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

张大妈

所谓“万能提示词公式”，90%的人用错方向了

源自107位全网作者

05-17 12:57

精选参考来源

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。

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#

全部
来源

内容由AI生成

1. 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。

2. 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#

3. 搞懂这个AI生图/视频的底层逻辑，成功率提升10倍！

4. 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？

5. 人人免费出大片！豆包Seedance 2.0实测对比+解析！

6. Vibe Coding 终极指南 V1.2开发者在与 AI 搭档编程时，经常面临规划混乱、代码难维护的问题。Vibe Coding 是一个以规划为核心，结合系统提示词和模块化设计的终极 AI 编程工作流程，帮助你从想法到可维护代码，形成一条清晰可控的流水线。它提供了丰富的提示词库，涵盖需求澄清、开发计划、代码实现、测试验收等全流程，确保 AI 不会失控，项目结构清晰且易于扩展。无论是 CLI 还是 VSCode 扩展，都能顺畅体验。主要特点包括：- 以规划驱动开发，避免 AI 自主引发混乱；- 完善的系统级提示词集合，规范 AI 行为边界；- 闭环交付流程，从需求到测试全覆盖；- 共享记忆库，实现人机同步的项目上下文；- 支持多种 AI 模型和环境，灵活高效。项目地址：github.com/tukuaiai/vibe-coding-cn/tree/main适合开发者、团队和 AI 协同工作场景，助你打造可审计、可复盘、可持续的 AI 编程新体验。

7. 当模型推理能力越来越强，我们还需要提示工程吗？

8. 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

9. 谁才是最强王者？ChatGPT5.5、Claude 4.7、Deepseek V4、Qwen 3.6 编程实测见真章！| 零度解说

10. 一学就会，1招去除图片的AI味儿，超绝真实感你用关键词生成的图片是不是看起来一眼假？原来不用关键词才是去掉AI味的关键！#设计 #ai #AI生图 #ai新星计划 #抖音知识年终大赏

11. 【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#

12. 随着AI智能化的加速，提示词的能力差异会导致社会分层。表达能力的强的人会获得指数化的竞争优势，不会说话，不懂描述，不会沟通的人，再强的大模型也不知道你要什么。通过对语言的结构化理解，可以精准地喂给大模型提示词，同一个大模型在不同人的手里能力天壤之别。有个学生问我说老师你用AI写程序为什么不报错，我说我很久没见过AI生成代码产生BUG了。一方面是AI强了，另一方面是我更强了。我给的AI提示词不是随便的表达，是结构化表达，每一段说辞里面有结构锁，保证他不会产生误解，在表达下下文中有逻辑推理和校验机制，大模型一听就懂，然后他再去概率匹配出来的东西，一击必中，根本不费事。像我这样的表达狂人，在以后的AI世界就变得更强了。AI 抹平了工具的差距，给了大多数人一个高端技术入门的门票，却放大了人「语言逻辑、表达架构」的差距。你是拿到旧时代的船票，但高手坐火箭走了……

13. 【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

14. 2025年AI提示词深度指南：从基础知识到高级技巧

15. 实测用TRAE Skills接管工作流，打工人的自动化神器 #AI #AI编程 #TRAE #SOLO #Skills

16. 【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#

17. Seedance 2.0：说中国话的最强AI视频模型！

18. 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。

19. 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#

20. 【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

21. AI 编程时代，最稀缺的不是提示词，而是软件工程

22. 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。

23. 别再学提示词了：为什么它是AI时代最短命的技能？

24. #Seedance必玩提示词模板#1分钟出大片！Seedance 2.0 正式终结了“AI视频不会剪辑”的时代！最近科技圈都在传这个 Seedance 2.0，最离谱的是它能直接生成“60秒长视频”，还自带电影级的分镜头切换！我也试了几组，整理出一份【必玩提示词模板】，建议先收藏再练手！万能提示词公式：[场景描述] + [核心角色] + [多段动作指令] + [分镜头要求] + [影调风格]案例分享“深夜的赛博朋克街道，霓虹闪烁（场景）。一名身穿银色风衣的侦探正穿梭在雨中（角色）。镜头先从背后跟拍特写，随后切到高楼俯瞰，最后停留在侦探推开酒馆大门的瞬间（多镜头动作）。胶片颗粒感，王家卫风格，高对比度影调（画质风格）。”如何用它做出爆款短视频？AI短剧流：利用60秒的长片段，保持角色一致性，直接出剧情。产品广告流：给你的产品起个酷炫的提示词，Seedance 能帮你生成极具质感的转场。梦境记录流：用最天马行空的描述，挑战它的多维度想象力。小乔说科技的微博视频

25. 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？

26. 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。

27. 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#

28. 【智能体软件不是提示词堆叠：一场面向 Agent 的系统工程实践】构建智能体软件（Agentic Software）不应仅仅是“提示词工程”的堆叠，而是一场严谨的系统工程实践。Ashpreet Bedi 通过复盘贝尔实验室构建电话网络的历史教训，指出当前 AI 开发中“过度优化局部、忽视系统整体”的误区。+ 真正的智能体软件是“业务逻辑被 Agent 替换”的常规软件，它必须在五个核心层面上实现协同：1. 智能体工程（Agent Engineering）这是系统的“大脑”。除了模型选择，更关键的是定义确定性的执行流、工具配置和上下文管理。智能体的行为在可预测时应保持确定，在不可预测时应保持可观测。2. 数据工程（Data Engineering）上下文即数据。记忆、存储和知识库必须遵循成熟的数据工程原则：设计良好的 Schema、结构化查询以及高效的读写流水线。Agent 的能力上限取决于它获取数据的质量，而非模型参数。3. 安全工程（Security Engineering）安全必须由系统强制执行，而非靠提示词约束。“只读权限”应该是数据库连接层面的配置，而不是告诉 Agent “请不要修改数据”。必须通过 JWT 验证、RBAC（基于角色的访问控制）和请求隔离，防止数据越权。4. 接口工程（Interface Engineering）Agent 会出现在 REST API、Slack、终端等多个表面。挑战在于如何将不同的身份系统（如 Slack 用户 ID 与产品内部 ID）统一映射，确保权限控制在所有入口保持一致。5. 基础设施工程（Infrastructure Engineering）95% 的工作与传统服务无异（容器化、云部署、横向扩展）。剩下的 5% 在于应对 Agent 的特性：更长的请求耗时、流式响应（SSE/WebSockets）以及主动触发的任务。+ 系统工程的实践：Dash 项目为了证明这一理念，Agno 团队开源了 Dash —— 一个具备自我学习能力的 SQL 数据智能体。它展示了系统工程如何解决实际问题：- 六层上下文增强：Dash 不直接写 SQL，而是结合表元数据、业务规则、历史查询模式、机构知识、错误学习记录和运行时 Schema 检查。- 自我进化闭环：当 Agent 执行 SQL 报错时，它会诊断修复并记录“学习心得”。第 100 次查询比第 1 次更准，不是因为模型变强了，而是数据层进化了。- 架构级安全：分析师 Agent 连接的是只读引擎，工程师 Agent 只能写入特定的 dash Schema。这种物理隔离确保了即便模型“幻觉”产生恶意指令，系统也会在底层将其拦截。当我们从系统视角审视软件时，许多争论（如 MCP vs CLI）会变得显而易见。不要给 Agent 不受限的权限，要给它定义清晰、边界明确的工具；不要把记忆存在散乱的文件里，要存入数据库。系统工程不是为了增加复杂性，而是为了让各个组件在交互中产生超越个体的可靠性。x.com/ashpreetbedi/status/2041568919085854847github.com/agno-agi/dash

29. 今天看到一个关于 Loop Engineering （循环工程）的说法，从工程师的角度，感觉比 Agentic Engineering 更具体。提示词（Prompting）是一个 Bug，而非特性。别再痴迷于琢磨动词和上下文窗口了。如果你的工作流还得靠你去做一个“提示词耳语者”（Prompt Whisperer），那你已经输了。在一个渴求“系统化”的世界里，你只不过是个手动挡的操作工。 “氛围编程”（Vibe Coding）拿来做演示固然有趣，但真正的进化是**“循环工程”（Loop Engineering）。你不再是写一段提示词，而是构建一个递归环境**：让智能体（Agent）自行评估失败、重构逻辑，并不断迭代，直到意图与输出之间的偏差（Delta）归零。人类不应是那个修修补补的编辑，而应是整个循环的架构师。停止与机器对话。去建造那台会“自我对话”的机器。

30. Seedance2.0最近真的火遍全网！一起来#Seedance必玩提示词模板##HOW I AI# 分享你的创作吧～我也忍不住尝试了用它创作温情家庭动画～我的提示词是“蜡笔小新全家福，从童年到成年，父母逐渐老去，柔和光影，温馨家庭场景，缓慢变焦，怀旧风格”和“家庭聚会，小新放屁栽赃给爸爸，两人争吵，家人哈哈大笑，滑稽风格”这个提示词特别适合打造叙事向的亲情内容：通过“缓慢变焦”实现自然转场，“柔和光影”能增强情感氛围。建议想尝试类似风格的朋友，可以在提示词中加入具体的时间线索（如“五年后”“十年后”）和情绪关键词，让AI更精准地理解时间流逝与温情基调。Seedance2.0在叙事连贯性和画面稳定性上表现超棒，角色形象保持一致，运镜也流畅自然！我的视频里小新从调皮孩童成长为青年，父母的细节变化尤其触动人心～日常生活里的滑稽画面也特别令人动容！我的提示词是「蜡笔小新全家日常，从幼年到成年，父母白发渐变，暖色调，慢推镜头」，欢迎大家照着玩！

31. 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？

32. 高效提示词（prompt）工程指南

33. 【教程】Gemini3给小朋友的词典（附关键词）

34. 谷歌68页提示词圣经+老金原创元提示词，直接复制就能用

35. 【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

36. 【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？

37. 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）

38. 太震撼了！这个AI绘画模型生成的图片太牛了（GPT Image 2，附提示词和案例）

39. 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

40. 告别生成排队，彻底实现顶流模型创作自由

41. 有人把 GPT-Image-2 的高质量提示词整理成了一个现成的仓库，GitHub 上已经冲到 1.7k stars 了。里面覆盖的场景很全，人像、海报、角色设计、UI mockup 都有。甚至一些很刁钻的案例也收录了，比如便利店霓虹写真、宋朝社交媒体界面这种，直接就能抄。如果你平时不太会写提示词，拿这个当模板库就够用了，照着改就行。传送门：github.com/EvoLinkAI/awesome-gpt-image-2-prompts#How I AI##科技先锋官#

42. 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？

43. 如何用AI做TVC创意大片！4步搭建完整工作流 #ai新星计划 #ai #ai视频 #ai教程 #ai工具

44. 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……

45. “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。

46. 不会写提示词？记住这个公式，AI视频轻松上手

47. 别再瞎写提示词了！掌握两大框架，AI输出质量直接起飞 📝

48. 普通人学用AI之提示词结构

49. 不会写提示词？掌握这3个公式，让AI成为你的“职场外脑”！

50. AI提示词真正好用的方法都在这里了

51. 提示词工程已死，智能体工作流永生

52. 别再瞎问了！这套AI提示词模板，让你的效率提升10倍

53. 10个可直接复制的商务AI提示词模板，打工人效率翻倍？

54. 让AI生成提示词的提示词（万能模板+撰写方法）

55. AI提示词模板优化技巧

56. 提示词工程大师课16>AIDA框架

57. AI提示词大全--适合许多场景

58. 吃透BROKE框架

59. 提示词的命门是结构，不是文采

60. 告别“玄学”提问

61. AI提示词万能公式，看完就会用

62. AI 提示词万能公式！直接套用，效果提升 10 倍

63. AI提示词万能公式，90%人都用错，学会直接让AI当免费员工

64. 驾驭AI的第一性原理

65. 用AI办公半年，我总结出了这套新手也能秒上手的提示词技巧

66. GPT-5.5提示词模板深度解析

67. 为什么同样的提示词，别人的效果比你好10倍？

68. AI 场景落地系列（二）你真的会用提示词了？

69. 学会提示词，从此 AI 听你指挥——七个日常场景

70. 整合完整版

71. 我用AI把工作效率提升了3倍，就靠这5个方法

72. 干货 | 如何写出专业的 AI 提示词

73. 第七篇

74. 新手必存，8个极简AI提示词搞定80%写作场景

75. 企业信用评级智能化进阶

76. Trae使用最佳实践9

77. 从数学底层看懂大模型

78. 你了解AI文字生成的底层逻辑吗？一篇文章带你巧用提示词

79. 别再瞎写了！AI提示词万能模板，直接复制就能用！

80. 提示词（Prompt）到底怎么写？3个公式让你的提问效果翻倍！

81. AI提示词进阶教程 3 - 结构化提示词的工程模型

82. 提示词实践指南

83. AI视频提示词怎么写才有效

84. 2026 年 AI 工具全拆解，一个公式搞定所有提示词

85. 2026年最值得学会的6个AI提示词技巧，学会了效率翻倍

86. 【每日AI干货】2026年4月必学

87. 2026年AI工具爆发年

88. AI agent时代还有必要学提示词吗

89. AI提示词很重要，但真正拉开差距的是协作结构

90. 别卷AI提示词了，把AI装进Skills工作流才是分水岭

91. 提示词工程实战

92. 什么样的智能提示语，才算是对 AI 友好的高质量输入？

93. 研究了快3年AI提示词，心得都在这了

94. 专家级 AI 提示词指南

95. 提示词工程·学习备忘录

96. 面向AI原生应用的提示词设计范式

97. AI提示词万能使用指南

98. 豆包提示词万能公式一套公式覆盖多种场景

99. PUAClaw测评：一个让AI”听话”的提示词框架

100. 提示词工程科学报告 1:提示词工程既复杂又具有不确定性

101. 零门槛体验，3分钟开启提示词工程之旅

102. AI名词太多搞不清？一文读懂 LLM、Agent、提示词

103. 2小时掌握AI提示词？这个平台让效率翻倍

104. AI日报 | 一份值得收藏的AI提示词网站列表

105. 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

106. 2026 全网 AI 提示词工具精选：24 个平台全梳理（名称 + 网址 + 功能 + 推荐指数）

107. AI 提示词专业库，全场景完整版。让你效率翻10倍，新手秒变大神

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！