提示词越细越差？三类任务实测：简洁指令反而输出更准_服务软件

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. 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

3. 你们用AI做过哪些有意义的视频呢？

4. 最近看到有人整理了一套 Andrej Karpathy 风格的 Claude 提示词，一共 7 个，每一个都很实用，值得聊聊。大多数人用 Claude 就是直接丢个问题过去，等它吐答案。但 Karpathy 的思路完全不同，他把提示词当成一种思维框架，先帮 Claude 搭好思考的脚手架，再让它输出内容。效果差距非常明显。第一个叫"拆解法"，核心思路是让 Claude 在回答之前，先把问题拆成十个步骤：定义问题、找假设、列约束、分子问题、给三种方案、比较利弊、选最优、出执行计划、标失败点、提改进建议。这一套走下来，回答的深度完全不一样。第二个是"第一性原理构建法"，要求 Claude 从最底层的概念开始，一层一层往上搭，不许上来就打比方，先把术语讲清楚，再给心智模型、实际应用和常见误解。学 AI、学系统设计的时候特别好用。第三个是"研究简报生成器"，一条提示词就能让 Claude 帮你摸清一个领域的全貌：谁在玩、什么方案能跑通、什么方案跑不通、市场空白在哪、有什么反共识的洞察。省下你大量的前期调研时间。第四个是"架构设计提示词"，适合你有个想法但不知道怎么落地的时候。它会帮你规划最简版本、技术栈、数据流、构建顺序、边界情况，连 v2 怎么迭代都给你想好了。第五个很有意思，叫"元提示词优化器"，就是用提示词来优化提示词。你把自己写的提示词丢给它，它从清晰度、结构、约束、推理深度这些维度帮你重写一遍，还会告诉你为什么改完更好。属于降维打击。第六个是"专家模式切换"，一句话让 Claude 跳过所有入门级的解释，直接用资深工程师跟同行聊天的方式来回答，聚焦实现细节、关键取舍和常见的坑。第七个是"思考搭档"，让 Claude 不要无脑附和你，而是主动挑战你的假设、指出逻辑漏洞、提替代方案。这个时候 Claude 才真正变成了一个协作者。说到底，同样的模型，不同的人用出来效果天差地别。关键就在于你怎么组织自己的思维，然后把这个思维结构传递给 AI。这 7 个提示词就是很好的起点。#科技先锋官##How I AI#

5. Reddit 有一个热帖：我测试了1000个ChatGPT提示词，找到了2025年最有效的公式(附实例)。我看了看，跟我上次总结的一些提示词技巧很像，确实很有价值，方法叫：DEPTH ，分享给大家。原文翻译如下：自从GPT-3.5问世以来，我每天都在用ChatGPT，疯狂收集各种提示词。结果发现大部分都没什么用。经过1000多次测试后，我发现有一个框架效果始终最好： DEPTH方法： D - 定义多重视角别再写："写一封营销邮件" 试试这样："你现在是三位专家：一位行为心理学家、一位直接反馈文案写手和一位数据分析师。请你们协作完成..." E - 建立成功指标别再写："写得好一点" 试试这样："优化目标：40%打开率、12%点击率，融入3个心理触发点" P - 提供多层背景别再写："给我的公司用" 试试这样："背景：B2B SaaS产品，月费200美元，目标用户是忙得焦头烂额的创业者，之前的邮件打开率只有20%" T - 任务拆解别再写："做个营销活动" 试试这样："第一步：找出痛点。第二步：设计钩子。第三步：构建价值。第四步：温和引导行动" H - 人工反馈循环别直接接受第一版输出试试这样："给你的回答打分，从清晰度、说服力、可操作性和准确性四个维度评估，满分10分。任何低于8分的地方都要改进。如果有任何不太确定的说法，标注为'不确定'并说明原因。然后给出改进版本。" 昨天的真实案例： ``` 你现在是三位专家组成的团队： 1. 一位研究注意力机制的神经科学家 2. 一位拥有1000万粉丝的爆款内容创作者 3. 一位来自世界500强的转化优化专家背景：为AI咨询顾问创作领英帖子受众：害怕被AI浪潮甩在后面的CEO们之前的帖子：互动率只有2%(目标10%以上) 任务：创作一篇关于ChatGPT取代工作岗位的帖子第一步：写个能让人停下来的开头第二步：讲个他们感同身受的故事第三步：给出可执行的见解第四步：抛出一个引人讨论的问题格式：最多200字，小学六年级阅读水平写完后：给自己打分并改进 ``` 结果：互动率14%，47条评论，3个客户成交测试1000个提示词后的收获： 1. 单一角色的提示词只能得到平庸的输出 2. 没有指标就无法优化 3. 背景信息能大幅提升相关性 4. 拆解任务能避免AI混乱 5. 自我评估能让结果提升10倍 #提示词技巧##提示词工程##微博兴趣创作计划##全网热点共创计划##AI创造营#

6. 阿里千问与“AI Layer”崛起：一场重塑互联网的“操作系统”生态战【硅谷101】

7. 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

8. GPT Images 2.0 深度锐评与使用教学！它到底强在哪里？

9. 7个免费AI Skills，帮我从自媒体体力活中彻底解脱｜封面、文案、排版

10. 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。

11. 发现一个非常适合 AI 新手入门的提示词网站，忍不住想推荐一下。它最大的特点是：提示词分得非常清楚。不是那种一股脑丢一堆 Prompt 给你，而是按使用场景拆好。比如在「写作」这个大类下面，还会继续细分成：文章续写、写作建议、写作素材搜集等等。你一看就知道自己现在该用哪一类，而不是盯着 Prompt 发愣。对新手来说，这点特别重要。因为很多人不是不会用 AI，而是不知道“该怎么问”。这个网站刚好就解决了这个问题：你一边用，一边就能慢慢看懂，原来一个好提示词，是怎么被拆解出来的。地址：www.aishort.top不一定要照抄里面的提示词，但非常适合用来学习别人是怎么构建 Prompt 的。如果你是刚开始接触 AI，或者一直觉得“我用 AI 怎么没别人好用”，那这个网站基本算是一个不错的起点。#AI创造营##科技先锋官#

12. 看了下源码，把乔布斯的言论和思维模式整理成了2000多行索引包。相比于直接输入“用乔布斯的思维方式分析XXX”，小样本学习确实能提高输出的稳定性，但其实没本质突破，因为还是提示词层面语义对齐，偏向于风格拟合，而非挖掘出某种乔布斯的思维模式，跟“认知操作系统”应该关系不大

13. 【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#

14. 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#

15. AI很快，但创作者更稀缺 | 2026网络视听大会主论坛观察

16. 回复@无穷的开始:这个问题确实存在，可以基于当前提示词让 AI 按照你期望的风格优化，比如： <draft> {当前提示词完整内容} </draft> 请对上面的提示词进行优化，让写作风格通俗易懂、逻辑清晰、实在有料、具体而简洁，更适合普通的科普写作风格//@无穷的开始:提示词的文风会直接影响它的文风。用李继刚的提示词，回答的也都是他的风格。刚开始还新鲜，现在看到会吐

17. 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）

18. Meta的秘密项目居然偷师千问？偷早啦！千问发布旗舰推理模型Qwen3-Max-Thinking#Qwen3 #千问 #科技改变生活 #AI新星计划 #玩个很新的东西

19. 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

20. //@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

21. 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#

22. 13个提示词，让Claude从"聊天玩具"变成你的研究助手。我在 Reddit 上看到一个帖子，作者说他收集了所有在社区里走红的 Claude 提示词，用这些提示词把 AI 从“聊天玩具”变成了“研究武器”，原本 10 个小时的工作，现在 60 秒就能搞定。今天，我把这 13 个提示词整理出来，手把手教你怎么用。看完之后，你也能立刻上手，让 Claude 成为你的私人研究助理。一、找矛盾的高手提示词： “列出所有内部矛盾、未解决的冲突，或者那些证据不足以支撑的观点。” 怎么用：当你写完一篇长文档，或者整理完一份报告，把内容直接粘贴给 Claude，然后用这个提示词。它会帮你找出那些你自己没注意到的逻辑漏洞。比如，你在报告里说“我们的产品销量增长了 30%”，但后面又提到“市场份额下降了 5%”，这两句话就有矛盾。人在写的时候很容易忽略，但 Claude 会一眼看出来。二、扮演挑剔的审稿人提示词： “像一个挑剔的同行审稿人那样批评这篇文章。要严厉一点。重点关注方法上的缺陷、缺失的对照组，以及过于自信的结论。” 怎么用：这个提示词特别适合用来检查学术论文或者重要报告。你把文章丢给 Claude，它会像那个永远给你打回修改意见的“审稿人 2 号”一样，毫不留情地指出问题。虽然听起来有点残酷，但这种“提前挨骂”能帮你避免真正提交时被打回来。三、把乱七八糟的笔记变成正式文档提示词： “把下面这些材料整理成一份结构化的研究简报。包括：核心观点、证据、假设、反驳论点，以及未解决的问题。标出任何薄弱或缺失的部分。” 怎么用：你有没有过这种情况：手里一堆零散的笔记、链接、半成品想法，但不知道怎么组织成一篇像样的文章。这时候，直接把所有内容粘贴给 Claude，用这个提示词。它会帮你梳理出清晰的结构，甚至告诉你哪些地方证据不够，需要补充。四、倒推逻辑检验法提示词： “先解释这个结论，然后一步步往回推到最初的假设。” 怎么用：这是检验你是否真正理解一个观点的好方法。如果你能从结论倒推回假设，说明逻辑是通的。如果推不回去，说明中间某个环节有问题。比如，你说“我们应该增加广告投放”，那就倒推：为什么要增加？因为转化率低。为什么转化率低？因为流量质量差。为什么流量质量差？这样一步步往回推，你会发现真正的问题可能根本不在广告上。五、像科学家一样做对比提示词： “对比这两种方法，从以下几个维度：理论基础、失败模式、可扩展性，以及现实约束条件。” 怎么用：很多人做对比只是列功能清单，但真正有价值的对比要深入到原理层面。比如，你在选择两种营销策略，不要只比价格和效果，还要问：这两种策略的理论依据是什么？在什么情况下会失败？能不能规模化？有哪些现实限制？用这个提示词，Claude 会帮你做出专业级别的对比分析。六、找出致命弱点提示词： “描述这个方法在哪些场景下会彻底失败。不要说边缘情况，说那些真实可能发生的失败模式。” 怎么用：大多数人只想着自己的方案有多好，但很少有人会主动去想“这个方案在什么情况下会彻底崩盘”。这个提示词会逼着你和 Claude 一起思考最坏的情况。比如，你做了一个依赖某个供应商的商业计划，那就要想：如果这个供应商突然倒闭怎么办？如果他们涨价 10 倍怎么办？提前想到这些，你才能做好备案。七、改变信念的关键问题提示词： “分析完所有这些内容后，什么东西应该改变我现在的看法？” 怎么用：这是真正的研究者思维。不是为了证明自己对，而是为了找到真相。当你研究完一个问题后，问问 Claude：有什么证据能推翻我现在的观点？这会让你保持开放的心态，避免陷入确认偏误。八、压缩成一个心智模型提示词： “把这整个话题压缩成一个我能记住的心智模型。” 怎么用：如果你学了一堆知识，但没法用一句话概括出来，说明你还没真正掌握。这个提示词会强迫 Claude 把复杂的内容提炼成最核心的框架。比如，学习了一整本营销书，最后能不能总结成“找到痛点，提供解决方案，建立信任”这样的简单模型？能压缩，才算真正拥有。九、跨领域类比法提示词： “用一个完全不同领域的类比来解释这个概念。” 怎么用：最好的理解往往来自跨界类比。比如，解释“复利”这个概念，可以用“滚雪球”来类比，用“健身”来类比，用“人脉积累”来类比。这个提示词会让 Claude 从不同角度重新解释一个概念，帮你获得更深的洞察。十、偷师学艺法提示词： “忽略内容本身，分析这篇文章的结构、流程和论证模式。为什么它写得这么好？” 怎么用：看到一篇特别好的文章或论文，不要只看它说了什么，要看它是怎么说的。把文章丢给 Claude，用这个提示词，它会帮你拆解出底层的写作框架。然后你就可以把这个框架套用到自己的写作上。十一、压力测试假设提示词： “列出这个论证依赖的所有假设。然后告诉我哪些假设最脆弱，为什么。” 怎么用：每个论证背后都有一堆隐藏的假设。比如，你说“我们应该开发这个新产品”，背后的假设可能是：市场需求存在、竞争对手不会跟进、技术可行、成本可控，等等。这个提示词会帮你把所有假设都挖出来，然后告诉你哪些最容易出问题。这样你就知道该重点关注什么。十二、再来一次科学对比提示词： “对比这两种方法，从以下几个维度：理论基础、失败模式、可扩展性，以及现实约束条件。” 怎么用：这个提示词在原帖里出现了两次，说明它真的很重要。无论是选技术方案、营销策略，还是做人生决策，都可以用这个框架来对比。记住，真正的对比不是列清单，而是深入到原理和风险层面。十三、最后的压力测试提示词： “列出这个论证依赖的所有假设。然后告诉我哪些假设最脆弱，为什么。” 怎么用：这个提示词来自研究社区，专门用来检验论证的稳固性。把你的核心论点丢给 Claude，让它帮你找出最薄弱的环节。这就像给房子做地基检测，看看哪里最容易塌。写在最后其实，AI 不会替代你思考，但它可以成为你思考的放大器。这些提示词就像是给 Claude 装上了专业的“镜头”，让它能从不同角度帮你审视问题。你不需要成为技术专家，也不需要懂编程。只要把这些提示词复制粘贴，然后把你的内容丢进去，就能立刻看到效果。最重要的是，这些提示词背后的思维方式，找矛盾、挑毛病、倒推逻辑、压力测试，这些才是真正值得学习的东西。学会了这些思维方式，即使没有 AI，你也能成为更好的研究者和思考者。所以，别再让自己像个人肉复印机一样熬夜了。试试这些提示词，让 Claude 帮你干那些重复的苦力活，把时间留给真正需要创造力的地方。毕竟，工具是死的，但会用工具的人，才是真正的高手。 #科技先锋官##HOW I AI#

23. “源”神启动?实测日常高频场景中千问APP的表现

24. 相比Gemini模型像个具有自我审视能力的白纸，Claude模型预设了一个偏执的人格，这使得它即使不通过设计详细的系统提示词赋予身份和目标，也天然具有高效的任务执行能力和积极性，因此开源设计很多大家只喜欢造轮子没人愿意微调提示词的项目使用Claude模型总是表现更好，只要防范好它给你删库跑路就行。

25. 强烈建议大家都把龙虾（xCLAW）装上，愿意折腾的首选openclaw，不愿意折腾的可以选择各家大厂的xCLAW应用；龙虾是AI时代能用好AI的最基本要求。首先是一个看起来是暴论其实是事实的观点——基于xCLAW的各种skills，是保证大模型能高质量输出的必要条件。Skills决定大模型输出质量的上限，大模型本身决定输出质量的下限。然后说人话解释下什么是skills；skills就是一套告诉大模型应该怎么工作的交互话术，他告诉大模型第一步做什么第二步做什么直至最终结果如何检查，引导大模型输出最高质量的结果。图1 是个例子，我上传了一张有客户信息的PDF图纸，让GLM-5给我把客户信息屏蔽掉。GLM-5的模式选择是agent模式（非chat），可以看到它就调用了内置的skills一步步和大模型互动，最终输出了比较满意的结果。xCLAW的skills和GLM-5的agent是一样的机制，更好的是xCLAW的skills支持用户自己修改。如果能摸索到更好的skills，自己基本可以把大模型的性能上限用尽。至于token，去找个大厂的CodingPlan，一个月40块钱够用了。这可真是个伟大的时代~~#openclaw#

26. AI 智能体驾驭 (Harness) 工程的兴起

27. 盘点一周AI大事(4月19日)｜Claude终结设计 Anthropic上线Claude Design，接管整个设计流程 Anthropic上线最强编码模型Claude Opus 4.7 OpenAI内测下一代图像模型GPT-Image-2 OpenAI升级Codex，全面对标Claude Code Heygen开源视频制作技能包HyperFrames Quiver上线最强矢量图模型Arrow 1.1 Adobe发布重新打光图像模型TokenLight 字节开源数字人模型OmniShow 阿里开源开放世界模型Happy Oyster 研究员开源最强3D动画模型AniGen Gemini上线最强语音合成模型Gemini 3.1 Flash TTS Meta研发出神经计算机Neural Computers #前沿科技趋势发布月 #AI新星计划 #AI #AIGC #大模型

28. 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】

29. 硅谷《连线》杂志：性能顶级的 GPT-5们，正在输给一个中国开源模型#连线杂志 #AI #千问 #Qwen #千问恐慌

30. 高效提示词（prompt）工程指南

31. 一图顶10页PPT，8套高密度信息大图提示词开源

32. 回复@故乡的云_9896552578:没错，代码你只要逻辑清晰，输出就很稳定，提示词不光要逻辑，还要自然语言描述精准！另外有时候可以试试伪代码当提示词//@故乡的云_9896552578:有些时候觉得编合适的提示词比写代码还累程序至少还有个固定语法，每个模型甚至每个版本可能都得进行不同的调整才能稳定输出……

33. 谷歌68页提示词圣经+老金原创元提示词，直接复制就能用

34. 2026年AI主线换了！这5大趋势必须看清。 #大咖观察 #红衣聊AI #趋势风口 #人工智能

35. 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

36. Gemini模型：对系统提示词理解能力差，调用工具塞的数据太多会坏掉胡言乱语输出乱码。Claude模型：对系统提示词理解能力强，但只要有工具就会优先调用工具试试不管你系统提示词怎么写的，如果调用工具的同时不要求结构化输出，还会把自己的推理直接漏出来。OpenAI模型：没有以上问题。

37. OpenClaw的取巧之处在于提示词中直接把OpenClaw的存在赋予了人类的身份，这样它搭配Claude和蒸馏Claude数据的开源模型使用就天然获得了很强的主观能动性，但是这种捷径很难处理不确定性的边缘Case，也有更深层次的安全隐患。

38. 大模型如何在指令微调过程中构造或筛选高质量数据？

39. AI要彻底干掉创作者？这类人反而赚翻了！

40. 为了催更关注的UP，我用2年时间开发了一个AI产品

41. 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~

42. 关于大模型的应用情况。openai的chatgpt，不用了，输出质量很差。grok，不用了，输出质量差，不稳定。claude被屏蔽了用不了，能用的时候还是好用。一般问题处理用豆包，当成百度用。文本分析用gemini，这方面确实强。编程用trae或cursor的auto模式，主要是写文档分析总结生成测试代码部署脚本啥的，非常好用。其它的模型有些功能性的用得本地开源。gemini和豆包是我现在最常用的两个大模型。免费，好用。

43. 我可能要辞退我的第一个“龙虾员工”了，辞退的理由是没有见好就收，希望还能更好点儿，然后它就混乱了，越改越差、越改越差这可能是现在AI的通病吧，比如生成一个视频，你让它优化一下场景，结果它连人都给你换了～看它这次的表现吧，不行真辞退了，重新来一个。话说我应该不会被它仲裁吧

44. AI怎么做出电影感？AI大师级运镜玩法大全!

45. //@水果拍:这个提示词已经很好了，但是效果还是有点失真。所以就试着先从nano banana生成证件照，再拿着对着白墙自拍的大头照，把提示词稍微修改几次，上传两张照片，就能生成非常真实度很高的证件照。起码用来当linkedin的头像，不会被人认为是照骗或者是过度美容。

46. OpenAI、Anthropic 和 Google 内部使用的10大顶级提示工程技巧，能显著提升生成结果准确率和实用性，堪称AI高手的秘密武器！---【技巧1：角色限定提示 Role-Based Constraint Prompting】高手不会简单说“写代码”，而是赋予AI具体身份和限制，明确任务与输出格式。模板： ```你是一个拥有[X年]经验的[具体角色]，专长于[领域]。你的任务：[具体任务] 限制条件（3-5条）：[列出限制] 输出格式：[精确输出格式] ```示例： ```你是拥有10年经验的高级Python工程师，擅长数据管道优化。任务：构建每小时处理1000万条数据的实时ETL流水线。限制： - 必须使用Apache Kafka - 最大内存占用2GB - 延迟低于100ms - 零数据丢失容忍度输出格式：带内联注释的生产级代码 ```效果：比“写个ETL流水线”精准十倍，产出更贴合需求。---【技巧2：验证链 Chain-of-Verification (CoVe)】谷歌用来消除AI幻觉的“自我审校”法，先答题，然后设计问题自检，最终修正答案。模板： ```任务：[你的问题] 步骤1：给出初步答案步骤2：列出5个能揭露答案错误的验证问题步骤3：回答这5个问题步骤4：基于验证结果给出最终修正答案 ```示例： ```任务：解释transformer如何处理长上下文窗口。 1. 初步回答 2. 设计5个验证问题（如：是否存在上下文截断？模型如何保持信息？等） 3. 回答验证问题 4. 根据验证修正答案 ```效果：复杂技术问题准确率从60%提升至92%。---【技巧3：带负面示例的少样本 Few-Shot with Negative Examples】 Anthropic发现告诉AI“什么不该做”与“该做什么”一样重要。模板： ```我需要你完成[任务]。以下是示范： ✅ 好示例1：[示例] ✅ 好示例2：[示例] ❌ 差示例1：[示例] 原因：[为什么差] ❌ 差示例2：[示例] 原因：[为什么差] 现在请完成：[你的任务] ```示例：写冷邮件主题： ```✅ 好：Q4工程路线图的快速问题 ✅ 好：关注你发布的分布式系统帖子，有些想法 ❌ 差：紧急！限时优惠！！！原因：垃圾邮件触发词，假紧急感 ❌ 差：你绝对想不到我们做了什么... 原因：标题党，无上下文请写5个关于“降低云成本40%的SaaS工具”的邮件主题。 ```效果：减少80%泛泛而谈或低质回复。---【技巧4：结构化思考协议 Structured Thinking Protocol】 GPT-5团队处理复杂问题的分层思考法，逼模型先理解再分析，最后给策略和答案。模板： ```回答前请完成以下步骤：[理解] - 用你的话复述问题 - 明确真正被问及的点 [分析] - 拆解成子问题 - 说明假设和限制 [策略] - 列出2-3种方案 - 权衡利弊 [执行] - 给出最终答案 - 解释理由问题：[你的问题] ```示例： ```问题：5人团队开发B2B SaaS，首年预计1000用户，应该用微服务还是单体架构？请按上述步骤回答。 ```效果：避免千篇一律建议，答案更符合具体情境。---【技巧5：置信度加权提示 Confidence-Weighted Prompting】 DeepMind为关键决策设计，让模型评价自身答案置信度，列出假设和备选方案。模板： ```请回答：[问题] 内容包括： 1. 主要答案 2. 置信度（0-100%） 3. 关键假设 4. 哪些变化会改变答案 5. 若置信度<80%，给出备选答案 ```示例： ```问题：Rust是否会在2030年取代C++作为系统编程语言？请按模板回答。 ```效果：避免盲目相信AI自信，促进理性决策。---【技巧6：有界上下文注入 Context Injection with Boundaries】 Anthropic工程师给模型大量上下文但限定回答只能基于上下文，避免胡编乱造。模板： ```[上下文] [粘贴文档、代码、论文等] [聚焦] 仅能使用上下文信息回答，若无则回复“提供的上下文信息不足”。 [任务] 具体问题 [限制] - 引用上下文具体章节 - 不使用上下文外知识 - 如存在多种解释，全部列出 ```示例： ```[上下文] 公司50页API文档 [聚焦] 仅用文档回答 [任务] 如何实现/users接口的限流和重试？ [限制] 引用具体章节，不用外部知识，多解释全部列出 ```效果：极大减少专有系统中的错误输出。---【技巧7：迭代精炼循环 Iterative Refinement Loop】 OpenAI研究团队通过多轮修正提升输出质量，远胜一次性生成。模板： ```第1轮：生成[草稿/初稿/概要] 第2轮：审查，找出3个缺陷第3轮：重写，修正所有缺陷第4轮：终审，确认是否生产就绪；若否，指出不足 ```示例： ```第1轮：写一封给B轮创业公司工程VP的销售邮件草稿，主题CI/CD优化工具。第2轮：审查邮件，列出3个问题。第3轮：修改邮件，解决所有问题。第4轮：确认邮件是否可以直接发出。 ```效果：避免单次输出粗糙，产出质量可达90%。---【技巧8：先限后做 Constraint-First Prompting】 Google Brain先列硬性限制，再写任务，让模型既准确又实用。模板： ```硬性限制（绝对不可违）： - [限制1] - [限制2] - [限制3] 软性偏好（优先优化）： - [偏好1] - [偏好2] 任务：[实际请求] 请确认理解所有限制后开始。 ```示例： ```硬性限制： - 必须用Rust编写 - 不能用外部依赖 - 必须能在Rust 1.75稳定版编译 - 最大二进制大小5MB 软性偏好： - 快速编译 - 尽量少内存分配任务：写一个CLI工具，解析10GB CSV文件，输出带有schema验证的JSON。确认理解所有限制后开始。 ```效果：避免技术正确但无用的回答。---【技巧9：多视角提示 Multi-Perspective Prompting】 Anthropic宪法AI从多个角度分析问题，综合权衡得出建议。模板： ```请从以下角度分析[问题]： [技术可行性]：…… [业务影响]：…… [用户体验]：…… [风险/安全]：…… 综合：整合所有视角，提出最终建议，明确权衡。 ```示例： ```是否应从Postgres迁移到DynamoDB？ [技术]：工程复杂度，数据迁移风险，时间线 [业务]：成本，团队速度，供应商锁定 [用户]：延迟，功能影响，停机需求 [安全]：数据一致性，备份，合规性综合给出建议并说明权衡。 ```效果：促使战略思考，避免片面建议。---【技巧10：元提示 Meta-Prompting（核武器级）】 OpenAI红队用来探测模型极限，要求AI帮自己写出“完美提示”，再执行。模板： ```我需要完成：[高层目标] 你的任务： 1. 分析如何写出该目标的完美提示 2. 考虑具体性、上下文、限制、输出格式、示例需求 3. 写出该完美提示 4. 执行并给出结果 [目标]：具体目标 ```示例： ```目标：写一个Python脚本，抓取Twitter长文，将其转成格式良好的博客文章，并自动生成SEO元描述。请按模板操作。 ```效果：AI帮你打造超强提示，实时成为顶尖提示工程师。---【实战效果总结】 - 技术文档幻觉率降至0% - 代码迭代速度提升3倍 - 复杂分析准确率超90% 关键不是模型本身，而是“懂得如何与模型对话”。这10个技巧，正是区分普通用户与顶级提示工程师的秘密武器。---原文: x.com/aigleeson/status/1997233746630893733

47. 别再"调教"AI了，提示词写太长反而是错的

48. 少而精，不妨试试提示词的“断舍离”法则

49. 别再盲目塞 Token 了！LLM 上下文工程全指南

50. 大模型上下文工程指南

51. 提示词工程-条件上下文

52. LLM创造力可以被度量吗？一个基于提示词变更的探索性实验

53. 写 Prompt 不再靠玄学

54. 大模型采样策略终极指南

55. 大模型输出 JSON 总是错这四种方法能把正确率提到 99%

56. 大模型的“深思熟虑”

57. 听Anthropic四位工程师聊了一个多小时，彻底改变了我对提示词工程的理解

58. 【EasyClaw进阶教程】提示词工程与调教实战

59. 付费专栏指令用久了风格全跑偏？工作室防漂移机制这样设计

60. AI不听话？加这3个“紧箍咒”，回答质量翻3倍！［约束指令详解］

61. DeepSeek专家模式使用指南

62. OpenAI 表示旧提示词正在拖累 GPT-5.5，开发者需要一个全新的起点

63. OpenAI官方干货！GPT-5.5 最佳提示词指南与迁移技巧

64. 你的提示词需要更新了，OpenAI 发布了最新的官方提示词指南

65. Prompt 写不好还不学？Anthropic 四位提示词专家的颠覆性实战经验

66. 分享一个 AI prompt 的黄金法则

67. 行业资讯 | Crowdin重磅发布：用“自纠错”AI Pipeline终结翻译幻觉与指令过载

68. Crowdin重磅发布：用“自纠错”AI Pipeline终结翻译幻觉与指令过载

69. 揭秘提示词工程背后的秘密：提示词工程为啥是工程？

70. 文生图高级提示技巧（十五）：提示词最佳实践

71. 电影级提示词怎么写才能精准控制运镜与风格？

72. 互联网大厂大模型开发中保证标准JSON输出

73. 模块化精细参数设置：AI视觉生成提示词工程指南

74. 即梦 AI · Seedream 5.0 图像模型：专业提示词结构与实战案例

75. 自我教育的Cursor Code第六课：提示工程、模型选择与最佳实践

76. 提示词测试的5大常见误区

77. 《智能体设计模式》读书翻译笔记——附录A 高级提示工程技术

78. 为什么你用的AI总说废话？因为你没写够2000字的提示词。

79. Vibe coding开发记录02：采访ai提示词问题

80. 提示词测试的成本效益分析实战

81. 别再瞎写提示词了！90%的人不知道的AI视频7大提示词攻略

82. 提示词工程概述

83. 专家级 AI 提示词指南

84. 拆解 Anthropic 工程师如何写提示词：一个系列的开篇

85. 真正提示词 = 角色协议 + 行为规范 + 约束 + 世界观 + 输出程序

86. 如何写出好的Prompt（提示词）？

87. 提示工程 | 新榜智汇GEO词典

88. 新手必看：4步写出精准AI绘画提示词，告别无效出图

89. 【专栏·知行录】第一期|提示工程

90. 告别"玄学"：写提示词其实就这四招

91. 不再手写 Prompt：Google LLM 闭环系统，教你用 AI 自动评测与迭代提示词

92. 学会用黄金公式构建提示词，让AI成为你的优秀员工

93. 3分钟教你写好用的提示词 - 14 | 让大模型秒懂的“少样本提示”

94. 掌握AI提示词技巧，让人工智能成为高效助手

95. 分享 10 个 OpenAI、Anthropic 和 Google 内部都在用的提示词技巧（建议收藏）

96. AIGC学习-提示词设计与优化

97. 为什么同样的提示词，别人的效果比你好10倍？

98. Google：把Prompt再说一遍，准确率暴涨76%

99. 提示词写作的 7 个致命错误，90% 的人都在犯

100. 谷歌团队：重复提示词，就能提高准确率——真的有效吗？

101. 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

102. 提示词调试经验分享：生图提示词

103. 提示词工程最佳实践：让 AI 给出更优结果

104. 送你一份提示词指南，打好Prompt基础功

105. 关于提示词1

106. Prompt提示词工程

107. 提示词：与智能体沟通的钥匙

108. 一文讲透多模态提示词：原则、模板、场景全收录，多模态提示词万能公式，照着写就出精品

109. 做好 Agent 上下文，先做好提示词设计

110. 从模糊到精确：改进你的提示词

111. AI提示词指令提示词合集(含教程）

112. AI提示词进阶教程 4 - 提示词如何评估与迭代？

113. Anthropic 官方发布：Claude Opus/Sonnet 4.5 提示词指南

114. 提示工程最佳实践：如何与 AI 更好地对话

115. 如何设计一套提示词，让 AI 自主完成性能优化

提示词越细越差？三类任务实测：简洁指令反而输出更准

精选参考来源