当前位置：

社区首页

电脑数码

软件应用

服务软件

AIGC文章详情

Notion AI提示词避坑指南：新人教程高效生成的核心结构与实操方法

源自133位全网作者

06-03 19:48

精选参考来源

#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

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。

全部
来源

内容由AI生成

1. #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

2. 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。

3. 2026年了！大部分人还不会给AI提示词。

4. 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。

5. 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

6. 【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。

7. 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

8. 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？

9. 【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#

10. 发现一个AI的新用法，再也不用担心不会写提示词了！

11. 《扣子开发 AI Agent 智能体应用》017-提示词编写和优化（驱动智能体的核心指令）

12. 【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

13. 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？

14. 当模型推理能力越来越强，我们还需要提示工程吗？

15. 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。

16. 谷歌68页提示词圣经+老金原创元提示词，直接复制就能用

17. 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#

18. 2025年AI提示词深度指南：从基础知识到高级技巧

19. 【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/

20. 【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？

21. 高效提示词（prompt）工程指南

22. 【7个提示词，让 Claude 从聊天机器人变成思考伙伴】快速阅读：多数人把 Claude 当搜索引擎用，Karpathy 把它当长期协作伙伴。差别不在模型，在于你怎么构建问题本身。---普通人给 AI 一个问题，等一个答案。Karpathy 给 AI 一套思维框架，然后让它在框架里工作。有网友一语点破：这些提示词本身只是表象，真正的差距在于你如何定义问题。提示词是结果，思维方式才是原因。以下是 7 种具体用法：1. 系统拆解提示：遇到复杂问题，强制 Claude 按步骤走：明确问题、列出假设、识别约束、拆分子问题、提三种方案、比较权衡、给出执行路径、预判失败点。这套流程本质上是把你的思维过程外包出去，然后让 AI 替你跑一遍。2. 第一性原理提示：不要类比，不要总结，从最底层概念开始，一层一层建起来，最后给出心智模型、真实应用和常见误解。适合搞懂 LLM、系统设计、数学原理这类容易“以为自己懂了”的东西。3. 研究简报生成：让 Claude 给出某个领域的全景图，包括玩家格局、当前路径、失败案例、市场空白、逆向洞察和可落地机会。它会变成一个还不错的分析师。4. 构建架构提示：从想法到实现，要求它给出最简版本、组件结构、数据流、技术栈、构建顺序、边界情况和扩展策略。省去大量乱猜阶段。5. 提示词优化器：把你自己写的提示词扔进去，让它优化清晰度、结构、约束条件和输出格式，并解释改了什么、为什么更好。提示词质量会随时间复利增长。6. 专家模式切换：让它以高级工程师对工程师的方式回答，跳过入门解释，直接聚焦实现、权衡和踩坑点。7. 批判性思考伙伴：让它不要盲目附和，主动挑战你的假设、指出逻辑漏洞、提出替代方向。这一步大多数人从来不做。有网友补充了一个实践细节：在开发应用的过程中，你得反复做审计，一旦发现模型开始循环并强行引入不必要的改动，那就是该叫停的时机。这 7 个提示词值得存起来反复用。不过更值得记住的是：AI 给出的答案质量，上限就是你提出问题的质量。x.com/Suryanshti777/status/2036796681195258207#AI创造营##人工智能#

23. Seedance 2.0 到底怎么写提示词，才能真的有“电影感”？我测试下来一个结论：别堆参数，写“分镜”。Seedance最强的能力，是把文字拆成镜头语言。所以提示词一定要有结构：✅ 主体 + 场景 + 时间✅ 镜头顺序（特写 → 中景 → 远景）✅ 镜头运动（推近 / 跟拍 / 环绕 / 慢动作）✅ 情绪氛围 + 原生音效✅ 节奏设计（前慢后快 or 留白收尾）给你一条稳出片模板👇“雨夜老街，主角奔跑。开场手持跟拍，镜头突然推近面部特写，霓虹倒影映在积水中。背景有急促脚步声和远处警笛声，整体节奏紧张，电影级光影，结尾画面渐暗。”⚠️三点别踩坑：1️⃣ 一定写清镜头运动2️⃣ 音效是加分项3️⃣ 形容词控制在3个以内工具已经到位，拼的是表达能力。你们最近跑出什么好片？#Seedance必玩提示词模板##HOW I AI##过个有AI年#

24. 【2026年，提示词工程将成为你最重要的隐形技能】很快，你每天使用的工具都会变成一个对话框。能写出好提示词的人，将获得别人难以复制的输出。这不再是锦上添花，而是真正的竞争优势。你可能觉得自己已经搞懂了提示词——毕竟你已经创建了自定义GPT或Claude项目来帮你写提示词。坦白说，那些东西很糟糕。真正的提示词工程，80%的工作发生在你打开聊天窗口之前。+ 隐形的工作当你坐下来写提示词时，你脑海中有一个模糊的想法，然后期待模型能填补空白。但模型不知道你脑子里在想什么，它只知道你打出来的字。模糊的输入，必然产生模糊的输出。大多数人跳过了提示词工程中最难的部分——思考。他们以为工作在于打字，其实工作在于想清楚。+ 法则一：清晰度就是一切这里说的不是你键盘上打的字，而是你脑海中看到的画面。如果你只能看到模糊的东西，模型给你的也同样模糊。你需要在把想法转化为语言之前，先把脑海中的图像打磨清晰。问自己这些问题：这个视频特别在哪里？我脑海中的画面和普通作品有什么不同？为什么有人看完这段文案会想买？我想在什么时刻创造什么情绪？去找参考。找到一个能完美呈现你想要效果的案例，让你看了会说“对，就是这个感觉”。一旦你脑海中有了清晰的画面，把它翻译成提示词就变成了机械性的工作。+ 法则二：上下文是一切无论你在做什么项目，按这个流程操作：1. 在你选择的AI工具中创建一个项目2. 让AI就这个项目采访你——目标、约束、受众、任何相关信息3. 把整个对话保存为context.json文件，上传到项目中4. 以后每次对话，让AI更新这个文件，然后替换旧版本这只需要两分钟，却能完成80%的上下文工程工作。+ 法则三：任务分解AI模型和你一样——当你清晰地列出任务和顺序时，它表现得更好。如果你让AI写一份商业计划书，它会给你一个标准模板，平淡、通用、没用。但如果你让它先写一个聚焦市场时机的执行摘要，然后是包含心理触发点的用户画像，跳过竞争分析因为你在创造新品类——你得到的就是定制化的东西。+ 法则四：定义输出格式人们每天跑深度研究提示词，给模型上下文、来源、详细指令，最后得到一份二十页几乎没法用的文档。你可以指定任何输出格式：要点列表、JSON、表格、执行摘要。想想你拿到输出后要做什么，然后围绕这个用途设计格式。+ 法则五：提供示例当你提供示例时，你在强迫模型在一个特定的通道里工作，而不是从整个训练集中随机抽取。这意味着你得到的输出会匹配你的风格，而不是通用的AI风格。+ 法则六：角色设定不要说“你是一个营销专家”，试试这样：“你是那种能看到消费者行为中别人完全忽略的心理模式的营销人，能在事情火之前三个月就预测到，因为你对注意力经济的理解达到了大多数人永远无法企及的水平。”你不是在让AI扮演一个角色，而是让它进入一种新的思维方式。+ 法则七：约束定义明确你不想看到什么。约束就像设计中的负空间——通过清晰地勾勒你不想要的东西，来定义你想要的形状。保持约束具体且有限，每个提示词最多三到五条。+ 这些法则如何协同工作这七条法则不是简单相加，而是相乘。清晰度加上上下文，比单独的清晰度强大得多。上下文结合任务分解，产出的东西感觉像是一个在你项目上工作了几个月的人做的。你的工作不是记住这些法则，而是学会如何为你的具体场景把它们叠加起来。从清晰度开始。在打开聊天窗口之前想清楚你要什么，找参考，问自己那些不舒服的问题。然后层层叠加上下文、任务结构、格式规范、示例。像设计一个思维系统那样构建你的提示词，而不是给聊天机器人发消息。因为在专家层面，提示词工程就是认知架构设计，AI只是执行引擎。大多数人会继续把它当成一个许愿的魔法盒子。你不会。原文：x.com/levelsio/status/1932773893893009696

25. 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#

26. 为什么我编写不出优秀的ChatGPT提示词?

27. “Skill 不就是长一点的提示词吗？” 上篇文章《别把整个 GitHub 装进 Skills，Skills 的正确用法 http://t.cn/AXqLcGP0 》发出去后，收到一些质疑： > "说 skill 能做配图 prompt 不行。本来 skill 就是加载 md，没 skill 之前我们用 prompt 模板照样也是能做流程编排。" > > "现在大部分 skill 不就是长一点的提示词吗？为什么说'单纯靠提示词做不了'？" 这些批评是对的。我原文确实表达有问题。写"提示词"的时候，我下意识拿 Gem、Project、GPTs 里的那种提示词当例子。那些确实做不到一次性生成配图。但"提示词"是个很宽泛的概念。如果我把 SKILL.md 的内容复制出来发给 Claude Code，再给它一个生成图片的脚本，它一样能完成配图任务。这里的差异不在于提示词能不能复用，Gem 和 GPTs 里的提示词也能复用。差异在于：提示词配套的是 ChatBot，还是 Agent？【1】ChatBot 和 Agent 的核心区别 Skills 的完整名称叫 Agent Skills。注意这个"Agent"，它不是装饰词。Skills 利用 Agent 的虚拟机环境，提供单纯提示词无法实现的能力。一句话总结：ChatBot 只能对话，Agent 能动手干活。具体来说： ChatBot 不能调用工具。你给它一段配图提示词，它能帮你分析文章、生成画图 prompt，但真要生成图片？它只能说"请把这段提示词复制到 Gemini"。剩下的活还是你干。 Agent 能调用工具。同样的配图任务，它能像个经验丰富的编辑一样自己完成： 1. 读取你的文件 2. 分析需要几张图、放哪里 3. 为每张图设计内容和风格 4. 调用画图模型生成图片 5. 把图片插入正确位置 6. 输出成品交到你手上全程自动化，你只需要验收。【2】那 Skill 到底是什么？很多人把 Skill 理解成"一段很长的提示词"，这个理解对了一半。 SKILL.md 的核心确实是指令文本。但 Skill 不止于此。一个 Skill 可以包含三层内容：第一层：元数据。就是 name 和 description，告诉 Agent 这个 Skill 是干嘛的、什么时候该用。这部分在启动时就加载，但只占几十个 token。第二层：指令。SKILL.md 的主体内容，工作流程、最佳实践、注意事项。只有 Agent 判断需要用这个 Skill 时，才会读取这部分。第三层：资源和代码。附带的脚本、模板、参考文档。Agent 按需读取，用的时候才加载。这就是官方说的"渐进式加载"：不是一股脑把所有内容塞进上下文，而是用到什么加载什么。所以你可以给一个 Skill 附带几十份参考文档，只要这次任务用不上，它们就不占用上下文窗口。传统提示词做不到这一点。【3】为什么说配图"单纯靠提示词做不了"？回到原来的争议。如果你说的"提示词"是指发给像 Claude Code 这样的 Agent 的指令，那配图当然能做到。因为这时候提示词是发给 Agent 的，Agent 能调用工具。但如果你说的是发给普通 ChatBot 的提示词，比如 ChatGPT 的自定义指令、Gemini 的 Gem、Claude 的 Project 指令，那确实做不到。因为 ChatBot 没有工具调用能力，它只能输出文字。我原文的问题在于：默认读者理解的"提示词"是 ChatBot 场景下的提示词，但没有明确说出来。更准确的表达应该是：Skill 必须配合 Agent 使用。发给 ChatBot 的提示词，无论写多长多详细，都只能完成对话能完成的事。要让 AI 真正"动手"，需要的是 Agent + 工具调用能力。【4】那我直接给 Claude Code 发长提示词不行吗？行。把 SKILL.md 内容复制出来当提示词发，Agent 一样能执行。这也是为什么有人觉得"Skill 就是长一点的提示词"。但 Skill 的价值不在于"能不能做到"，而在于：可复用。写一次，以后每次相关任务自动触发，不用每次复制粘贴。可组合。分析 Skill + 提纲 Skill + 写作 Skill，像乐高一样拼起来。单独的提示词模板做不到这种模块化组合。可迭代。用着用着发现问题，直接让 Agent 帮你改进 Skill。下次自动生效。传统提示词模板改了之后，你得记得每次都用新版本。可渐进加载。Skill 附带的资源文件不会一开始就占用上下文。你的提示词模板再怎么组织，发出去就是全量加载。简单说：Skill 是提示词的工程化封装。能做的事差不多，但管理成本、复用成本、迭代成本完全不同。【5】最后上篇文章的核心没变：因需而建、可组合、可迭代。 Skill 就是长一点的提示词吗？是的。但光有提示词不够。关键是执行这段提示词的系统，到底是只会说的 ChatBot，还是能真正动手的 Agent。 Skill 是给 Agent 用的。没有 Agent 的工具调用能力，Skill 就只是一段躺在文件夹里的 Markdown。

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. 《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）

30. Vibe Coding 是一个基于 AI 结对编程理念打造的终极开发工作站，旨在帮助开发者高效、系统地将创意转化为可维护代码。它融合了作者多年开发经验与丰富的提示词库，形成一套严谨且灵活的流程体系，强调规划驱动与模块化设计，避免 AI 失控造成项目混乱。核心理念在于“规划就是一切”，通过定义生成器（α-提示词）与优化器（Ω-提示词）两大母体提示词，构建递归自我优化的 AI 系统，使提示词及技能持续进化，最终实现无限逼近预期目标的自我超越。Vibe Coding 提供完整的开发流程指南：从网络环境配置、开发环境搭建、IDE 设置，到项目设计文档撰写、技术栈推荐、实施计划生成，再到代码实现、测试与迭代，每一步均配合 AI 进行，确保开发高效且可控。特别强调先结构后代码，避免技术债务积累。工具链方面，推荐使用 Visual Studio Code、Neovim 等强大编辑器，配合 Claude Opus 4.5、gpt-5.1-codex 等顶级 AI 模型，实现代码生成、测试、调试、文档管理等一体化工作流。还集成了丰富的辅助工具如 Augment (上下文引擎)、Zread (代码阅读)、tmux（终端复用）、DBeaver（数据库管理）等，极大提升开发体验。项目配套了详尽的提示词库，涵盖系统提示词、编程提示词、用户提示词及辅助提示词，支持快速构建高质量的 AI 交互策略。通过严格的规则和上下文管理，确保 AI 生成代码的质量与一致性。此外，Vibe Coding 还提供丰富的实用技巧和常见问题解答，帮助开发者快速上手并解决开发中遇到的各种挑战。其开源 MIT 许可让社区能自由贡献与扩展。Vibe Coding 通过“规划驱动 + 上下文固定 + AI 结对执行”，让「从想法到可维护代码」成为一条清晰且可审计的流水线，极大提升了开发效率与代码质量。项目开源地址：github.com/tukuaiai/vibe-coding-cn无论是新手入门还是资深开发者，Vibe Coding 都能帮助你驾驭 AI 助力的开发新时代。

31. 谷歌68页圣经看完更焦虑了，所以我做了个Hook让它全自动强化，并用了老金我的元提示词

32. OpenAI 官方发布 GPT 5.5 提示词指南，我总结了 7 个关键变化！

33. AI提示词技巧！一文学会高效地对AI进行提问

34. 别再踩这些提示词坑了！6个常见错误，看完少走弯路

35. 如何写出高质量提示词_新手必看的详细教程

36. 小白学 AI，别背提示词模板

37. Notion AI 工作流模板为什么在创作者圈走红？我先给你 3 个最值得抄的用法

38. AI提示词这7个错误，90%的人都在犯

39. Day6

40. 普通人学用AI之提示词结构

41. 干货 | 如何写出专业的 AI 提示词

42. AI提示词进阶教程 4 - 提示词如何评估与迭代？

43. 提示词

44. 有没有万能通用的提示词技巧？

45. 别用你好开场了，这样写提示词，AI秒变专家！

46. AI 场景落地实操系列（二）你真的会用提示词了？

47. 一文吃透AI提示词

48. 从模糊到精确

49. 第一招技术

50. 用AI学习的正确打开方式

51. 5个要素，30秒教你掌握高效提示词，一句话让AI秒变贴心助手

52. 专家级 AI 提示词指南

53. 普通人也能用的AI提示词进阶秘籍，掌握这5个技巧，你的AI输出质量直接翻倍

54. 提示词设计课

55. AI提示词优化案例—— 从0到1的完善之路

56. 提示词深度优化

57. 我用这套"超级提示词"让AI效率暴涨300%

58. 别再瞎问了！这套AI提示词模板，让你的效率提升10倍

59. 别再死磕提示词优化，真正该优化的是上下文

60. AI时代的新蓝领｜提示词优化师真的能赚钱？

61. 高效使用AI

62. 怎么优化给AI的提示词

63. 人工智能赋能教育教学深耕提示词设计提升应用实效

64. 每日通识 · 提示词工程 | 人机协同下的教学创新

65. 会用AI的教师，正在把“备课”升级为“专业教学设计” ——教育教学场景下的AI提示词应用指南

66. 提示词设计是教师教学素养的具体体现

67. 第1期｜很多教师提示词写不好，暴露的其实不是AI能力，而是教学设计没想清楚

68. AI智能体Agent实战day2·新手篇

69. 提示词，就是把一件事交代清楚

70. 靠这四个AI技巧，十分钟就能完成一篇高质量的引言！

71. 手把手教你设计"提示词"

72. 我把AI写内容常用的6段提示词整理好了，新手可以直接套

73. 10个AI提示词神级模板，复制粘贴就能用，工作效率直接拉满

74. 别再瞎写了！AI提示词万能模板，直接复制就能用！

75. 新手必学AI提示词教程

76. Prompt-as-Code

77. 模糊语言变为机器指令

78. 为什么你的AI提示词总写不出爆款？因为你没用这3个“黄金公式”

79. Notion AI用法大全

80. Notion 系列·08｜用 Notion AI 写作

81. 我用AI+Notion搭建了一套「第二大脑」，用了3个月后彻底离不开了

82. Notion AI深度教程

83. NotionAI的办公效率真正有用的4个用法

84. 别再让 AI 直接给答案了

85. Notion AI把知识库文章改成新人教程提示词怎么减少来回改稿

86. AI提示词全场景模板库

87. “AI提示词”学习的七步内功心法！

88. 提示词写得好，AI效率翻倍

89. 新手用 AI 最容易踩的 10 个坑，我帮你全踩过了，别再浪费时间和钱！

90. 10个AI最常用提示词模板，直接复制就能用

91. 为什么你用的AI总说废话？因为你没写够2000字的提示词。

92. AI提示词指令提示词合集(含教程）

93. 提示词写作的 7 个致命错误，90% 的人都在犯

94. AI提示词进阶：五个技巧让输出质量翻倍

95. 第七篇：AI写作避坑指南，这5类错误提示词，千万别再用

96. 这10个教培AI口令，谁用谁起飞

97. YC系统一个功能，打破你的提示词创作瓶颈

98. 用AI写材料，提示词做好这三步就足够了

99. AI 提示词框架｜提示词工程结构化学习笔记

100. 中学教师AI教学增效攻略：10大核心场景深度优化提示词，拿来就用

101. 一线中小学教师10个实用AI教学提示词模板丨可直接复制使用

102. 写AI提示词容易犯的错误

103. 6 个高频场景下的提示词模板

104. 三个新手易犯的AI提示词错误，改完效果立竿见影

105. 一个提示词从0到可用，该改哪3个地方？

106. 职场小白必看！AI万能提示词模板，告别空洞回答直接上手

107. 写总结必备：一套分步提问的AI提示词模板

108. 03 材料星实操教程：ai提示词写法02课（进阶版、核心3要素）

109. 收藏永久可用！新手5组万能AI提示词，豆包+DeepSeek通用，零门槛直接抄

110. AI 写作这两年，我发现5个超好用的提示词

111. 三个新手易犯的提示词错误改完效果立竿见影

112. 价值1999元的AI写作课精华：这20个提示词模板，够你用一整年了！

113. 太强了！把这5个skill丢给ai，论文引言直接拿下

114. 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

115. AI 提示词封神指南：5 个核心技巧，让 AI 精准回应不跑偏！

116. 如何借助 Notion AI 工具优化你的创意工作流程

117. 核心技能：如何撰写驱动AI批量生成的高效“提示词”？

118. 你的提示词正在“杀死”AI的智商？专家揭示最常见的6个致命误区

119. 10个可直接复制的商务AI提示词模板，打工人效率翻倍？

120. 普通人学用AI之写提示词核心原则

121. 大模型提示词设计核心方法格式法

122. 8种AI提示词框架🌞附最全解释和案例

123. 2025年AI写作工具实用指南：新手也能快速产出优质内容

124. AI提示词 | 提示词结构

125. 普通人学用AI之一切从提示词开始

126. 【三棵人AI教育探索第3期】 AI教学应用系列1: 用Notion AI搭建课程

127. 新手用AI提示词，别再犯这2个错！效率暴增有妙招

128. YPrompt：为AI应用设计的提示词管理系统

129. AI提示词技巧

130. 关于提示词，一些新思考

131. 8个提示词模板+3个技巧，用AI助力教师教材编写！

132. AI写作咋写得好？8个提示词亲测超好用

133. 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

扫一下，分享更方便，购买更轻松

0评论

当前文章无评论，是时候发表评论了

提示信息

取消

确认

评论举报

垃圾广告！低俗色情！人身攻击！疑似水军评论！其他有害！