模型必须猜测：角色在哪里结束？任务从哪里开始？约束是什么？输出应该长什么样？每一次猜测都是潜在的幻觉。XML标签消除了猜测。它们创建带标签的容器，告诉模型每条信息是什么、如何使用。这不是理论，Anthropic在自己的系统提示词中就使用XML标签，这是模型被设计来解析结构化指令的方式。核心标签有六个，几乎每个提示词都会用到：【角色】定义模型成为谁。不是“你是一个有帮助的助手”这种废话，而是“你是一位拥有15年经验的品牌策略师，专注于定位、信息架构和竞争差异化”。角色越具体，模型猜测越少。【任务】定义模型做什么。不是描述，是指令。“帮用户改进写作”是描述，“分析用户草稿，针对结构、清晰度和说服力提供具体可执行的反馈，找出三个最弱的点并重写作为示例”是指令。没有清晰任务的提示词会随心所欲，而随心所欲通常意味着平庸。【准则】控制模型如何行动。“永远不要假设用户没提供的上下文”“如果信息缺失就提问”“不要给泛泛的建议”。规则是覆盖模型默认行为的方式。【约束】是硬性限制，定义输出本身的边界。“回复必须少于280字符”“不要提及竞争对手名称”“所有建议必须在30天内可执行”。规则管行为，约束管产出，区分很重要。【格式】是最被忽视的标签。大多数人描述想要什么，却从不描述它长什么样。同样的角色和任务，“一句话”给你标题，“三段式摘要”给你简报，“带章节的详细报告”给你文档，“JSON格式”给你结构化数据。模型没变，你对输出格式的控制变了。【示例】是最强大也最少被使用的标签。一个好例子教给模型的东西，比一段指令多得多。它同时展示格式、深度、语气、结构和推理。两个例子通常就够了，目标不是全面覆盖，是校准。进阶标签处理那20%需要更高精度的场景：【上下文】提供背景信息，【个性】定义个性，【语气】定义情感基调，【受众】决定输出面向谁，【知识】注入领域知识，【方法】规定执行步骤，【反模式】展示什么是坏输出，【退路】定义无法完成任务时怎么办，【验证】让模型自检，【发现引擎】让模型先提问再行动，【链】把多个提示词串联起来。不是每个提示词都需要每个标签。简单任务用【角色】加【任务】加【格式】就够了。专业输出加上【准则】、【约束】和【示例】。交互式场景加【发现引擎】和【退路】。复杂工作流才需要全套。六个标签各司其职，比十二个标签一半在划水强得多。调试提示词有规律可循：输出太泛，【角色】不够具体；格式不对，【格式】缺失或太松；指令被忽略，【准则】埋得太深或相互矛盾；输出太保守，加【反模式】展示你不想要的样子；输出跑偏，【任务】有歧义；输出编造事实，加fallback告诉模型不知道时该怎么办；输出不稳定，加【示例】。框架是通用的，无论你构建代码审查、内容写作、数据分析还是任何其他场景的提示词。标签不变，里面的内容变。现在你可以随意构建和混搭提示词了。x.com/kloss_xyz/status/2018951817892442260

9. 【同样用 AI，别人产出碾压你？差距全在提示词工程】2026年，AI领域有一个令人不安的真相：模型不再是瓶颈，提示词才是。两个人在同一个任务中使用相同的模型，产出质量却天差地别。平庸者得到的是需要推倒重写的废话，而专家得到的是直接进入生产环境的成果。提示词工程不是某种玄学，它是AI经济时代最有价值的技能，因为它决定了你与AI交互的质量天花板。以下是迈向专家级提示词工程的完整路径。---第一阶段：基础认知——具体性击败普遍性大多数提示词失败的原因在于：大语言模型本质上是在预测下一个概率最高的字符。当你给出的指令模糊时，模型会填充统计学上最平庸的内容。专家提示词必须包含的六个要素：1. 角色：给模型一个具体的身份，如“拥有15年经验的B2B SaaS产品策略专家”，这决定了它的词汇量、深度和视角。2. 背景：模型需要知道你的行业、受众、限制条件和目标。没有背景，模型只能靠猜测。3. 任务：明确具体的动作，例如“对比三个竞争对手的定价、功能和话术，撰写一份竞争分析报告”。4. 格式：规定输出的形态，如表格、两段式的建议或特定的代码结构。5. 约束：明确告诉模型“不要做什么”，比如“不要使用营销术语”、“不要超过500字”。6. 质量标准：定义什么是“好”，例如“分析必须具体到足以让产品团队在5分钟内做出决策”。---第二阶段：结构化技巧——让逻辑清晰可见1. 使用XML标签Claude等模型对结构化输入非常敏感。使用标签如 <context>、<task>、<constraints> 可以消除歧义，让模型明确每一部分指令的功能。2. 背景在前，问题在后当处理长文档或大量数据时，始终将参考资料放在问题之前。先让模型加载上下文，再提出要求，这比先问问题再给资料的效果要好得多。3. 少样本学习（Few-Shot）给模型三到五个例子，效果胜过十段文字描述。展示你想要的模式，包括正常情况和边缘情况，模型会迅速捕捉到你未言明的逻辑。---第三阶段：高阶策略——深度思考的逻辑链1. 链式思维（The Chain Method）永远不要让模型在一个提示词里完成五件事。将任务拆解：先做调研，再找差异，最后写文案。每一步的质量都会累积，最终形成深度远超单一指令的成品。2. 自我修正循环模型的初稿往往只是草稿。加入一段指令：“重新阅读你的回答，按准确性、具体性和可操作性打分（1-10分）。针对低于8分的维度进行修正，并给出最终版本。”3. 动机约束不仅要告诉模型“做什么”，还要告诉它“为什么”。当模型理解了“字数限制是为了适应Telegram的显示逻辑”时，它在精简内容时会表现得更智能。4. 多维视角分析对于复杂的决策，要求模型从不同角色（如CEO、CFO、客户）的角度分别进行分析，最后再综合成一个平衡各方利益的建议。5. 元提示词（The Meta-Prompt）当你不知道如何写好提示词时，让AI帮你写。描述你的目标和背景，要求AI为你生成一个最有效的提示词结构。---第四阶段：系统化精进——从战术到战略1. 持久化上下文文件为不同类型的工作建立Markdown文件，如写作准则、分析框架或项目背景。在对话开始时让模型先读取这些文件，确保它始终遵循你的个人标准。2. 模板库意识将每一个成功的提示词沉淀为可复用的模板。剥离具体内容，保留结构变量。随着时间的推移，这种复利效应将成为你最大的竞争优势。3. 每周反馈闭环每周复盘你的AI产出：哪些地方没达标？提示词哪里可以改进？将这些教训更新到你的上下文文件中。---总结与启示提示词工程不是在寻找某句“咒语”，而是系统性地增加交互的确定性。平庸者在依赖模型的随机性，而专家在消除模型的随机性。当你掌握了这些技术，你会发现你使用的仿佛是完全不同的另一种技术。在这个AI时代，你的提问能力，就是你的生产力上限。x.com/eng_khairallah1/status/2046881340977782970

10. 说「谢谢」真的能让 AI 更听话吗？AI 有没有隐藏的「礼貌」指令？

11. 找到1027条优质的中英对照提示词需要多久？一句话，然后吃个饭回来就好了。 Claude Code 成为了我日常使用频率最高的工具，搭配Opus 4.5模型可以最大限度提升生产力，再配合Skills，两个字：无敌。因为 Nano Banana Pro 玩法实在太多，想象力不够用了，我做了一个网站专门收录所有「玩法提示词」，但是问题又来了，我一个人去哪收集那么多提示词？一条条添加？AI时代不应该这么去思考问题... 我让Claude Code全网帮我调研优质的「生图提示词信息源」，然后逐个拆解信息源的结构，给一句提示词「爬取到这个平台的所有提示词数据，包括标题、来源、图片链接、提示词 (Original)、提示词 (中文)、标签等」，然后汇总在json文件中」很多东西会变得越来越简单~ #AI创造营#

12. Harness Engineering 到底是什么？你可能已经会写 prompt 了，但最近火的 Harness Engineering 是什么？先搞清一个区别：- Prompt Engineering = 教你怎么说话让 AI 听懂- Harness Engineering = 造一套系统让任何人都能驾驭 AIPrompt 是手艺活，效果取决于写的人的水平。Harness 是工程活，目标是不管谁来用，结果都稳定可靠。- 打个比方：Prompt 像苦练骑术，Harness 像发明马鞍+缰绳+马镫——装备好了，骑术一般的人也能跑得稳。那它具体包括什么呢：- AI 模型本身就像一匹野马，很强但不可控。Harness Engineering 就是给它套上"马鞍"，具体包括：1. 提示词模板：标准化的思考框架，不用每次现写2. 工具调用：让模型能查天气、搜网页、读文件3. 结构化输出：回答不是一堆文字，而是程序能解析的 JSON4. 容错重试：模型抽风了自动重试，不用人盯着5. 检索增强（RAG）：让模型能查你的私有数据6. 护栏机制：防止模型说出不该说的话核心思路：- 不要试图让模型更聪明，而是让系统更聪明地使用模型。以前大家卷的是模型大小、跑分高低。现在大家发现模型够用了，真正决定产品好坏的是套在外面那层"马鞍"。Prompt Engineering 只是 Harness 里最小的一个零件。真正的竞争在于整套系统的工程能力。#Harness##Prompt Engineering##Prompt##Prompt Engineering##AI##大模型#

13. 一个被忽视的Prompt技巧，居然是复制+粘贴。

14. 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#

15. Skill不就是prompt吗？为啥被吹成这样？

16. 【发挥Claude潜力的十个提示词】最近，一位 Anthropic 前研究员披露了内部提示词手册。这份并非基于猜测、而是源自模型建造者的指南揭示了一个核心事实：大多数人之所以觉得 AI 输出平庸，是因为他们没有触达 Claude 的内部推理层。以下是这份手册中至关重要的 10 个高级提示词策略，它们将彻底改变你与 AI 的协作深度。1、情境简报：拒绝直接提问永远不要在没有背景的情况下抛出问题。Claude 需要地图才能导航。提示词模板：我的背景是 [角色/公司/问题]；已尝试过 [A/B]；目前卡在 [Z]；请帮我理清思路。深度思考：内部测试显示，这种背景铺垫能提升 41% 的输出质量。优质的答案不取决于 AI 的智商，而取决于你提供的信息熵。2、推理要求：让思考过程浮现不要直接索要答案，要索要思考。提示词模板：在给出方案前，请逐步展示你的推理过程，指出不确定之处，并标记所有假设。深度思考：这会强制模型激活 Chain of Thought（思维链），让你得到的不仅是结果，还有可质证的逻辑路径。3、诚实约束：打破“讨好型人格”Claude 天性乐于助人，这往往意味着它会说你想听的话。提示词模板：即使难受也要保持诚实。如果我的计划有致命缺陷请直说，不要软化措辞。我宁愿现在听硬话，也不想以后失败。深度思考：这是在解锁 Claude 的宪法 AI 基础，让它从“助手”转变为“顾问”。4、精准角色：越具体，越深刻“充当专家”是最无用的指令。提示词模板：你是有 [具体经验] 的 [特定角色]，见过 [具体失败模式]。请用 [特定框架] 思考，跳过常规建议。深度思考：身份越具体，推理的颗粒度就越细。模糊的角色设定必然导致平庸的输出。5、魔鬼代言人：摧毁你的想法利用 Claude 的批判性思维来检验决策。提示词模板：我要分享一个计划，你的工作是摧毁它。找出所有错误假设、忽视的风险和失败原因。别手软。深度思考：挑战你的模型，其价值远超让它顺从你。这是 Anthropic 团队内部检验想法的标准流程。6、范围锁定：从源头杀死幻觉Claude 容易过度发散，用可信的虚构填补空白。提示词模板：严格限于 [X 背景]。超出范围请直接告知而非推测。我要的是差距，而不是自信的错误。深度思考：拒绝“自信的错误”，是通往高阶 AI 应用的必经之路。7、格式命令：利用极致的精确性Claude 对格式指令的遵循度极高。提示词模板：结构要求：1）一句总结；2）三个要点；3）一个下一步建议。除非我问，否则不要提供其他内容。深度思考：有意识地控制输出结构，能极大降低信息处理的认知负荷。8、假设审计：揭示隐藏的基础任何复杂答案后，都应运行此项。提示词模板：你做了哪些我应该验证的假设？如果这些假设错了，答案会如何改变？深度思考：大多数计划都崩溃在未经察觉的基础假设上。审计假设，就是审计风险。9、压缩循环：清理上下文债务在长对话中，模型会积累“上下文债务”，导致焦点模糊。每 5-6 次交互运行一次：总结目前的进展。解决了什么、决定了什么、最重要的未决问题是什么？深度思考：保持对话的熵减，防止 AI 自信地解决错误的问题。10、前期验尸：预见失败在项目上线前，进行压力测试。提示词模板：假设 6 个月后这个项目失败了。请列出 3 个最可能的原因。具体一点，失败的实际样子是怎样的？深度思考：这能抓住其他审查流程遗漏的盲点。总结：提示词工程的下半场，不再是背诵模板，而是理解模型的设计意图。正如 Anthropic 内部所强调的：AI 不是一个搜索引擎，而是一个需要被正确引导的推理引擎。

17. 大模型的上下文工程，都说很重要，但相关的研究那么少，对Agent开发有什么影响，有大佬能解释一下吗？

18. yyds是怎么火起来的？别让拼音弱化文字。一起来看中文有多博大精深？#中文 #历史 #文化 #网络热梗

19. 刚刚问了claude，它说中文语料中某些专业领域（金融、法律、医学、技术文档）的高质量文本偏少，模型更容易在这些区域"编"。如果是写system prompt、定义角色、设定输出格式，英文表达的精确度和模型的遵从度会更高。想降低幻觉的一大关键不是切换语言，而是让它去搜索（英语资料来源），不要只凭记忆/生成回答。

20. 【你的提示词写得像搜索引擎查询，难怪AI输出不行】经过大量测试，我发现90%的ChatGPT糟糕输出都源于同一个问题：我们写提示词的方式更像是在Google搜索，而不是在写项目简报。这个五层框架能让输出质量产生质变：角色、背景、任务、格式、约束。+ 第一层：角色。别只说“你是专家”。要具体到专业程度、行业领域和个性特征。“你是一位有15年经验的直复营销文案，专门服务DTC电商品牌，深入研究过尤金·施瓦茨和大卫·奥格威的方法论。”角色越具体，输出越精准。模型会根据这个设定调整词汇、结构和推理方式。+ 第二层：背景。AI读不了你的心思。大多数人在这一层丢失了质量。“我的客户销售一款49美元的有机护肤精华液，目标用户是28到42岁的女性，她们对那些承诺效果却使用合成成分的产品感到失望。品牌调性温暖、自信、有科学依据，但不推销感。”+ 第三层：任务。具体到让人觉得啰嗦的程度。不是“写几封邮件”，而是“写一个5封邮件的欢迎序列。邮件1是温暖的品牌介绍，邮件2针对最大异议也就是价格问题，邮件3分享客户转变故事，邮件4用限时优惠制造紧迫感，邮件5用社会认证做最后推动。每封邮件要包含主题行、预览文本和正文。”+ 第四层：格式。告诉AI确切的结构。“每封邮件使用这个结构：主题行、预览文本、开场钩子一句话、正文100到150字、一个清晰的行动号召。使用短段落，每段不超过两句话。”+ 第五层：约束。这是秘密武器，约束能防止通用化输出。“不要使用革命性、颠覆性、解锁这些词。不要用问句开头。每封邮件感叹号不超过一个。阅读水平控制在八年级。”有评论指出，约束层的作用比表面看起来更深。你不只是在避免陈词滥调，而是在压缩模型的输出概率空间，迫使它把注意力权重重新分配到非默认选项上。这就是为什么有约束的提示词感觉更专业：你让懒惰的输出变得不可达。当然，也有人直接说这框架没什么新鲜的，不过是把“具体一点”包装进五个盒子，撒上企业咨询的术语。确实，这类结构Google早就有70页的PDF免费提供。但重点从来不是原创性，而是是否真正在用。一个更实用的变体是调整顺序：角色、任务、约束、背景、格式。把指令放在最前面，因为模型对最近的显式内容权重更高。还有人提出了更深的思考：当约束不是偏好而是硬性要求时会发生什么？金融、医疗、法律这些领域，“模型通常会遵守”是不可接受的。那时候约束架构就变成了一门和提示词工程完全不同的学科。框架之外，真正的高手会让AI帮你写提示词。把想法扔进去，告诉它你想要的结果，它通常会默认输出类似结构。让AI做重活，这才聪明。www.reddit.com/r/PromptEngineering/comments/1r4b2y3/the_5layer_prompt_framework_that_makes_chatgpt/

21. 【看懂 Claude Code 提示词：验证智能体、反过度工程、记忆压缩才是核心】快速阅读： Claude Code的npm源码包因人为失误意外泄露，有人从中逆向整理出26个提示词，覆盖系统指令、工具调用、智能体协作、记忆管理等全部模块，随后以MIT协议重新授权开源。这份材料本质上是一份提示词工程的实战教材。---有个细节值得注意：Anthropic事后将这次泄露定性为“人为失误”。200美元一个月的工具，整个提示词架构就这样从npm包里被人拆了出来。这26个提示词按功能分得很清晰：1个系统提示词负责身份定义和工具路由，11个工具提示词处理文件读写、shell执行、搜索等操作，5个智能体提示词分别对应探索、架构、验证、文档等角色，4个记忆提示词管理上下文压缩，1个协调提示词处理多智能体编排，还有4个工具提示词生成标题、摘要、建议。读完这些提示词，有几个设计决策让人印象深刻。其一是专门设置了一个“验证专家智能体”，它的职责就是在代码上线前想办法把它搞坏。这不是可选项，是写进架构里的。其二是反过度工程规则被明确写入系统提示词，“不要做用户没有要求的功能”。听起来像废话，但显然Anthropic认为有必要把它钉进去。其三是记忆压缩分9个章节，且保证每一条用户消息都被保留。有观点认为，大家都盯着系统提示词，真正值得研究的反而是那4个记忆提示词。多数AI编程工具在请求之间会忘掉一切，而Claude Code能记住项目结构和之前的编辑操作，这才是它用起来像同事而不像聊天机器人的原因。有网友提到，这个开源仓库引起广泛讨论，也有人认为被过度渲染了，从npm包里逆向提示词并不算什么技术壁垒，真正的护城河是模型质量和训练数据。这个说法大概70%是对的，提示词工程本身不是秘密，但好的提示词架构要花多少时间踩坑才能收敛到这个形态，那是另一回事。每个提示词都从零重写以符合法律要求，意图相同，没有逐字引用。MIT协议，可以直接用。所有内容在这里：github.com/repowise-dev/claude-code-prompts如果你在自己搭智能体，有一个问题可能值得先想清楚：你的系统里有没有一个专门负责破坏自己输出的角色？

22. 劳力士的专利设计，但最后变成意大利军表？！这个限量300枚，表盘里带中文字的特殊盘面，硬汉军风表背后有着怎样的故事？#沛纳海 #劳力士 #奢侈品 #时尚单品 #军表

23. 为什么我编写不出优秀的ChatGPT提示词?

24. OpenAI、Anthropic 和 Google 的工程师为什么从不为提示词发愁？秘诀在于“上下文栈”——真正的元技巧是“上下文工程”。过去，我们用提示词“黑客”式地与AI沟通，像用简单短语和关键词和陌生人对话。但现在的模型不只是理解指令，它们理解的是“环境”。你的工作不再是简单“提示”，而是设计它的上下文。什么是上下文？就是你在模型开始生成内容前搭建的数字环境，包括：- 它应该“扮演”的角色（身份）- 它的目标是什么- 它的沟通风格和语气- 它参考的例子、数据和过往作品这才是保证输出连贯、高质且符合品牌调性的关键。举个例子：旧式提示： “写一篇关于AI生产力工具的LinkedIn帖子。”上下文设计版： “你是一位技术创始人，写实用且能病毒传播的推文，语气自信且带点挑衅，基于真实案例。这里有你过去的三篇示例。现在，写一篇关于AI生产力工具的新推文。”区别就在于，你不是在“提示”，而是在“简报”。模型不再是工具，而是你团队的新成员。就像招新人一样，它需要了解你的品牌、目标和期待，而非随便发号施令。这就是“上下文工程”的力量。一个简单且实用的框架是4C：角色（Character）、命令（Command）、限制（Constraints）、上下文（Context）。一次设定，反复使用。有了正确的上下文，你的模型变成真正懂你声音、受众和意图的创意伙伴。没有它，你只是靠运气。停止“提示词黑客”，开始“上下文构建”。每次简报，都像培训新员工一样，问自己：“他们需要知道什么，才能像我一样思考？”这才是2025年AI合作的未来。掌握上下文工程，不只是问什么，更是给什么；不只是它写什么，更是它懂什么。创作者借此放大品味，创始人放大判断力，团队放大知识。你今天的上下文结构是什么样的？原文：x.com/hasantoxr/status/1995891151535259864

25. 大神 Miles 今天又分享了一个非常实用的 Manus 代理提示，他已经用它执行了数百个任务，并称“这是我 2026 年使用最频繁、最有效的代理提示”。我认真分析了一下，有如下优点：角色定位清晰：把 AI 设定为“自主代理”，自己规划、执行、收尾，大幅减少来回沟通；明确先想后做：强制先思考再动手，并生成简短计划（子任务、工具、顺序、风险），相当于自带迷你项目计划书；确保结果可用：过程会汇报进度，结束还有总结和交付物清单，可直接落地使用。这个提示词适合场景为只有一个大目标、但你没时间或不想细拆步骤的长链路任务。有个感受：提示词的结构设计，本身就是提升 AI 质量和稳定性的关键。

26. Seedance 2.0：说中国话的最强AI视频模型！

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

28. 大语言模型（LLM）提示词设计不只是“提问”，而是一门系统工程，是与模型高效交互的关键技能。掌握以下7大类提示技巧，才能真正释放AI潜能：1. 核心提示 - Zero-shot：无示例，直接给任务。 - One-shot：给一个示例。 - Few-shot：给多个示例，教模型识别模式。2. 推理增强 - Chain-of-Thought（思路链）：引导模型一步步推理。 - Self-Consistency（自洽采样）：多条推理路径，选最佳答案。 - Tree-of-Thought（思维树）：多条推理路径并行探索（进阶）。 - ReAct：结合推理和行动（如调用API）。3. 指令与角色设定 - 明确指令：“帮我总结这段内容”。 - 角色扮演：“你是法律助理”。 - 混合型：指令+示例，兼顾清晰和示范。4. 提示组合技巧 - 链式提示：用一个提示的输出作为下一个输入。 - 动态提示：实时注入变量和上下文。 - 元提示：让模型自我优化或验证回答。5. 多模态提示 - 图文结合，给出视觉+文本信息。 - 音视频+文本（依赖模型能力，如GPT-4o、Gemini 1.5）。6. 行业专用提示 - 编程提示：针对特定语言或工具。 - 医疗、法律提示：高精度、格式严格。7. 提示评估与调试（辅助工具） - 去除测试：删减元素看影响。 - 注入测试：验证提示在实际应用中的鲁棒性。需要明确的是，检索增强生成（RAG）和代理工具系统（如LangGraph、AutoGPT）不是提示技巧，它们是架构或框架，提示只是其中一环。提示设计已不仅是“技巧”，而是整体系统设计。理解输入输出工程，掌握推理链条和领域约束，才能让AI输出更可靠、更智能。真正的秘诀不在“神奇语句”，而在于结构化、系统化地设计提示。原文：x.com/techNmak/status/1995726428177137924

29. 全球第一个提示词工程师留下的三招，今天用大模型还能直接抄。看了一下 Riley Goodside 这两三年公开过的提示词笔记，挑出最经典的三招。这三招不挑模型——GPT-5、Claude、Gemini，或者你手边的 DeepSeek、Kimi、通义、豆包，一样能用。学会能直接解决三种最常见的毛病：AI 答得很散、要点跳来跳去；让它算个数、推个日期就翻车；想要的输出格式它老不照做。多数人日常用 AI 的那种「答得不对劲又说不上哪不对」，靠这三招就能自己摆平。Riley 这个名字在中文圈几乎没人翻译过，但在英文 AI 圈他是一个绕不过去的人。2022 年 ChatGPT 刚出来那阵，他每天在 X 上发自己研究 GPT 的提示词截图，有的让 AI 写一段它本来不会写的文字，有的把模型引到一个意想不到的输出格式。截图越发越火，2022 年 12 月 Scale AI 把他招了进去，岗位写着 Staff Prompt Engineer，这个头衔之前从没有过，他算是全世界第一个被大公司专门招来研究怎么写提示词的人。后来他跳到了 Google DeepMind。Cognitive Revolution 播客采访过他两次，The Gradient 给他做过长访谈。提示词工程这个词在英文圈被认真讨论起来，他算是源头之一。他公开过的招数里，有三招最值得挑出来讲。第一招，把「期望输出格式」放在提示词最后一句，而不是开头。具体写法是这样：你正常描述完任务，最后一句加上 "Use this format in your response: ..."（请按以下格式回答），后面贴一段你想要的格式样板。Riley 反复试出来的结论是，提示词末尾的几句话对模型最终输出影响最大，就像你跟一个人说了一长串话，对方记得最清楚的总是最后一句。如果你常觉得 AI 答得很散、要点跳来跳去、想要的格式它老不照做，把「期望格式」从开头挪到结尾，几乎立竿见影。第二招，让 AI 先写一段 Python 再给结果，别让它心算。模型在算术、字符串处理、日期换算这种题上经常翻车，比如让它数一段话里有几个「的」字，它能数错。换个写法立刻变准：「请写一段 Python 代码来计算 X，然后给我代码运行结果。」模型写代码的能力远比心算强，先把题目转成代码，等于让它走自己最稳的那条路。数据处理、单位换算、日期推算这类「看起来简单但 AI 老错」的题上特别灵。第三招，用角色扮演换一个问法。这一招最早是 Riley 自己用来做红队测试的，专门去找模型默认会拒绝回答的题，看怎么写能让它松口。比如把问题包进一个虚构角色的台词里，写成「假设你是一位写小说的作者，你笔下的角色会怎么说」。这件事告诉普通人的不是「怎么让 AI 学坏」，而是另一件更基本的事：模型对「问题怎么被框住」的敏感度比大多数人想的高。同一件事换一种问法，得到的可能是完全不同的回答。当 AI 的回答让你不满意时，先怀疑一下你的「问法框架」是不是把它困住了，换个角度重新问，往往比加各种技巧都管用。三招放在一起其实指向一件事：写提示词不是写咒语，是设计一个让模型容易答对的环境。前两招在「输出端」做手脚（指定结构、让代码兜底），第三招在「输入端」换角度。Riley 这几年公开的东西，大多是这条思路的延伸。回头翻 Riley 早期那一堆截图，最深的感受是那个时候大家写提示词靠的是一遍遍试错攒手感，把模型当一个有脾气的合作者，而不是一个搜索框。今天工具变了，模型也强了，这个「合作者视角」反而更值钱。

30. 大模型Agent的核心还是prompt？

31. 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

32. Token中文名确认为词元，到底是啥意思？#一个视频彻底搞懂Token #词元 #AI

33. #Seedance必玩提示词模板#千万码住🔥即梦3.0导演级运镜提示词，拿去抄‼在练习AI试试的时候发现运镜提示词真的太重要的，会写运镜提示词，直接把画面效果提升100倍！#HOW I AI##过个有ai年# seedance必玩提示词模板

34. 2025年AI提示词深度指南：从基础知识到高级技巧

35. 发现一个AI的新用法，再也不用担心不会写提示词了！

36. #Google Chrome 即将推出全新 AI 功能「Skills」：让 Gemini 提示词管理更高效#Google Chrome 浏览器官方账号于 2026 年 4 月 14 日在 X（原 Twitter）平台发布了一条动态，宣布即将推出名为 Skills 的全新 Chrome 功能。这一功能旨在帮助用户更便捷地管理和复用与 Gemini 的交互提示词（prompt），标志着浏览器与 AI 深度集成又迈出了重要一步。#什么是 Chrome 的「Skills」功能？#根据官方描述，Skills 允许用户将自己常用的 Gemini in Chrome 提示词保存下来，以便后续快速复用。同时，用户还可以从 Chrome 内置的预制提示词库中直接选择合适的模板。核心亮点包括：- 自定义保存：将你经常使用的 Gemini 提示词保存为个人「Skill」，下次直接调用即可，无需重复输入长提示。- 预制提示词库：Chrome 提供一系列精心设计的现成提示词模板，覆盖日常工作、学习、创作等多种场景。- 无缝集成：该功能将直接嵌入 Chrome 浏览器中，与 Gemini 的 AI 能力深度结合，让用户在浏览网页时就能高效调用 AI 辅助。官方视频演示中，清晰展示了用户如何在 Chrome 界面中快速选择或创建 Skill，并立即应用到 Gemini 的对话或任务处理中。这种设计大大降低了提示工程（prompt engineering）的门槛，让普通用户也能轻松获得高质量的 AI 输出。#功能背后的意义：从「一次性提示」到「可复用技能」#长期以来，使用 AI 大模型（如 Gemini）时，用户面临的最大痛点之一就是提示词的编写与管理。一个好的提示往往需要反复迭代、精心设计，但每次使用时又要重新输入或复制粘贴，效率低下且容易遗忘。Chrome 的 Skills 功能本质上是对提示词的「技能化」管理：- 它把精心调教的提示词转化为可重复调用的「技能」（Skill），类似于编程中的函数或宏命令。- 用户可以为不同场景创建专属 Skill，例如： - 内容创作类：「帮我写一篇 SEO 友好的产品介绍」 - 数据分析类：「分析这段网页内容并提取关键数据」 - 学习辅助类：「用简单语言解释这个专业概念」 - 生活实用类：「生成一份健康的每周购物清单」通过预制库，用户即使不擅长编写提示，也能快速获得专业级输出。官方强调，这将让 Gemini 在 Chrome 中的使用体验更加流畅和个性化。#技术与生态意义#作为全球最受欢迎的浏览器，Chrome 的每一次 AI 功能更新都具有行业风向标意义。Skills 的推出，进一步强化了 Google 在浏览器 + AI 生态中的布局：- 与 Gemini App 的深度协同：Gemini 已在多个 Google 产品中落地，Chrome Skills 是其在桌面浏览器端的自然延伸。- 降低 AI 使用门槛：不再局限于专业用户，普通上网者也能通过简单点击获得 AI 助力。- 潜在扩展空间：未来 Skills 可能支持更多自定义选项、分享机制，甚至与其他 Google 服务（如 Gmail、Docs）联动，形成完整的 AI 工作流。Google 官方博客文章也同步发布了详细介绍，感兴趣的用户可以前往查看更多技术细节和使用指南。#用户反馈与可用性讨论#该功能公布后，迅速引发了广泛讨论。许多用户对这一创新表示期待，认为它能显著提升日常 AI 使用效率。但同时，也有一些声音指出：- 地域可用性问题：部分用户（尤其是欧洲、亚洲部分地区）表示仍在等待 Gemini in Chrome 的基础功能落地，Skills 自然也受此影响。- 竞争视角：有用户提到类似功能已在其他浏览器或 AI 工具中出现，例如某些新兴浏览器已提供提示模板管理。- 实用价值：支持者认为「你不会意识到自己需要它，直到你真正用上它」，而部分用户则觉得这只是「锦上添花」的小改进。尽管存在区域 rollout 的差异，但 Google 作为全球科技巨头，预计会逐步将该功能推向更多市场。#总结：AI 浏览器时代的又一小步#Chrome Skills 的推出，并非革命性的底层技术突破，而是对用户体验的精细打磨。它体现了 Google 在 AI 产品化道路上的务实思路——不追求最炫酷的功能，而是让 AI 真正融入用户的日常浏览习惯。在 AI 工具日益普及的今天，如何让强大模型「易用、好用、复用」，已成为各大厂商竞争的关键。Chrome 通过 Skills 功能，给出了自己的答案：把好的提示词变成可保存、可复用的技能，让每一次 AI 交互都更高效。这一功能预计很快将在 Chrome 稳定版中上线，建议用户关注 Google Chrome 官方更新和博客，及时体验这一新特性。对于重度使用 Gemini 的用户来说，Skills 或许会成为你浏览器中不可或缺的 AI 助手。（本文基于 Google Chrome 官方 X 动态及相关公开信息撰写，旨在全面、客观地呈现该功能的核心内容与背景。） Google谷歌爱好者的微博视频

37. 最强的AI生图模型是香蕉pro还是Image，或者flux黑森林？目前主流的个大模型怎么用，以及优劣势，一次性讲清楚。#aigc#ai新星计划

38. 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

39. 【如何写好AI生图提示词？】GPT-Image-2提示词合集-1

40. 【AI辅助设计】告别“咒语”恐惧症！我的AI提示词可视化编辑器，让创意修改像点菜一样简单

41. 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】

42. 把 DeepSeek、Kimi、智谱和 MiniMax 拉进群聊

43. 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。

44. #用声音马住中国年##微博声浪计划# OpenClaw作为现象级开源AI智能体框架，将AI升级为可执行任务的数字员工，支持多平台指令输入和插件扩展。其爆火源于解决职场效率痛点，本地部署保障数据主权，形成独特极客消费心理。但也存在系统权限、提示词注入等安全风险，商业化与巨头竞争并存。#OpenClaw上手教程##ai智能体#好多车ANYCAR的微博音频

45. 给孩子看的动画片家长还是要谨慎筛选，中文动画我只给葵看科普类的，娱乐性质的我会给她看英文的。很多妈妈反馈孩子看完科普动画知识面都增加了好多，甚至都反过来给妈妈科普了哈哈～

46. 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

47. 用了这5大技巧后，原来AI人物还可以这么真？

48. AI怎么做出电影感？AI大师级运镜玩法大全!

49. 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

50. 告别生成排队，彻底实现顶流模型创作自由

51. 高效提示词（prompt）工程指南

52. AI提示词开源

53. 别再当AI"文盲"！提示词设计秘诀，让AI听话又高效

54. 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

55. 如何写出好的Prompt（提示词）？

56. 跳出“调参”误区

57. Prompt Engineering 提示词工程核心要点整理

58. 译文

59. 如何设计AI产品的prompt工程策略？

60. 程序员必读的Prompt Engineering指南

61. 图解 Prompt Engineering 提示词工程

62. 译文

63. 企业级的prompt的设计原则

64. 我整理了一套AI提示词，新手直接复制就能用（附模板）

65. 最新Deepseek AI提示词指令提示词最新合集(含教程）

66. 提示词迭代优化全攻略

67. WorkBuddy从入门到精通（03）提示词基本功

68. 学AI笔记050- 如何告别无效提问?AI提示词进化史

69. 我把AI提示词/指令的秘密，总结成了这3个“黄金公式”

70. AI提示词指令提示词合集(含教程）

71. 别瞎输入指令！高质量AI回答全靠提示词

72. 关于提示词，一些新思考

73. AI 总是答偏？问题往往不在模型，而在你没先把它“校准”

74. AI给的回答总不合心意？3个有效校准动作｜附提示词

75. 国内顶级通义千问ai实用提示词

76. 千问AI提示词模板，最近疯传！

77. 豆包 / 通义千问等国产模型怎么高效用？

78. 文心一言高效使用全攻略

79. 更懂中文语境本土需求，kimi-k2.5 深度优化适配，DMXAPI 成为日常 AI 首选平台 - 哔哩哔哩

80. 手把手教你“结构化调教”，让AI乖乖听话的万能指令模板

81. 2026

82. 掌握与AI豆包高效协作的艺术

83. 第十章

84. 从“指令模糊”到“精准提问”，如何用结构化思维成为AI沟通高手

85. 从 Nano Banana Pro制作菜谱说起

86. 如何向AI下达清晰、结构化的指令？有哪些原则与具体的技巧呢？【常读常新】

87. 2026中文AI绘图速查表

88. 即梦提示词必看｜中文vs英文哪个更准？

89. 不会写提示词？没关系，VibeDesign来了！

90. 为什么同样的提示词，别人的效果比你好10倍？

91. “提示词”是个糟糕的翻译，更糟糕的是它让我们误解了与AI的关系

92. AI 场景落地实操系列（二）你真的会用提示词了？

93. 永和工作室“草根理论”天天早读新编社会学

94. 掌握AI提示词，效率提升10倍！精准指令，AI秒懂

95. 第一招技术

96. 从废话提示到精确指令

97. 5个顶尖提示工程结构，AI输出直接起飞

98. 别再瞎用豆包了！8个万能提示词，照搬就能让AI替你干活

99. AI提示词写作大全｜从入门到高手，万能模板+工具实操+去重原创技巧（2026最新版）

100. 天工AI写作指令大师课

101. 从AI关键词到有效指令

102. 用 Markdown 写清楚 AI 提示词

103. 让AI给你生成结构化提示词，才会真的解决你重复性的工作

104. 收藏这篇！AI提示词Prompt大全，覆盖90%日常场景

105. 比提示词更重要！3个技巧教你用好AI的「上下文」

106. 我来彻底说说AI上下文工程（中）

107. Anthropic 高效的AI agents上下文工程设计理念和实践经验

108. 关于上下文（Context）你知道的和不知道的技巧

109. Claude Code 1M上下文实战技巧，告别上下文腐烂

110. 如果只学一个 AI 技巧，我推荐上下文管理。

111. Nanobot 上下文工程

112. AI Agent 的有效上下文工程

113. 第5期

114. 同样的内容，换个格式，价值翻倍——输出格式全攻略

115. 输出格式

116. 大模型提示词设计核心方法格式法

117. 大模型提示词之约束条件

118. DeepSeek提示词速成指南

119. GPT-5.5 提示词实战

120. Prompt 核心原理

121. 提示词（Prompt）到底怎么写？3个公式让你的提问效果翻倍！

122. Prompt Engineering 实战

123. 2026 AI办公高效Prompt手册

124. 同样问AI，为什么他的输出比你好10倍？看完这10组对比你就懂了

125. 价值1999元的AI写作课精华

126. 别再收藏提示词了。用一个“超级提示词”让 AI 帮你写提示词

127. 这是我实践AI使用以来总结的内容创作提示词方法论 | 附常用提示词

128. AI 编程进阶

129. Gemini 高效用法

130. 别再瞎写了！AI提示词万能模板，直接复制就能用！

131. 手把手教你设计"提示词"

132. 5个让AI回答翻倍精准的提示词技巧，亲测有效

133. 如何写出一个好的AI提示词（Prompt）——让AI听懂你的话

134. AI总答非所问？这三句万能提示词，帮你省下80%无效沟通时间

135. 你写的提示词，AI真的"看懂"了吗？

136. 独家揭秘LYRA神级提示词，让你的AI回答瞬间聪明10倍（建议收藏）

137. AI基本功

138. 什么样的智能提示语，才算是对 AI 友好的高质量输入？

139. AI应用-提示词工程

140. AI提示词封神指南！新手也能调出精准回复

141. 研究了快3年AI提示词，心得都在这了

142. 别再问AI“怎么办”了！这几个提示词模板，让它直接给你靠谱创意

143. 普通人学用AI之写提示词核心原则

144. Prompt编写技巧

145. 为什么很多 AI 中文总有“翻译腔”？一个简单提示词，能把它拉回人话

146. Prompt工程：如何让AI更聪明？

147. AI编程提示词秘籍｜新手必看，让AI写出无Bug代码

148. "AI 编程助手的实战技巧：从提示词到工作流优化"

149. Prompt-Engineering提示词工程

150. AI提示词千千万，只有这9个值得你收藏（亲测有效）

151. 别再优化 Prompt 了，去构建更好的 Context

152. 填空就能写提示词，手把手教你搭一个提示词管理工具

153. 为什么指令越改，AI的输出越离谱？你可能缺少这份「高手思维」

154. WorkBuddy 18个场景化Prompt合集，复制粘贴3分钟启动全自动工作流

155. 【AI游戏剧提示词模板】提示词生成技巧——让AI理解并内化固定风格模版和生成逻辑，给你输出满意提示词结果

156. 全平台AI通用·万能提示词手册

157. 写提示词写到头秃？提示词复刻大法，直接复制同款好效果

158. 学术写作提示词：中英互译与润色的三个实用方案

159. Harness｜03 Context Engineering登场——从"写好提示"到"管好上下文"

160. 这5个AI提示词，我本来不想分享的

161. 这2个万能提示词，让AI从“模板回答”变你的私人智囊

162. “指令工程”是核心：如何撰写高效的AI批量生成提示词？

163. 从 Prompt Engineering 到 Context Engineering：一位 Agent 架构师的深度解读

164. 让 AI 输出质量提升 3 倍的“混合流”写法

165. 刷了100多个AI视频，我总算搞明白提示词该怎么写了

166. 🎨 ComfyUI 中文提示词构建器v2.0：让 AI 绘画提示词创作更轻松一键随机、海量词库、零学习成本，彻底告别提示词“词穷”困境

167. AI 编程工具高效使用指南：Claude Code 与 Codex 提示词艺术

168. 2026 程序员必备10 个 AI 提示词：把 Copilot 用成顶级编程搭档

169. AI大模型|prompt生成 - 哔哩哔哩

170. 交互式提示词优化器：让 AI 创作更高效的秘密武器

171. 拿捏小红书专属AI文风！这样写提示词，告别流水线文案

172. 实测丹青妙笔AI提示词优化：让公文写作精准不跑偏

173. OpenAI 与 Anthropic 同时提醒：你的提示词该重写了

174. 别再抱怨AI不懂审美！这套“结构化指令”，小白也能做4A级海报

175. Prompt 构造、优化

176. 你可能还在用最低效的方式用AI——99%的人不知道的提示词技巧

177. 提示词深度优化：一种基于认知结构的指令工程框架

178. 这个免费的中文 Prompt 站，把“找提示词”这件事终于做对了

179. 让你成为Ai高手的提示词

180. 为什么别人的 AI 总是稳出大片？掌握这套结构化公式，实现提示词资产化

181. 中文 Prompt

182. 让AI回答质量瞬间变强的 10 句提示词

183. 结构化整合｜DeepSeek 内容创作十大进阶指令终极提示词

184. Prompt Engineering(提示词工程)

185. 【今日推荐Yao Open Prompts】：116个中文AI提示词

186. 怎么优化给AI的提示词

187. 用通义千问生成产品文案，5分钟产出3个版本

188. AI使用，Prompt技巧附不同场景的案例

189. LLM 结构化输出格式选型指南

190. ComfyUI 中文提示词：可视化选填，一键生成专属提示词

191. AI提示词优化真能提升输出质量吗？全网观点大PK

192. 国产AI实测：处理长文档，为什么我只推Kimi？（附保姆级指令）

193. 【AI游戏剧提示词模板】负面提示词（Negative Prompt）为什么重要？怎么写最有效？

194. 【大模型入门系列②】Prompt 底层逻辑大揭秘：分清角色 + 写好 + 评估，小白也能让 AI 听话

195. 让AI生文比人还惊艳，20+提示词/模板

196. 10个AI编程提示词模板，告别无效提问，效率提升300%

中文提示词怎么写，AI才真正懂你？

精选参考来源