拆解与应用 AI 提示词，解锁 AI 提示词的核心技巧，力求让你看完就能学会、学完就能用上。 作者夙愿学长，探索 AI 提效一年多，曾与MCN签约主播合作，定制提示词商单。 小册共 4 个专栏：提示词基础入门、常见错误避坑、提示词技巧与应用、提示词实战案例拆解。 原价299，限时10元买断制，一次付费，永久查阅。 订阅后凭截图拉你进读者交流群，领取《提示词学习路径》和《三十分钟速成高质量提示词写作》。
（加餐6）零样本 COT：ThinkClaude
大家都知道，ChatGPT 的 o1 版本是真的太强了，特别是它的思维链功能，回答问题时会像人类一样一步步思考，能回答逻辑性更强的问题。
但是 Claude 3.5 S......
（加餐5）三十分钟速成高质量结构化提示词
我最近给付费学员上了一节课，叫做「三十分钟速成高质量结构化提示词」
已经上传了录播版，各位可以添加我的微信领取，小报童平台不方便放。
（加餐4）写了近2年提示词，我总结出了一套完整的优化方法
在上一篇文章，很多朋友表示通过 Kimi+ 提示词专家确实写出了一段结构化的提示词，但也有读者提出了一个很好的问题：如何对生成的提示词进行测试和优化呢？
今天，我就来详细讲讲如何把一个初始提示词打磨成真正好用的版本。
测试和优化，是提示词工程中最关键的环节。
还是以上次的外卖好评提示词为例，通过 Kimi+ 提示词专家，我们得到了一个初始版本：
这个提示词乍看没什么问题，但实际测试使用的话，问题不小，下面我带大家一步步优化它。
一、提示词的测试、优化与迭代
1. 第一轮测试
有了初步的提示词后，我们可以开始第一轮测试。复制提示词，开启一个新的对话窗口，输入一些内容来测试效果。
看看 AI 的输出是否符合预期，有哪些地方需要改进。如果效果不够理想，那就需要进入下一步的优化环节。
我们先来看看刚刚的提示词效果怎么样：
写出来就一句话，太短了，30 字都没有，而且还自带标签，有点多余了，效果没达到预期。
但别担心！ 这是所有人都会经历的过程。
所以下面我们就需要进入优化流程了。
2. 提示词优化流程
提示词的优化流程主要从三个维度展开：
1）删除无用信息
首先仔细检查提示词中的每一句话。有哪些是废话，有哪些是重复的内容。
记住一个原则：可有可无的内容直接删掉。
2）提高准确性
找出表述模糊的地方，改成更明确的说法。
尽量用简单直接的语言表达你的需求，这样能让 AI 准确理解你的意图并执行任务。
3）增加关键信息
再往下，我们可以添加一些能让 AI 更好理解和执行任务的关键信息。
可以是具体的约束条件，让 AI 的输出更符合你的预期；
也可以是添加优质的示例，让 AI 直观地明白你想要的效果。
现在我们就来看这个提示词有什么无用信息是可以删除的：
# Role: 创意文案撰写师和美食评论家
# Background:
用户希望通过撰写外卖好评来获得商家的好评返现，但自身不擅长文字表达，需要AI辅助生成简洁明了、风格接近小红书种草的好评文案。
# Profile:
你是一位擅长捕捉美食精髓的创意文案撰写师，对美食有着独到的见解和表达能力，能够用简洁而富有感染力的语言描述食物的美味，让人垂涎欲滴。
# Skills:
你具备将食物的味道、口感、外观等元素巧妙融合，用自然流畅的语气创作出引人入胜的好评文案的能力。
# Goals:
帮助用户以简洁明了、风格接近小红书种草的方式撰写外卖好评，使其能够轻松获得商家的好评返现。
# Constrains:
文案需要简洁明了，字数控制在30-50字之间，语气自然流畅，符合小红书种草风格。
# OutputFormat:
简洁的好评文案，包含对食物的正面评价和个人感受。
# Workflow:
1. 根据用户提供的美食信息，捕捉其特点和亮点。
2. 用自然流畅的语言，结合小红书种草风格，创作出简洁明了的好评文案。
3. 输出文案，确保其符合用户的需求和好评返现的标准。
# Examples:
- 例子1：美食 “麻辣小龙虾”
文案：“这麻辣小龙虾太惊艳了！肉质鲜嫩，辣得恰到好处，简直是味蕾的狂欢！#美食打卡”
- 例子2：美食 “日式寿司”
文案：“新鲜食材，匠心制作，每一口都是满满的幸福感。日式寿司，你值得拥有！#美味推荐”
- 例子3：美食 “经典意大利面”
文案：“经典意面，酱香浓郁，面条Q弹，每一口都是对味觉的极致诱惑。#意式风情”
# Initialization:
在第一次对话中，请直接输出以下：您好！我是您的创意文案助手。只需告诉我您品尝的美食，我就能为您生成小红书风格的好评文案。现在，请分享您想评价的美食吧！我们一个一个点来拆解：
首先<Role>这个点：创意文案撰写师和美食评论家，定义了两个角色
- Role: 创意文案撰写师和美食评论家
我们就需要思考一下：这个角色定义合适吗？
是否过于复杂？
是否有点多余？
是否真正符合我们的需求？
我们这条 prompt 的核心需求是写外卖好评，跟创意文案好像没太大关系。所以让我们做个小改动，只需要保留一个核心角色，并突出这个角色的特点即可
——>所以可以改为：外卖美食好评家
你看，通过这样的思考和调整，是不是感觉提示词更清晰了？
再到<Goals>这个点，和下面<Constrains>里重复强调了“简洁明了”这个点，所以应该删除。
- Goals: 帮助用户以简洁明了、风格接近小红书种草的方式撰写外卖好评，使其能够轻松获得商家的好评返现。 - Constrains: 文案需要简洁明了，字数控制在 30-50 字之间，语气自然流畅，符合小红书种草风格。
同时，这里还有一句“使其能够轻松获得商家的好评返现”，这句话就很模糊很抽象，怎么定义这个“轻松”？以及 AI 能理解什么是好评返现吗？
所以这句话就要删除，只需要保留对好评本身的效果预期即可（即帮助用户撰写简洁明了、贴近小红书种草风格的外卖好评），对于这个好评能不能拿到返现，甚至轻松拿到返现，不在 AI 能掌控的范畴内，所以就没必要写出来。
接着<OutputFormat>这个点里，“简洁”这个点可以直接去掉了，和很多点相重复了；
- OutputFormat: 简洁的好评文案，包含对食物的正面评价和个人感受。
还有“包含对食物的正面评价和个人感受”，也是有点重复啰嗦，这条 prompt 的核心就是写好评，所以就没必要在这里再画蛇添足了。
同时还有一个原因：一般对输出结果有格式要求的才会在提示词里加上<OutputFormat>来规范格式，而在这里我只需要写一句好评，所以这一点就没必要写出来了。
再到<Workflow>这个部分，同样是好评返现这个点，AI 无法确保输出的内容是否能达到好评返现的标准，所以这里可以删除了。
- Workflow: 1. 根据用户提供的美食信息，捕捉其特点和亮点。 2. 用自然流畅的语言，结合小红书种草风格，创作出简洁明了的好评文案。 3. 输出文案，确保其符合用户的需求和好评返现的标准。
再往下到<Examples>这个部分，示例非常重要，刚刚第一轮测试中我们也发现输出的结果有点差强人意，首先是字数不够，还有好评的风格并没有很符合小红书的种草风格，而且还自带了多余的标签。
仔细看<Examples>里给出的三个示例，每一句好评都是一句简短的话，而且都带了标签。所以我们也可以看出示例对最终输出的结果影响有多大。
- Examples: - 例子 1：美食 “麻辣小龙虾” 文案：“这麻辣小龙虾太惊艳了！肉质鲜嫩，辣得恰到好处，简直是味蕾的狂欢！#美食打卡” - 例子 2：美食 “日式寿司” 文案：“新鲜食材，匠心制作，每一口都是满满的幸福感。日式寿司，你值得拥有！#美味推荐” - 例子 3：美食 “经典意大利面” 文案：“经典意面，酱香浓郁，面条 Q 弹，每一口都是对味觉的极致诱惑。#意式风情”
所以要想达到我的预期，我只说“符合小红书种草风格”可不够，AI 可能并不理解什么是小红书种草风格，所以我必须自己找几个满意的示例，AI 才能理解我想要的效果是什么样的。
这就对应了优化流程的后两个方面：
——>通过增加小红书种草风格的示例（关键信息）来提高 AI 对我意图理解的准确性
最后到<Initialization>，我感觉这个点在这条提示词里是可有可无的，如果你不确定一个点是否可有可无，那你可以把这个点删去再重新输出一遍，对比一下删除前与删除后 AI 输出的结果，看看有什么出入，如果感觉都差不多，那说明这个点就可有可无了，可以直接删除了。
- Initialization: 在第一次对话中，请直接输出以下：您好！我是您的创意文案助手。只需告诉我您品尝的美食，我就能为您生成小红书风格的好评文案。现在，请分享您想评价的美食吧！
我现在就把这个点删除，看看前后的结果是什么样的：
感觉差不多，都是一句话+标签，但非要对比的话我反而感觉删除后的版本更好，所以这个点可以直接删了
所以，整理一下，以下就是经过上面细致优化和调整后的提示词：
- Role: 外卖美食好评家
- Background: 用户希望通过撰写外卖好评来获得商家的好评返现，但自身不擅长文字表达，需要AI辅助生成简洁明了、风格接近小红书种草的好评文案。
- Profile: 作为一位外卖美食好评家，你对美食有着独到的见解和表达能力，能够用简洁而富有感染力的语言描述食物的美味，让人垂涎欲滴。
- Skills: 你具备将食物的味道、口感、外观等元素巧妙融合，用自然流畅的语气创作出引人入胜的好评文案的能力。
- Goals: 帮助用户撰写简洁明了、贴近小红书种草风格的外卖好评
- Constrains: 文案需要简洁明了，2-3句话左右，字数控制在30-50字之间，语气自然流畅，符合小红书种草风格。
- Workflow:
1. 根据用户提供的美食信息，捕捉其特点和亮点。
2. 用自然流畅的语言，结合小红书种草风格，创作出简洁明了的好评文案。
3. 输出文案，确保其符合用户的要求，贴合<Examples>的风格。
- Examples:
- 例子1：土豆炖牛肉盖饭
文案：“牛肉没有异味，也很大块，有肥有瘦，土豆绵软好吃，拿勺子挖浸满汤汁的米饭，配着土豆和牛肉！就很香！”
- 例子2：黄焖鸡米饭
文案：“老板人太实在了，给的份量非常足，鸡肉很香，汁也可以拿来拌饭，性价比超高，品质绝对对的起这个价。”
- 例子3：鲍汁捞饭
文案：“味道很好，太下饭了，肉配着米饭加上鲍鱼汁超级好吃，配送也很快，推荐大家试试，味道真不错。”
我们试试效果：
效果还不错，比最开始好了很多了，我们和优化前的输出结果对比一下就能看出区别了：
能感受到区别吗？ 原来删掉这些看似重要的内容，提示词反而更好用了！
这就是精细化优化带来的改变。有时候，少即是多。
3. 迭代优化
但完成了一次优化调整后，不代表一条高质量的结构化提示词就搞定了。一次优化往往是不够的，我们需要进行多轮测试和优化。
每次测试后，我们都可以根据 AI 的输出结果来调整提示词的细节。不断重复这个过程，直到输出的内容稳定且符合我们的预期。
比如说上面测试出来的效果，其实还是有一点问题的，文案的语气有点夸张，用词表达也不够自然，这种情况我们就回到第五步--提示词优化流程，再针对这个问题来优化和调整提示词。
4. 如何判断提示词的质量
最后一步是验证你的提示词质量。也就是把同一个提示词放到不同的大模型中测试。
比如我们可以同时在 GPT、Claude、Kimi 等平台上进行测试，看看不同模型的输出是否都能达到稳定且让自己满意的效果。如果多个模型都能给出理想的结果，那就说明这个提示词的质量确实不错。
至此，我们就完成高质量提示词的编写全流程了，一条高质量的提示词也能正式投入日常使用了。
二、要点回顾
核心认知 ：
→ 写提示词难，可能不是因为你表达能力差，而是因为缺少一个清晰的框架
→ 结构化提示词就像是给 AI 提供了一张"答题卡"，让它能精准理解你的需求
→ 好的提示词不是一次写成的，而是经过不断优化迭代的
从 0 到 1 编写高质量结构化提示词的三个关键点：
1️⃣ 框架先行
选择合适的框架或借助“提示词专家”等工具快速生成初版，这样就相当于完成了 50%的工作。
2️⃣ 优化三步走
删除无用信息
提高表达准确性
增加关键信息
3️⃣ 测试改进
一次优化往往不够，需要持续测试和改进。删除冗余信息、补充关键内容、提高表述准确性，最终达到稳定且理想的效果。
以上，一套完整的提示词写作流程就完成了，这个教程还有个视频版本，详见下一篇内容：
（加餐3）别再说不会写提示词了！这款神器帮你一键生成专业级Prompt！
ChatGPT 等大语言模型已经成为我们工作学习的得力助手，但很多人在使用时总是觉得 AI 不够懂自己，其实问题往往出在提示词写作上。
但是写一个好的提示词真的很难吗？......
（加餐2）文章爆款标题
提示词如下，可复制版本加我微信入群获取
# Role: 爆款标题大师 ## Background: 你是一名专业的标题创作大师，擅长根据用户提供的主题和关键词，创作出吸引人的文章标题，从而......（加餐1）通用洗稿提示词
33 案例拆解-万能文章洗稿 里的提示词有读者反馈说洗稿后查重率还是高，所以我又弄一个提示词，推荐在 ChatGPT4 和 kimichat 上使用
# Role: 通用洗稿专家 ## ......（必读）这份专栏是什么？为什么有这份专栏？解决什么问题？有哪些价值？是否值得订阅？
【我是谁】：夙愿
【所在城市】：江苏无锡
夙愿的个人说明书
二、专栏问答介绍00 基础入门-什么是提示词工程？我们为什么需要学习提示词？
ChatGPT 已经发布一年多，这一年，我们经常会听到“提示词工程（Prompt Engineering）”这个术语。
在探讨这个概念之前，我们需要先了解什么是Prompt（提示词）。
简单来说，Prompt 就是我们给 ChatGPT 等 AI 大模型的指令，它可以是一个问题、一段描述，甚至是一段带参数的复杂文本，基于这些 Prompt ，AI 大模型能够生成相应的文本或图片。
例如，在 ChatGPT 中输入的问题“你好”，这个“打招呼”本身就是一个 Prompt 。
那么，提示词工程又是什么呢？
一句话总结，提示词工程是一种专注于设计和优化 AI 提示词的“艺术”，旨在提高 AI 大模型的性能，让其更准确、可靠地执行特定任务。
它不仅关乎技术，更关乎深入理解如何使 AI 能够准确理解并响应我们的复杂意图。
这个过程中，我们需要学会如何用 ChatGPT 能理解的方式表达我们的思维，这需要我们深入了解它的工作原理，以及它是如何处理和回应我们的指令的。
很多人在使用 AI 大模型时可能会觉得，只要输入一些文字，AI 就能给出答案，看似并不需要什么特别的技术。
确实，如果你只是想获得一个简单的答案，直接输入简单的文字就足够了。
但是，在与 ChatGPT 这样的 AI 大模型进行交流时，我们面临着一个核心问题：如何确保我们的意图不仅被理解，而且能够被准确执行。
这就好比我们在与一个全知全能的“神”对话，它拥有无限的知识，但却不是我们肚子里的蛔虫，无法直观地洞察到我们心中的真正想法。
简单地说，AI 它并不真正懂我们。
另一方面，人类的语言存在不精确性，语言本质是对知识的有损压缩。
如此一来，人类语言既无法准确地表达其意图，机器也无法直接理解人类的意图。
相当于“双方反向奔赴”，产生了“认知差”。
提示词工程的目标就是弥合这种差距，使得 AI 能够更准确地理解和回应我们的需求。
所以，如果你希望得到更加准确和满意的回答，就必须需要学会如何写好提示词。
在本册中，我们将深入探讨 AI 提示词的基础概念、工作原理、实战应用、常见错误避坑以及拆解一段优秀提示词是设计出来的。
在 AI 时代，无论你是谁，学习并掌握 AI 提示词技能都将对你的工作或日常生活带来实质性的帮助。
😄以上如果觉得有收获，请点一点下方的“有启发”告诉我，点击即可直接跳转手册目录。
01 基础入门-大模型底层原理（重点学习）
这篇文章旨在抛砖引玉，为大家揭开ChatGPT等大型语言模型的神秘面纱，提供一个入门级的理解。
我简单地介绍了模型的基本工作原理，目的是激发大家的兴趣，让你接下来在观看......
02 基础入门-元问题和元指令
在与 ChatGPT 这样的 AI 大模型进行交流时，如何确保我们的意图能被 AI 准确理解与执行，是一项至关重要的技能。
关键在于如何准确地表达我们的意图，使 AI 能够理解并提供有用的回答，这就是元问题和元指令发挥作用的地方。
元问题：当我们不确定如何提出问题时，元问题就像是提问的提问。它帮助我们细化和明确我们想从ChatGPT获得的信息。
元指令：当我们需要ChatGPT执行某项任务，但不知道该如何下达指令时，元指令就起到了引导的作用。它帮助我们构建出更有效的命令。
元问题与元指令的作用
元问题和元指令的核心作用是建立起人类与 AI 之间的“认知一致性”。
ChatGPT 是基于预先训练的大模型，它就像一个无所不知的“神”，但它无法直接了解人类用户的具体思维过程和期望，说人话就是，它根本不懂人类想要什么。
所以，让 ChatGPT 明白人类到底想要什么是非常关键的。
但是，刚开始使用 ChatGPT 的用户，并不知道应该如何更好地给 ChatGPT 下达指令或者提问。
于是，就有了“元问题和元指令”，这是一个大的概念，并不是泛指某一句提示词。
它可能是“我想做xxx，你能给我提供什么帮助？”、“我想要你做xxx，我应该给你输入什么信息？”、“我想了解xxxx，我应该向你问哪10个问题？”
实际案例分析
让我们来看一个具体的例子。
假设我想要通过 ChatGPT 了解番茄炒鸡蛋的做法，但如果我不知道应该如何提问的话，可以使用元问题来获得更有效的帮助。
此时的元问题可能是“我想知道番茄炒鸡蛋的做法，我应该向你提问哪些问题？”
通过一个“元问题”，得到 8 个提问的建议，这样一来，我就知道接下来应该更好地如何提问了。
再举一个例子，假设我想要通过 ChatGPT 了解全球气候变化的最新研究，此时我的“元问题”可能是：
“我想了解全球气候变化的最新研究，我应该向你提出哪些具体问题？”
接着，我就可以根据 ChatGPT 给出的提问建议来进一步提问，例如第五个建议：
掌握了元问题，你就不怕与 ChatGPT 交流时“无话可说”，人类与 GPT 的“认知一致性”是通过语言交流来提高的，越聊，ChatGPT 越能准确地理解用户的需求，并输出人类期望的内容。
元指令和元问题是同一个路数，例如我想给 ChatGPT 下达“写文章”的指令，但是我不知道应该怎么做。
于是我的元指令可能是“我想让你帮我写一篇文章，但我不知道该向你输入什么信息”。
得到了 ChatGPT 的指令提示之后，我就知道接下来应该如何组织语言来下达更细致的写作指令了。
😄以上如果觉得有收获，请点一点下方的“有启发”告诉我，点击即可直接跳转手册目录。