当前位置：

社区首页

电脑数码

软件应用

办公软件

AIGC文章详情

新手闭眼入：五步写出精准提示词，Stable Diffusion出图稳了

源自61位全网作者

03-24 13:58

精选参考来源

2025年AI生图“王”！Banana Pro玩法大分享～【建议收藏】

这位网友的问题很典型：> 宝玉老师，以现在大模型的能力还需要prompt吗，我现在都直接描述问题就发出去了这个疑问其实特别普遍，甚至可以说，它代表了绝大多数用户的心声。包括还有人说：> 今天社交网络上被追捧的所谓AI高人,不过是Prompt Kiddie(提示词小子)。 > 整天转帖一些提示词,其实是在自动充当大模型的燃料。是不是还需要 Prompt 这个问题的答案，其实藏在你的需求里。如果你的任务很简单，比如问个天气、查个单词，或者写个请假条，那确实不需要什么复杂的提示词。这就好比做一道 1 加 1 等于 2 的数学题，直接心算就完事了，非要列个方程式反而显得矫情。但是，一旦涉及到复杂任务，情况就完全不同了。你可以把专业的提示词想象成解难题时的“数学公式”。当面对一道复杂的应用题时，光靠心算是不够的。你需要公式来规范步骤，需要设定变量。提示词就是在这个环节起作用，它把一个模糊的需求，拆解成了一条清晰的思维链，手把手教 AI 怎么思考。举个最常见的例子：把一篇晦涩的学术论文改成科普文章（参考提示词：网页链接）。如果你直接把论文丢给 AI，跟它说“帮我改写成科普文”，它大概率会给你扔回一篇删减版的论文，依然充满了你不懂的术语。因为它不知道你的“科普”是给谁看的，也不知道你需要什么风格。但如果你运用了“公式”，告诉它：你的读者是只有高中物理水平的普通爱好者，请多用生活中的比喻（比如把量子纠缠比作心灵感应），并且在写之前先去检索一下相关的背景趣闻。这时候，AI 输出的就不是冷冰冰的文字，而是一篇有血有肉、生动有趣的科普文章。这就是提示词的魔力——它填补了“指令”和“意图”之间的鸿沟。再进一步，提示词还能充当“工作流经理”的角色。比如你想做个 PPT。普通玩法是让 AI 帮你列个大纲，然后你自己根据大纲一页页去制作幻灯片。但高阶的玩法是，用一段精心设计的提示词（参考提示词：网页链接），让 AI 不仅生成大纲，还能根据每一页的内容，自动写出对应的 AI 绘画指令。它把“写大纲”和“想配图”这两个步骤串联起来了。这时候的 AI，就不再是一个简单的聊天机器人，而是一个自动化的生产线。还有大家最关心的 AI 画图提示词。为什么大神生成的图片光影绝美、细节拉满，而你生成的总是差点意思？因为在非专业人士眼里，只有“好看”这一个形容词；而在提示词里，包含了光线类型、渲染引擎、构图视角等各种专业参数。这些参数，就是大神手中的“秘密配方”。你想复刻那张图，光靠猜是猜不出来的，必须拿到那个具体的参数。即使你可以通过多模态模型来逆向，有时候就是差一点意思，毕竟专业的提示词，是经过无数次试验和优化才打磨出来的。所以，回到最初的问题。我们还需要 Prompt 吗？如果你只是把 AI 当作一个陪聊的网友，或者一个随身的百科全书，那你确实不需要。但如果你想把 AI 变成一个稳定输出的生产力工具，提示词就是必修课。因为聊天是一次性的，说完就散；而专业提示词就像是“程序”和“软件”。当你写好了一个完美的翻译提示词，或者一个生成信息图的提示词，它就不再是一句话了，它变成了一个只要你输入原料，就能稳定产出高质量产品的“工具”。我自己则一直是在尝试借助提示词来帮我提升效率：比如我要提取 YouTube 字幕，还要去对发言人名字进行标注，我就写了提取 YouTube 字幕的提示词网页链接，不仅有文稿，还能自动对上发言人，还能分章节。比如我要给文章配图网页链接，所以我写了一个生成信息图的提示词，文章贴进去，它就能帮我生成一张好看专业的信息图。比如我要要校对文稿，我不会肉眼去校对，而是写一个校对的提示词，让 AI 帮我找错别字、语法错误，提供修改建议。借助这些提示词，就能让我事半功倍。这才是提示词的真正价值：它让你从一个向 AI 提问的“用户”，变成了指挥 AI 干活的“工程师”。下次当你在干一些枯燥的任务的时候，不妨想一想：我每天在做的这些事情，如果写一个专业的提示词，是不是能让我事半功倍？

全部
来源

内容由AI生成

1. 2025年AI生图“王”！Banana Pro玩法大分享～【建议收藏】

2. 这位网友的问题很典型：> 宝玉老师，以现在大模型的能力还需要prompt吗，我现在都直接描述问题就发出去了这个疑问其实特别普遍，甚至可以说，它代表了绝大多数用户的心声。包括还有人说：> 今天社交网络上被追捧的所谓AI高人,不过是Prompt Kiddie(提示词小子)。 > 整天转帖一些提示词,其实是在自动充当大模型的燃料。是不是还需要 Prompt 这个问题的答案，其实藏在你的需求里。如果你的任务很简单，比如问个天气、查个单词，或者写个请假条，那确实不需要什么复杂的提示词。这就好比做一道 1 加 1 等于 2 的数学题，直接心算就完事了，非要列个方程式反而显得矫情。但是，一旦涉及到复杂任务，情况就完全不同了。你可以把专业的提示词想象成解难题时的“数学公式”。当面对一道复杂的应用题时，光靠心算是不够的。你需要公式来规范步骤，需要设定变量。提示词就是在这个环节起作用，它把一个模糊的需求，拆解成了一条清晰的思维链，手把手教 AI 怎么思考。举个最常见的例子：把一篇晦涩的学术论文改成科普文章（参考提示词：网页链接）。如果你直接把论文丢给 AI，跟它说“帮我改写成科普文”，它大概率会给你扔回一篇删减版的论文，依然充满了你不懂的术语。因为它不知道你的“科普”是给谁看的，也不知道你需要什么风格。但如果你运用了“公式”，告诉它：你的读者是只有高中物理水平的普通爱好者，请多用生活中的比喻（比如把量子纠缠比作心灵感应），并且在写之前先去检索一下相关的背景趣闻。这时候，AI 输出的就不是冷冰冰的文字，而是一篇有血有肉、生动有趣的科普文章。这就是提示词的魔力——它填补了“指令”和“意图”之间的鸿沟。再进一步，提示词还能充当“工作流经理”的角色。比如你想做个 PPT。普通玩法是让 AI 帮你列个大纲，然后你自己根据大纲一页页去制作幻灯片。但高阶的玩法是，用一段精心设计的提示词（参考提示词：网页链接），让 AI 不仅生成大纲，还能根据每一页的内容，自动写出对应的 AI 绘画指令。它把“写大纲”和“想配图”这两个步骤串联起来了。这时候的 AI，就不再是一个简单的聊天机器人，而是一个自动化的生产线。还有大家最关心的 AI 画图提示词。为什么大神生成的图片光影绝美、细节拉满，而你生成的总是差点意思？因为在非专业人士眼里，只有“好看”这一个形容词；而在提示词里，包含了光线类型、渲染引擎、构图视角等各种专业参数。这些参数，就是大神手中的“秘密配方”。你想复刻那张图，光靠猜是猜不出来的，必须拿到那个具体的参数。即使你可以通过多模态模型来逆向，有时候就是差一点意思，毕竟专业的提示词，是经过无数次试验和优化才打磨出来的。所以，回到最初的问题。我们还需要 Prompt 吗？如果你只是把 AI 当作一个陪聊的网友，或者一个随身的百科全书，那你确实不需要。但如果你想把 AI 变成一个稳定输出的生产力工具，提示词就是必修课。因为聊天是一次性的，说完就散；而专业提示词就像是“程序”和“软件”。当你写好了一个完美的翻译提示词，或者一个生成信息图的提示词，它就不再是一句话了，它变成了一个只要你输入原料，就能稳定产出高质量产品的“工具”。我自己则一直是在尝试借助提示词来帮我提升效率：比如我要提取 YouTube 字幕，还要去对发言人名字进行标注，我就写了提取 YouTube 字幕的提示词网页链接，不仅有文稿，还能自动对上发言人，还能分章节。比如我要给文章配图网页链接，所以我写了一个生成信息图的提示词，文章贴进去，它就能帮我生成一张好看专业的信息图。比如我要要校对文稿，我不会肉眼去校对，而是写一个校对的提示词，让 AI 帮我找错别字、语法错误，提供修改建议。借助这些提示词，就能让我事半功倍。这才是提示词的真正价值：它让你从一个向 AI 提问的“用户”，变成了指挥 AI 干活的“工程师”。下次当你在干一些枯燥的任务的时候，不妨想一想：我每天在做的这些事情，如果写一个专业的提示词，是不是能让我事半功倍？

3. 又变强了！Nano Banana 2究极强大玩法～【免费渠道合集】

4. 把动画人物变成现实世界人物nano banana pro 提示词---- prompt ---- 将参考中的漫画角色转化为超写实真人形象，严格保留角色的发型、服装、表情、五官特征与整体气质。画面采用深景深呈现，让模特与背景都保持极致清晰，营造出沉浸式、电影级的高端手机摄影效果。风格要求：- 电影级超写实时尚摄影风格- 高分辨率，手机摄影般锐利细节- 光线为暖色工作灯与冷色暮光的强烈戏剧化对比- 模特为主体，同时展现丰富的环境背景技术规格：- 相机：高端旗舰手机- 镜头：标准手机镜头- 光圈：f/8–f/11（保持深景深，全画面清晰）- 分辨率：4K 或更高反向提示词（避免出现）：- 模糊背景、浅景深、散景- 失焦、面部变形- 卡通、动漫、CG人物、插画风、绘画质感- 低质量、噪点、像素化- 过曝的强烈日光

5. 2025年AI提示词深度指南：从基础知识到高级技巧

6. 发现一个AI的新用法，再也不用担心不会写提示词了！

7. 如何写出专家级提示词，充分发挥 GPT-5 的潜力：1、上下文层 - 正确喂养这台机器大多数人写提示词就像写搜索关键词……这样不对GPT-5 需要在开头就给足背景信息（角色、限制条件、成功标准）关键信息要放在前 100 个词内（注意力在早期最集中）用 XML 标签来组织结构，比如 <role> <task> <examples>模型处理结构化数据的效果比处理大段文字好 3 倍2、推理链 - 让它把思考过程说出来别急着要最终答案要求它一步步拆解："系统地想清楚整个过程"用这样的句式："先分析……然后考虑……最后给出建议"GPT-5 的思维链能力比 GPT-4 强得多推理链能让幻觉问题减少 60% 以上3、示例框架 - 做给它看，别光说零样本提示词是碰运气……少样本提示词才是工程化在提示词里提供 2-3 个输入/输出示例，按你想要的格式用这种结构："好的例子是这样：[示例] 不好的例子是这样：[反例]"GPT-5 从例子中学习的效果比从指令中学习好得多4、约束系统 - 边界创造品质模糊的提示词 = 平庸的输出（永远如此）明确你不想要什么："避免泛泛而谈、公司术语、大话空话"设定输出限制："最多 150 字"或"恰好 5 个要点"明确指定语气："写得像个导师，别像教科书"5、角色工程 - 打造专家人设"你是专家"这种说法太懒……要更精准这样用："你是一位资深数据科学家，向非技术背景的创始人解释复杂的机器学习概念"组合多个专业领域，获得独特视角具体的角色会激活特定的训练数据集群6、验证层 - 捕捉幻觉永远要求它提供来源或推理："引用你的推理"或"解释你的信心水平"让它给出替代观点来测试准确性加上这个："你做了什么假设？哪些地方可能错了？"GPT-5 可以自我批判，只要你在提示词里要求它这么做#提示词工程##提示词##AI创造营##微博兴趣创作计划#

8. 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#

9. 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[doge]

10. #IT技术# #微博兴趣创作计划# 六百万围观的“超级提示词”，我终于看懂了AI协作的真相——提示词工程的核心逻辑原来这么简单。伊妹耳的微博视频

11. 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。

12. 谷歌68页提示词圣经+老金原创元提示词，直接复制就能用

13. Seedance 2.0提示词技巧！零基础上手指南（附提示词）

14. 提示工程远不止“问AI一个问题”，它是与大型语言模型（LLM）合作时一项关键且系统化的设计技能。了解并掌握以下七大类提示技巧，将极大提升你的AI交互效率和效果：1. 核心提示方式： - 零样本（Zero-shot）：无示例，直接任务。 - 一样本（One-shot）：提供一个示例辅助理解。 - 少样本（Few-shot）：用少量示例教模型识别模式。2. 推理增强技巧： - 思路链（Chain-of-Thought）：引导模型逐步推理。 - 自洽采样（Self-Consistency）：多次推理取最佳答案。 - 思路树（Tree-of-Thought）：探索多条推理路径（进阶）。 - ReAct：结合推理与行动（如调用API）。3. 指令与角色提示： - 指令提示：清晰下达任务（“总结这段内容”）。 - 角色提示：定义身份和行为（“你是法律助理”）。 - 混合提示：结合指令和示例，提升准确度。4. 提示组合技巧： - 链式提示：前一提示输出作为下一提示输入。 - 动态提示：实时注入变量或上下文。 - 元提示：让模型自我改进或验证答案。5. 多模态提示： - 图文结合：同时提供视觉与文本信息。 - 音视频+文本：利用转录或感知输入（需支持的模型）。6. 领域专属提示： - 代码提示：针对编程语言或工具设计。 - 医疗/法律提示：要求高精准和严格格式。7. 提示评估与调试： - 提示消融：去除部分元素测试效果贡献。 - 注入测试：评估提示在应用中的鲁棒性。注意，某些相关技术如RAG架构、代理和工具系统，并非提示技术本身，而是包含提示的更大系统。提示工程已经升级为系统设计。掌握它，不只是会用AI，更是懂得与AI“对话”的新语言。正如有人所说，提示工程是当下最值钱的技能，精通它，你便拥有了打开未来智能世界的钥匙。原文：x.com/techNmak/status/1988095890402480225

15. 如何写提示词：一门关于有效提示词的迷你课程。这里有多种旨在提升人工智能模型输出质量和相关性的高级提示词技巧。1. 基础提示词 (Basic Prompting)这是编写提示词的基本准则。提示词通用法则 (CSI):情境 (Context): 提供背景信息。具体 (Specific): 指令要明确。指示 (Instruction): 给出清晰的指令。关键要素:精准的语言: 使用准确的词汇。情境化信息: 提供必要的背景。创意性措辞: 尝试用不同的方式表达。类比与示例: 给出例子帮助 AI 理解。2. 思维链 (Chain-of-thoughts)将一个复杂的问题分解成一系列更简单的步骤，引导 AI 进行逻辑推理。第一步: 分解主要问题。第二步: 分解子问题。第三步: 要求执行具体任务。3. 分块 (Chunking)将复杂的信息分解成更小、更易于管理的部分。这个方法适用于多种场景，比如：金融分析、研究、工具使用、问题解决或写作等。4. 显式推理 (Explicit Reasoning)这是一种让 AI 以清晰、分步的方式解释其思考过程的技术。你可以要求 AI "一步一步地思考" 或 "解释你的推理过程"。5. 代理提示 (Agent Prompting)在 AI 的框架内为其设定一个“代理”或“角色”，并以任务或查询的形式向这个角色发出提示。例如，你可以让 AI 扮演一位特定的专家。6. 团队提示 (Team Prompting)让生成式 AI 像一个专家团队一样工作。你可以定义多个拥有不同技能、角色和视角的虚拟“代理”，并为它们分配具体的任务，促进它们之间的协作。流程: 定义代理及其角色 → 分配任务与顺序 → 促进协作。7. 苏格拉底式提示 (Socratic Prompting)通过提问引导 AI 深入探索一个主题，进行批判性思考并发现潜在的假设。第一级: 提出开放式问题。第二级: 挑战固有的假设。第三级: 寻求澄清说明。8. 元认知 (Meta-Cognition)鼓励 AI 对其自身的思考过程、偏见和决策进行反思。方法:提示 AI 进行自我反思。进行评估和评级。利用其提供的见解。要求其进行调整。9. 提示词优化与扩展 (Prompt Optimization & Expansion)从一个基本的提示词开始，然后要求 AI 根据你期望的结果来改进它。这种技巧的优势在于可以学习如何使用更精准的词语和句式来获得理想的答案。10. 事实核查 (Fact Checking)使用提示词来验证信息的准确性和可信度。步骤:质疑来源: 询问信息的来源。交叉验证: 要求从不同来源进行核对。询问近期数据: 要求提供最新的信息。要求第三方链接: 索取可供查证的外部链接。11. 迭代探究与顺序提问 (Iterative Inquiry & Sequential Questioning)这是一个持续提问的过程，旨在逐步提炼和改善对任务的理解或输出结果。通过一系列连续的问题，不断优化最终的答案。#微博兴趣创作计划##ai创造营##ai生活指南#

16. 【Nano Banana Pro】AI生图新王来临！使用+玩法案例大全

17. 【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

18. 一个被忽视的Prompt技巧，居然是复制+粘贴。

19. 为什么我编写不出优秀的ChatGPT提示词?

20. 这个厉害了！Berryxia.AI 整理的：完整提示词工程指南:框架、技术与模板手册↓——包含从入门到高级的完整提示词方法论——57+ 主流框架、10 大模板、9 大体系结构，一次性搞懂 Prompt Engineering。🎯 核心内容总览📘 框架体系地图（6层）1️⃣ 基础框架（COSTAR、STAR、AIDA...）2️⃣ 分析研究（TRACE、RACE、SMART...）3️⃣ 创意创新（SPARK、SCAMPER、Six Hats...）4️⃣ 问题解决（HMW、COAST、RICE...）5️⃣ 沟通表达（TAG、APE、ORID...）6️⃣ 高级推理（CoT、ToT、Meta Prompting...）🧩 关键提示词结构（5要素）角色（Role）｜上下文（Context）｜指令（Directive）｜格式（Format）｜约束（Constraints）💡 快速选框架指南：任务类型推荐框架 ①营销文案 AIDA / COSTAR ②数据分析 TRACE / RACE ③创意脑暴 SCAMPER / SPARK ④复杂推理 CoT / ToT ⑤项目规划 COAST / GOPA ⑥学术写作 PEE / TRACE 访问：drive.google.com/file/d/1re3Ca-7SjSqupXjQpsS-YSjC9-xpoIXU/view#ai创造营##人工智能#

21. Claude发了篇官方的提示词工程最佳实践。这里翻译下其中的常见提示词问题排查和应避免的常见错误两部分内容：1️⃣即使是精心设计的提示词也可能产生意想不到的结果。以下是常见问题及其修复方法：❓问题：回应过于泛泛💡解决方案：增加具体性、示例或明确要求提供全面的输出。要求 AI “超越基础”。❓问题：回应偏离主题或未抓住要点💡解决方案：更明确地说明你的实际目标。提供你为什么提问的上下文。❓问题：回应格式不一致💡解决方案：添加示例（少示例）或使用预填充来控制回应的开始。❓问题：任务太复杂，结果不可靠💡解决方案：分解为多个提示（提示链）。每个提示都应做好一件事。❓问题：AI 包含了不必要的前言💡 解决方案：使用预填充或明确要求：“跳过前言，直奔答案。”❓问题：AI 编造信息💡 解决方案：明确允许其在不确定时说“我不知道”。❓问题：当你想要实现时，AI 却提出了建议💡 解决方案：明确行动：“更改此函数”，而不是“你能建议更改吗？”专业提示：从简单开始，仅在需要时才增加复杂性。测试每次添加，看它是否真正改善了结果。2️⃣应避免的常见错误从这些常见的陷阱中吸取教训，以节省时间并改进你的提示词：🌟不要过度设计：更长、更复杂的提示并不总是更好。🌟不要忽视基础：如果你的核心提示不清楚或模糊，高级技术也无济于事。🌟不要假设 AI 会读心术：具体说明你想要什么。模棱两可会给 AI 留下误解的空间。🌟不要一次使用所有技术：选择能解决你特定挑战的技术。🌟不要忘记迭代：第一个提示很少能完美。测试和改进。🌟不要依赖过时的技术：对于现代模型，XML 标签和生硬的角色提示已不那么必要。从明确、清晰的指令开始。#微博兴趣创作计划#

22. 90% +漫剧制作难题，1 个工具全解决

23. 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

24. 跟 AI 要 PPT，别只说"帮我做个 PPT"这就像跟厨师说"做顿饭"——能做，但多半不合你口味。想要好结果，得给它三样东西：角色定位 + 内容框架 + 具体要求下面是 7 个实用提示词模板，直接套用就行。1. 完整演示文稿（通用型）适合日常汇报、培训、分享会这类场景。提示词："你是一位演示文稿创作者。请为【主题】做一套完整的 PPT 结构，包括：标题页、核心观点、支撑数据、案例说明、视觉呈现建议、结尾的行动建议。叙事逻辑参考 TED 演讲的节奏。"2. 研究型 PPT（专业深度）适合行业分析、专业报告、需要展示研究深度的场合。提示词："为【主题】制作一份研究型演示文稿。内容需包含：相关统计数据、实际案例分析、行业观点引用、可落地的见解，每页都要有信息含量。最后附上参考来源。"3. 入门解释型 PPT（降低理解门槛）适合知识科普、产品介绍、给非专业人士讲解的场景。提示词："为【主题】做一个适合初学者的 PPT。把复杂内容拆解成简单的解释、类比和图示，确保没有背景知识的人也能理解。"4. 商业计划书（BP 专用）适合创业融资、项目立项、商业方案展示。提示词："为【创意/项目】制作一套商业计划书，包含：问题陈述、解决方案、市场规模、产品特点、商业模式、竞争分析、财务预测、团队介绍、融资诉求。"5. 故事叙事型 PPT（增强感染力）适合经验分享、年会演讲、需要情感共鸣的主题。提示词："为【主题】设计一个故事化的演示文稿，按这个结构展开：开场吸引 → 提出问题 → 探索过程 → 关键洞察 → 改变/成果 → 行动号召。每页配上演讲者备注。"6. 正式企业风 PPT（偏严肃场合）适合高层会议、战略汇报、董事会这类正式场景。提示词："为【主题】制作一份正式的企业演示文稿。使用专业表达，采用结构化要点，建议加入图表、SWOT 分析、趋势判断、数据支撑等内容。"7. PPT + 演讲稿一体（适合不擅长临场发挥的人）适合所有需要开口讲、但担心忘词或不知道怎么说的情况。提示词："为【主题】制作完整 PPT，同时写出配套的演讲稿。讲稿要和幻灯片内容对应，标注停顿点、重点强调的地方，以及情绪起伏的节奏。"这些提示词的核心逻辑是：先告诉 AI 你要什么类型的输出，再明确内容结构和质量标准。#AI创造营##科技先锋官##微博兴趣创作计划#

25. 补充一个提示词案例，比如这张咖啡杯内两船战斗的提示词网页链接，一开始很简单> photorealistic closeup photo of two pirate ships battling each other as they sail inside a cup of coffee但是不稳定，然后我抽卡了几次得到了一张很不错的，基于这一张好的图片去反向提取稳定的提示词，甚至于这个杯子的缺口很有意思，特地都保留下来了。然后基于这条结果，去让 GPT-5.1 帮我重写提示词。之所以没有用 Gemini，是因为 Gemini 总是给我出图而不是写提示词

26. 我现在已经能熟练地给 magic tree house 配图了。我现在要出门，等一会儿把我配图好的版本发出来给大家看一下。我的工作流程是，先把文章中的角色场景的图片生成出来，放到一边作为参考图使用。在豆包上创建一个生成场景提示词的智能体，省得我每次都要输指令。让它生成提示词，就是把这个流程直接固定化。我只要每次选一段文中的片段扔给智能体，它就给我把提示词写好。然后把参考图还有这个提示词全部扔到豆包里画图。最后把生成的图片插入到我提前准备好的文档里面。效果还是挺不错的。当然，我把这个流程再改进一下，可以完全自动化。尤其是如果使用 nano banana 的话，做图会更方便。但是 nano banana 生成一张图片要3毛钱，如果这张图片作废了，那钱也白花了。暂时就先用豆包吧。

27. 爆款揭秘！Stable Diffusion核心咒语全攻略，从此你的AI图不再“普”！

28. Stable Diffusion（SD）第03讲

29. Stable Diffusion教程

30. AI 绘画技巧(ComfyUI实战)

31. Stable Diffusion零基础入门

32. Stable Diffusion

33. Stable Diffusion 全攻略

34. 写实类风格图片生成提示词，超多细节

35. 【SD教程】提示词

36. Stable Diffusion教程

37. 【AI绘画搞副业系列教程】如何写好提示词

38. 如何从 Stable Diffusion3.5 中获得最佳结果

39. AI提示调试减半秘诀

40. AI提示词总失效？3个调试技巧，速看！

41. AI新手必知

42. Stable Diffusion

43. 慕k Stable Diffusion指南-SD文生图/图生图/视频动画/LoR

44. 核心技能：如何撰写驱动AI批量生成的高效“提示词”？

45. Prompt设计六要素

46. Stable Diffusion 零基础入门：30分钟上手到出图

47. 第 5 课｜Prompt 结构详解：从灵感到镜头

48. AI绘画入门指南：如何用 Stable Diffusion 画出惊艳作品？

49. 教你如何设计一个高价值的 Prompt：从思维到架构实现

50. 《新手入坑 Stable Diffusion：最全概念扫盲（含本地部署硬件要求）》

51. Prompt & Skill精选 | 思维链推理、React最佳实践、前端设计、AI图片生成

52. 【教程】提示词自动化管理，迭代，评估流程

53. 【教程】提示词工程的自动化版本管理，迭代，评估流程

54. Stable Diffusion（SD）第01讲

55. Stable Diffusion保姆级教程：AI绘画轻松上手

56. 别再瞎写Prompt了！AI效率差10倍的核心秘密就这3点

57. Stable Diffusion ComfyUI学习笔记

58. 必备！SD提示词技巧大揭秘！90%的人不知道的提示词小技巧你是否曾经苦恼于AI生成的图像总是偏离你的预期？本视频中，我们将深入探讨SD提示词的精确控制技巧。通过本课程，你将学会如何使用提示词来精准描述你想要的图像效果，让AI绘画更加符合你的设想。我们还会分享一些高级技巧和权重调整的方法，让你成为AI绘画提示词的高手。观看到最后，还有惊喜免费资源提供哦！ #stablediffusion教程 #提示词怎么写 #aigc绘画 #火星时代教育