高效提示词的核心：从反推输出开始_办公软件

1. 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

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

3. 当模型推理能力越来越强，我们还需要提示工程吗？

4. 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。

5. 谷歌68页提示词圣经+老金原创元提示词，直接复制就能用

6. 2026年了！大部分人还不会给AI提示词。

7. 当大模型接上“机械臂”！不会编程也能学的n8n教程——第一期

8. 老铁，别卷了！你缺的不是努力，是这套爆款内容系统！还在为内容创作焦虑？每天追热点、扒对标、改文案，累死累活还是不出爆款！我做电商15年，做到全国TOP6📍今天告诉你真相：内容营销还停留在"人工试错"阶段！你看那些大V、头部品牌，他们根本不是靠灵感，而是靠系统！给你看个国内某头部公司的爆款内容采集分析&二创系统，3秒采集爆款链接，AI秒拆爆款公式，自动生成3个版本让你选。这套系统支持5大核心用户：内容创作者、企业营销团队、MCN机构、广告代理商、个体创业者。每个都有自己的痛点，但都靠这套系统解决！原本1个运营人员1天只能生产1-2条内容，现在同等时间能生产10-20条，效率提升10-20倍！爆款数据采集从30-60分钟/条减少到1-2分钟/条，效率提升15-30倍！对标账号分析效率提升数十倍，AI自动采集竞品爆款数据，分析爆款原因，总结爆款公式供你使用。爆款公式复用成功率从30%飙升到80%+！学会这套系统，你就是内容工厂，不是内容民工。 #ai内容创作 #AI工具 #短视频运营 #飞书 #运营技巧

9. 高效提示词（prompt）工程指南

10. 【电影感人像提示词公式】GPT-Image-2提示词合集-2

11. 智慧课程案例：AI驱动生成式智慧课堂的构建与创新

12. 我们跟 AI 进行交流时，提示词包含三大部分：第一，是意图和目标。“目标决定方向，清晰的意图让 AI 不再盲目游走。”它告诉 AI 我们想要什么，是什么样的未来状态。越具体，AI 的输出越聚焦，也越贴近我们的期待。第二，是思想、理论和逻辑，收敛路径。“如果你的水平高于 AI，把你的思路告诉它，它输出的质量就会翻倍。”这里我们把自己的高阶认知转化为 AI 可以执行的策略，让 AI 不仅知道去做，还知道怎么做。这就是认知杠杆的魔力。如果你的水平低于 85 分，AI 的平均输出水平，就不要折腾，这部分不用写了。第三，是驾驭、规训与边界。“规则和边界，是让 AI 不出幻觉、保持一致性的安全壳。”通过约束与反馈，让 AI 在探索创造空间的同时，输出稳定、可控，避免走偏。三者结合，就是完整的提示词架构：* 意图 → 指明方向* 思路 → 指明路径* 规训 → 保证落地“意图定义了要去哪里，思想逻辑定义了怎么走，规训边界定义了不能走错。”如果掌握这三层逻辑，你会发现——和 AI 的对话不再是“问答”，而是一场认知的放大游戏。#新媒沈阳聊ai#

13. 真正的AI原生，淘汰的是传话式管理。 #大有学问 #红衣聊AI #AI时代

14. Paul Graham 和 OpenAI 联合创始人Greg Brockman 最近都在猛推品味（Taste）。确实，随着大模型越来越强大，生成门槛也会彻底消失，“品味”或许才是真实护城河。我把这种 Taste 理解成一种极度稀缺的高阶判断力，比如：- 识别表面没问题的“无思想废话”输出。- 能在海量输出中，一眼挑出真正抓住了意图的文字、图片或视频。- 不再只是堆砌代码，而是从架构的角度进行全局考量。那么问题来了：这种品味是天生的，还是可以通过某种暴力训练习得？

15. 千问发布2025十大AI提示词，股票意外排名第一，普通人如何用AI做好投资？

16. 代理式AI与生成式AI，一文讲清你的业务该如何选

17. 来看看最懂大模型的人教你写提示词，网上的技巧大多都没用。我最近看到一份大模型厂商内部的 AI 提示词指南，觉得很值得讲一讲。写它的人 Alex Albert，是做 Claude 的 AI 公司 Anthropic 在2023年招进去的内部第一位提示词工程师，原职衔甚至有点不正经，叫 prompt engineer and librarian（提示词工程师加图书管理员）。这两年他升到 Anthropic 开发者关系负责人，对外讲 Claude 怎么用基本都是他的活，这份官方指南也是他的核心维护内容。可以说，他大概是最了解 AI 大模型怎么读提示词的那一类人。看完之后我回头翻了翻网上各种「提示词课」的笔记，发现一件挺尴尬的事：网上传的那些「魔咒式技巧」（「我会给你50美元小费」、「你是顶尖专家」之类），从模型厂商内部视角看大多数没用，有些反而让答案变差。这份指南讲的是模型内部如何看待你写的提示词、什么真正影响它的输出。能拿到这种「模型厂商内部视角」的资料并不多见。先说网上传得很广、但官方指南明确说没用或反作用的几条。第一条误区是激励式提示词。「我会给你50美元小费」「做不好就处罚你」这种套路，过去一两年在国外社交圈传得到处都是。Anthropic 内部测过，对最新的 Claude 模型，小费、威胁、装客气这些「小把戏」基本不影响输出质量。模型不在乎你赏不赏它，它只在乎你说清没说清。第二条误区是「你是一位 X 行业20年专家」开头万金油。我们之前介绍过一项研究：在事实问答任务上，加这种「专家身份」反而把准确率从七成多拉到不到七成。官方指南里也讲明白，角色扮演型提示词在写作、风格化这种场景里有用，做事实任务别滥用。第三条误区是越长越复杂越好的提示词模板。有些课程教人用三百字模板包一个本来三十字就能说清的请求。指南里的第一原则就一句话：直接、明确说要什么，不要绕弯子。模型不需要被催眠，它需要的是清楚的指令。第四条误区是「魔咒关键词」。比如英文圈传得很玄的 "think harder"（想得更努力）、"work very carefully"（仔细工作）、"this is very important"（这件事特别重要）这种词。简单的「先一步步分析再答」那种引导是真有用的；但「这件事特别重要哦」这种就是噪声，对今天的模型没意义。那真正有效的是哪几条？指南里讲的第一条不是技巧，是心态：好的提示词像给一个新同事讲任务，不是写咒语。落到具体动作，几条最值得记的：第一条最被低估的是给具体例子。指南里讲，给一个例子比写五条抽象规则有效。你想让 AI 写一段产品介绍文案，与其写「要简洁、要专业、要有吸引力」，不如直接贴一段你觉得对味的范文，让它「按这个风格写」。这一招业内叫「多例提示」（英文 multishot prompting），对几乎所有任务都有效。第二条是给模型时间想。复杂任务前面写一句「先一步步分析，再给最终答案」。指南给了三层做法：基础（直接写一句「先一步步思考」）、引导（列出具体的分析步骤）、结构化（用 <thinking>（思考）和 <answer>（回答）这种标签把「想」和「答」分开）。第三条是用 XML 标签做结构。把上下文资料、任务说明、输出格式分别用 <document>（资料）、<task>（任务）、<format>（格式）这种标签包起来。指南里特别强调一句：标签名字怎么起不重要，前后一致就行。比起用空行或破折号分隔，标签对模型识别的提升很明显。第四条是允许 AI 说「不知道」。在提示词里写一句「如果资料里没有这个信息，就直接说不知道，不要编造」。这是降低幻觉率最简单有效的一招。模型本来就知道自己不知道，是被人逼着回答才编的。第五条是定义输出格式。直接说要「列表」「表格」「JSON」还是「两段话」，比让模型自由发挥稳定得多。把这几条揉进一段普通提示词，长这样：请分析下面这段产品评论的情绪倾向。先一步步分析评论里的关键句，包在 <thinking> 标签里；然后给出最终判断（正面、负面或中立），包在 <answer> 标签里。如果有判断不准的地方，直接说不确定，不要硬编。最后给一段不超过100字的总结。评论内容：……不用装客气，不用「专家」开头，不用承诺给小费。清楚的结构加具体的例子加明确的格式，就是最强的提示词。顺带说一句，上面这几条原则不绑死 Claude。同样的思路放到国内大模型（DeepSeek、Kimi、通义、豆包、文心）一样能跑——XML 标签、给例子、让模型先想再答、允许说不知道，这些是底层做法，跟用哪家模型没关系。看完这份指南最朴素的感受是：好的提示词不需要花哨。清楚直接、给具体例子、让模型先想再答、允许它说不知道、定义输出格式，这五条做到了，绝大多数「魔咒」就不重要了。

18. //@黄健楸:宝玉哥向Linus看齐了（不管理代码，发网上就好）。另外原博的提示词可以考虑做成早午晚。上半年给《醉翁亭记》试着做插图（野芳发而幽香，佳木秀而繁阴，风霜高洁，水落而石出者，山间之四时也），效果不太好，不知道现在怎样。//@宝玉xp:回复@Sigurd司格德:我其实不管理提示词，极少数常用的做成 Gem 或者 Project，其他的发完就完了，因为掌握了写提示词的方法，就可以源源不断的产生提示词。当然某种程度上来说，发出来也是一种管理提示词的方法，因为会被搜索引擎收录，需要的时候关键字就能检索。//@Sigurd司格德:老师请问提示词怎么管理呢，在您这学了好多提示词，直接用文档存储吗

19. 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。

20. AI生成电影级别质感视频！Seedance 2.0提示词运镜技巧（附提示词案例）

21. 优秀TVC百万级别视频提示词深度解析

22. 揭秘刷屏的生成式AI背后，是这四个反常识的真相

23. 即梦AI最新的Seedance 2.0视频模型，普通人拍电影的时代来了！（附使用教程）

24. //@穆朔伪粮食:我之前写内部分享也写过这点，提示词工程包括vibecoding的本质是把你的职场合作做事的经验转换成大模型能够准确理解的指令，你和程序合作要讲需求背景，给相关资料，设计案系统案，那跟大模型合作也一样要准备。你和人合作按什么方式审核，验收，要给标准，边界条件，澄清需求，对大模型也一样。除此之外的所有歪招都是逗自己玩。//@汪有:本文非常好，我有个判断标准：如果一个人在没看到这篇文章之前，就能在使用AI时自行领悟出本文的大部分提问技巧，就说明这个人有相当的职场思考能力。学习本文技巧没那么重要，能把这些东西在实操里研究出来的能力非常重要。目前我接触的90%的职场人都没有这个能力。//@炸号青年小王:好的提问真的很重要……

25. 告别生成排队，彻底实现顶流模型创作自由

26. 优点：1. 有 CoT 收集上下文；2. 有清晰的角色设定； 3. 有❌ vs ✅ 的对比式教学。可以优化的地方：1. 清晰的读者画像，是专业人士还是爱好者还是小白；2. 补充读者不了解的背景知识和事实核查；3. 输出的格式、长度；4. 改写的尺度：是润色、结构化改写？如果是结构化改写，应该有哪几种结构参考？可以根据文章类型提供几种不同结构选择会更好。最后，可以让 AI 给建议，例如可以这样问AI： <draft-prompt>[你的原始提示词]</draft-prompt> 这是一套{将学术文章变成科普文章}的提示词，我希望它能{通俗易懂引人入胜，让读者读后有收获感}。帮我从提示词工程的角度点评一下上面的提示词，哪些地方做得好，哪些地方不足，如何改进

27. 【你以为AI编程拼的是提示词，其实高手都在“驯化”项目结构】快速导读：别再卷提示词了。想让Claude像个真正的工程师一样干活，关键不是怎么“说”，而是怎么“放”。一个结构清晰的代码仓库，远比一段天花乱坠的提示词更重要。---多数人还在琢磨怎么把提示词写出花来，但真正拉开AI编程效率差距的，根本不是提示词。你以为让Claude写出好代码，靠的是把需求描述得滴水不漏。其实，如果你的代码仓库一团糟，它就只是个聊天机器人；如果结构清晰，它才表现得像个住在你项目里的高级工程师。这中间的差距，比人和狗的差距都大。秘诀在于给AI建立一套“项目解剖学”。这套结构，就是AI的“短期记忆”和“行为准则”。它只需要四个东西：1. CLAUDE.md：项目的北极星文件，简要说明系统目的、仓库地图和交互规则。短小精悍，废话太多AI会抓不住重点。2. .claude/skills/：可复用的专家模式。把代码审查、重构、调试等固定流程变成技能包，随时调用，而不是每次都在提示词里重复念叨。3. .claude/hooks/：自动化护栏。模型会忘事，但钩子不会。比如编辑后自动格式化、核心代码变更后触发测试，把AI工作流变成可靠的工程系统。4. docs/：渐进式上下文。别把几万字的需求文档塞进提示词，让AI自己去查阅架构图、决策记录和操作手册。它不需要记住一切，只需要知道“真理”在哪。有人在一个5万行代码的库上实践这套方法，Claude的错误率直接降低了大约60%。评论区里一片“原来如此”的声音，大家普遍认同：结构大于提示词，仓库本身就是终极提示。提示词是租来的，结构才是你自己的。所以，如果你还在每天花几小时跟AI“念经”，却发现它总是犯些低级错误，问题很可能不在你的提示词写得够不够“魔法”，而在你的项目结构是不是一坨屎。别再抱怨AI笨了，也许它只是在你的烂摊子里迷了路。---简评：这篇文章精准地指出了当前AI辅助编程领域的一个核心误区：过度迷信“提示词工程”，而忽略了更基础也更重要的“上下文工程”。它提出的“项目结构即提示”的观点，对于那些感觉AI“不好用”的开发者来说，无疑是一次认知矫正。从“教AI做事”转向“为AI搭建舞台”，这才是人与AI协作的正确姿势。---ref: x.com/vishisinghal_/status/2032368817981305196#AI创造营##人工智能#

28. 在设计Agent系统提示词的时候，与其对一份系统提示词进行反复修改，不如让这个Agent使用的LLM模型自己生成系统提示词，你要修改的其实是LLM生成系统提示词的用户提示词，而不是直接修改系统提示词，应当对Agent进行版本控制的是用来生成系统提示词的用户提示词。

29. 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

30. 【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？

31. 15 个最佳Seedance 2.0 提示词：打造病毒式影片的终极指南

32. AI提示词技巧！一文学会高效地对AI进行提问

33. 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？

34. 【AI辅助设计】设计师的灵感弹药库：Nano Banana 广告与产品设计提示语精选-附提示语大师教程！

35. 回复@来自北方511:<draft>{手绘风格的北京旅游手账插画Prompt，来自我以前为GPT-4o 写的}</draft>帮我把上面的提示词变成通用的提示词模板，我输入地名和天数（可选），就可以根据根据地名生成推荐攻略评论配图 //@来自北方511:回复@宝玉xp:博主，能提供一下是用什么样的提示词来写出这样的提示词。另外也是用Germin来做提示词的输出吗，感谢🙏

36. nano banana Pro的能力边界还是挺强的现如今，善用提示词和不善用提示词完全是两套效果。提示词的打磨成了AIGC的下一个难点。俺们工作室，26年也会加入更多AI工作流，不会照本宣科做生成，而是让AI变成加速创意落地、减少创意成本的工具~

37. 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？

38. 即梦AI视频6大经典提示词公式

39. 停止低效创作！这套爆款内容系统，正在重新定义内容工业化生产！今天我给你彻底拆解：为什么你的内容创作效率低下，而头部品牌却能批量产出爆款？因为你们之间，隔着一套"AI时代的内容生成工具"。给你看个国内某头部公司的爆款内容采集分析&二创系统，这套系统不是简单的工具，而是完整的"内容工厂"解决方案。它解决的不是单点问题，而是整个内容生产流程的数字化转型。 #飞书 #短视频运营 #小红书运营 #内容创作 #ai内容创作

40. Claude Code+DeepSeek V4 Pro安装教程｜3步从零装好开始用 | Mac Windows

41. 《扣子开发 AI Agent 智能体应用》018-提示词编写和优化（扣子平台设置提示词案例）

42. 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

43. 我文章写的“提示词”是狭义的“系统提示词”，广义上说，输入给AI都算提示词，这个角度说提示词很重要//@王刀刀2:非常好的文章但我有点不同看法/冒昧地补充：“厨艺”除了模型，还应包括提示词，更本质地说，“作者表达“。因为这是更直接的“上手操作”，是人所控制的厨艺。心里有“食材，口味”，但如果说不明白，也没用。用Agent写更如此，因为要把默会知识显化

44. 上下文之上文//@宝玉xp:我文章写的“提示词”是狭义的“系统提示词”，广义上说，输入给AI都算提示词，这个角度说提示词很重要//@王刀刀2:非常好的文章但我有点不同看法/冒昧地补充：“厨艺”除了模型，还应包括提示词，更本质地说，“作者表达“。因为这是更直接的“上手操作”，是人所控制的厨艺。心里有“食材，口味”，但如果说不明白，也没用。用Agent写更如此，因为要把默会知识显化

45. 一个被低估的提示词神技

46. 2025年，停止收藏提示词

47. 保姆级反推提示词教程 | 3步复刻任何优质图片

48. 学会反推提示词，AI才真正好用

49. 邪修_3招教你正确利用ai反推图片提示词

50. 如何正确用AI反推提示词

51. 绝了！吃透这套反推逻辑，AI生图零翻车

52. 【AI游戏剧提示词】独创！适合任意图片提示词Prompt反推「多维法」详解

53. 如何让AI“抄”参考图？一篇讲透反推提示词方法，附实战案例

54. 不会写AI提示词？用AI反推提示词，一键生成高质量文案！

55. AI复刻风格，别再单图反推了

56. 别卷提示词了！让AI自己反推提示的“逆向工程”实操

57. 不会写AI提示词？试试这个反向技巧，新手也能轻松上手

58. 假如在其他地方看到某张图画，你想要最贴合的复制该图片的画风，要如何提取描述

59. 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

60. 动手学大模型智能体第三章提示工程

61. GPT-5.5 官方提示词指南

62. Google Prompt Engineering白皮书-翻译5

63. Vibe Coding 提示词指南 - 代码调试提示词技巧

64. 提示词方法

65. 普通人学用AI之提示词结构

66. AI不会用的人吃大亏！这5个提示词技巧，让效率翻倍

67. AI产品经理必看

68. 【每日AI干货】2026年4月必学

69. 封神！AIGC漫剧大模型提示词技巧，告别画面拉胯、角色漂移

70. AI使用的10种最佳实践

71. 5条提示词操作心法——把 AI 从“会回答”，训练成“能干活”!

72. AIGC学习-提示词设计与优化

73. 提示工程最佳实践

74. AI提示调试减半秘诀

75. 67页|Google_提示工程（中英）

76. 2026提示词测试实战

77. 一套让提示词可靠性提升10倍的工程框架

78. 详解 | AI系统工程范式的演化及最新进展

79. AI Engineering 5.1 提示工程

80. Claude 提示工程最佳实践

81. 建议收藏

82. 模型沟通术

83. 提示词工程最佳实践

84. 提示词工程要死了吗？2026年还值不值得学

85. 提示词工程的最佳实践

86. AI技术分享

87. 从“帮我写个方案”到高质量输出

88. 如何写出好的Prompt（提示词）？

89. 提示词工程

90. 如何写出高精度AI提示词

91. OpenAI官方干货！GPT-5.5 最佳提示词指南与迁移技巧

92. 【提示词工程】高效运用AI的五种方法：角色赋予、上下文工程、思维链推理、小样本提示和反向提问

93. AI逆向模型-让AI真正理解你核心意图的秘诀

94. AI视频提示词反推技术指南 (2026版)：基于多模态大模型的逆向工程 | 小兔AI审美局

95. 超强！GPT-Image-2 提示词网站，支持逆向，根据图片生成提示词

96. 提示太长不认、太短不对、复杂场景全乱？ICLR 2026四种方案教你拿捏文生图提示工程

97. AI文生图秘籍：掌握提示词反推法，零基础也能出高级商业场景图

98. B8-一键反推各类《AI 短视频》提示词超强工作流！告别瞎写提示词，一键反推 AI 短视频文案！

99. 不会写提示词？用豆包一键反推，3分钟复刻任意图片！

100. 6个大模型提示词高阶调优技巧，手把手教你让AI输出超精准！

101. 提示词工程与长程推理最佳实践【Claude 4.5官方指南】

102. 【提示词技巧】问答生成可用度90% 技巧全面总结

103. AI大模型辅助下的源代码项目-逆向工程和单个业务功能完整逆向提示词

104. 别人生成的AI图超好看，不知道用的啥提示词

105. 别再瞎写提示词了！一个方法，让AI秒变高手

106. 说实话，这套gemini提示词，可以助你聚焦文献综述的研究主题

107. 5个让AI回答翻倍精准的提示词技巧，亲测有效

108. AI提示词真正好用的方法都在这里了

109. 大模型时代的心理学科研：提示词工程让你的研究更高效

110. ✨AI 反推提示词｜新手必学万能公式

111. AI视频提示词一键反推！看到爆款直接"抄作业"，丢视频吐提示词，准确率80%+（附完整工作流）

112. 使用 llamacpp + Qwen3.5 实现图片视频提示词反推

113. 提示词工程实战：如何写出高质量AI提示词

114. #gemini 最近刷到一些手势互动的视频，感觉很有意思，我也用大模型捣鼓了一个。借着这个机会，分享一下我用大模型的一点点经验。大模型刚出来那会儿我就开始用了，这两年来它的能力越来越强。我靠着它，多次高效高质地完成了各项实验和作业，还把很多想法落地成了可以使用的小程序、小软件。关于大模型的使用，我总结出几点方法和心法。首先，最重要也是最基础的，就是选对模型。不同模型在不同任务上的表现差异很大，咱们非专业人士不用啃技术白皮书，看一些测评博主对各大模型的测评结果就完全够用。选适配任务类型的模型，哪怕需要付出一定的费用也是值得的。其次是提示词的编写，现在也有专门的研究领域，也就是 Prompt Engineering（提示工程）。咱们非专业的，掌握一些常用实用的提示词技巧就够用了：明确需求与输出格式，设定角色定位与目标受众，再清晰定义任务核心；用分隔符划分需求、约束、输出要求等模块，让指令结构更清晰；按逻辑顺序拆解任务步骤，最好附上一到三个参考示例，降低 AI 理解偏差。若结果不符预期，可以针对性地补充细节，通过多轮沟通，推动大模型输出精准贴合需求的内容。最后是心法：放下对大模型 “一次对话就成功” 的期待。就算它回答得牛头不对马嘴，也别焦虑烦躁。Be water, my friend，耐心多和它聊聊就好。我们反馈的信息越多，它给出的结果就越靠谱。

115. 提示词也有“经典款”：经得起考验3个提示词结构

116. 大语言模型自动化提示工程技术研究综述

117. 让你成为Ai高手的提示词

高效提示词的核心：从反推输出开始

精选参考来源