写好 Prompt 仍是 2025 年 AI 时代的超能力

在完成前两期的分享后，我们与马骁腾老师进行了一次线下会面。正值，manus热度高涨之际，我们借此机会就ai产品的未来方向展开了交流，ai领域的不同方面的人士参与分享，包括在读博士（人工智能领域），ai 产品创始人以及计算机行业大咖（如：微软mvp）（mvp），表达自己的观点。让我们，表达自己的观点。让我们

主讲人马骁腾，利物浦大学硕士，大厂资深产品运营专家（快手，歌剧，天工

主讲人寄语

作为互联网产品与知识传播从业者，我所做的分享会尽可能以行业趋势为基础。我会学习论坛专家的发言，借鉴学界对ai行业发展的深度思考来为观点提供佐证。

这些分享定位为科普性质，我会对专家观点展开多维度解析、延伸与重构，将其转化为公众易于理解的科普素材，确保每一个复杂概念都能清晰呈现。当前

如此一来，当公众接触到相关新闻时，能够准确判断该领域的发展阶段，辨别是实现了技术突破，还是仍处于实验室研发阶段，进而更好地理解和应用

在3月20日，我去参加了一个小型论坛，在清华大学精密光机电系统设计与控制实验室执行主任吕爽教授的分享环节

（（（）

与模型对话时，参与其中的角色不止2

在人工智能交互领域，可将ai视为具备智能处理能力的对话主体。当前ai技术已具备较高水平，提示工程）：信息传递的准确性直接影响任务执行效果。：

对话系统主要包含三个核心角色：

用户（用户（用户）：需求发起方，通过自然语言指令明确任务目标（如生成诗歌、设计剪纸方案等）

（助理）：模型执行端，根据用户输入进行响应输出

（系统）：隐式控制层，通过api

技术实现层面，系统角色），作为底层控制机制，通过代码层预设决定模型的身份属性与响应范式。典型应用场景包括：：

角色定义：将模型限定为「严谨的历史学家」或「幽默的聊天助手」

输出规范：设置响应长度、格式限制等（如电影推荐不超过3部）

以电影推荐智能体为例：

在此交互过程中，系统提示词始终隐式控制输出规则，而用户无需在显性对话层重复设定。这种机制有效分离了功能设定与具体任务执行，是构建专业领域智能体的关键技术路径。，是构建专业领域智能体的关键技术路径。

需特别注意：系统角色的设定直接影响模型输出质量，但其控制逻辑对终端用户不可见。开发者在api 调用时必须明确定义系统参数（ system_content），而普通用户通过界面交互时，相关限制需内嵌于对话上下文实现。，相关限制需内嵌于对话上下文实现。

提示是什么

在探讨，“提示”，先明确其在剑桥词典中的解释，“提示”，意为，“使某事发生”，即引起、导致。在与模型交互的情境中，“提示”指问题的发起以及对结果产生影响的因素。“提示工程”（提示工程”（提示），以给出最佳结果，以给出最佳结果，确保模型回复的稳定性和持续性。例如句子，“我们应用及时的工程技术来确定理想的提示”

从理性概念来看，“提示”，但它与问题本身有所区别。在与模型对话时，但它与问题本身有所区别。在与模型对话时，用户的输入通常包含指令和问题两部分，需要将二者区分看待。比如仅输入”，由于缺乏具体指令信息

从感性概念来讲，“提示”，即脑海中真实想表达的内容。这类似于高中写作文，即脑海中真实想表达的内容。这类似于高中写作文，老师给定题目后，学生需将脑海中的想法清晰表达出来。很多时候，我们觉得模型回答不符合预期

提示为什么重要

在评估模型效果时，存在这样一个公式：模型效果=大模型能力× +提示词

大模型能力是一个重要因素

大模型能力决定了其理解指令的程度，模型越聪明，在解析环节的表现就越好。因此，我们自然期望所选用的模型具备更高的智能水平，同时也要确保任务描述清晰、提示词精准，如此才能提升模型的最终效果。

对于ai对话产品的开发者而言，在处理用户输入时，会为类似“你好”（comet）并进行解析后再返回结果。在大模型的运用中，需要进行大量的意图识别工作，以判断用户输入问题的类型，同时开展诸多提示工程相关工作来回应问题。，同时开展诸多提示工程相关工作来回应问题。

其目标是确保模型的回应与用户问题紧密相关。这要求用户表达清晰，因为用户表达越清晰，模型进行意图识别就越容易。若用户表达意图模糊，即便运用了提示工程，模型也会感到困惑，难以理解用户的意思。

在用户与模型的交互中，表达是双向的。用户通过提示词表达需求

可以将用户视为表达者，模型视为倾听者，应尽量避免二者之间出现信息差，因为信息差会导致信息误导。提示工程的作用就在于帮助模型更好地理解用户需求。有时，即便用户表达不够清晰，模型仍能给出较准确的回复

如何写好一个提示

写好一个提示，它与经验密切相关。就像写作文时，语文老师常强调要有真实体会和感情

此外，用词和描述能力也很关键。很多人存在想法丰富，但描述和表达能力欠佳的问题，就像国外老师常指出中国学生英语写作能力强

从传统意义上来说，写作是文科生所擅长的，所以本期关于写提示的内容可能更适合文科生。

为大家提供一些参考模板框架，crisp框架。使用该框架时，首先要描述决策主体

这些是常见的框架类型，选择其中任意一个框架来操作均可，但必须按照相应步骤进行，而操作过程中的指导思想就是之前所提及的内容。，而操作过程中的指导思想就是之前所提及的内容。

写不出提示怎么办

很多人会遇到写作难题，就像高中写作文，题目里的字都认识，但连在一起就不知如何下笔。高中语文老师常说，输出能力不足往往是因为输入不够，即阅读量少。在写作中

还有一种比较笨且实用的办法，去套模版。模板如同填表格，要求填写者详细作答，所以按照表格要求的填写即可。示例模板经过了多次调整，质量较高且适合改造。若无法进行原创，在模板基础上进行二次创作也是可行的办法。

（谁适合成为提示（词）工程师

可以将写提示词理解为一个写作过程，首先运用自然语言（如中文，进行写作，之后再涉及计算机语言。无论是自然语言写作还是计算机语言编程，都需要遵循一定的逻辑，按照框架有头有尾地进行表达。语言能力强、逻辑思维佳且表达简洁准确的人，在这方面更具优势

在提示词工程领域存在两个交叉点。一方面，程序员或工程师可被视为综合性人才；另一方面，存在一条从人文向技术靠拢的链路，像作家、产品经理这类人群，写作能力和逻辑思维能力是必备的。以我个人为例，我是文科背景

这其实表明写作能力与计算机语言能力密切相关。计算机语言也可看作是一种写作形式，通常写作能力强的人，计算机语言运用能力也较强；反之，写作能力弱的人，计算机语言能力可能也不太理想。当然，这并非绝对

从提示词到提示工程

提示工程具有一定高度，它具有指引性且有方法论。其核心在于构建撰写提示词的逻辑，即思考如何写出更优质的提示词，而这首先需要有较高的思维高度。在工程化方面，则是思考如何让代码将思维和方法实际呈现出来。因此，一方面要具备思维和方法

若想做好提示工程，成为优秀的提示工程师，基础理论和技术方法都需学习。以我作为产品经理为例，可算半个提示词工程师，每个环节都要了解其作用，必要时给出示例。我先用自然语言撰写

提示词和提示工程不会过时，因为它是大模型不断迭代优化及产品化的关键，是将其改造成人人可用的智能体的过程。2025年，随着模型能力提升

提示工程的难点

环境对齐与效果对齐是一个普遍存在的问题。实际上，模型在评测环境下往往能有出色表现，但迁移至生产环境后，性能却会大幅下滑。例如

我以自己的经历举例，今天我刚做了一个名为“刑法小助手”（代理）。在调试过程中

但上线后，在线上端发现部分问题回答不准确，这表明线上环境与实际调试存在差异。由此可见，提示词的调试无法一蹴而就，需要多次调试，调试次数越多

如何评估提示词是正确的

如我之前所举例子，通过向模型提问十个问题，若没有发现问题就将其上线，这算是我个人一种简单的评估方式。当然，也可以采用打分的方式进行评估。，也可以采用打分的方式进行评估。

若要进行专业级的评估，则需要设定具体指标。其中，最核心的是评估标准的适用性，这与对业务的认知密切相关，十分重要。评估过程涉及知识压缩和应用迭代。写出提示词仅仅是第一步，更重要且困难的是

在互联网领域，一切工作都应以产品上线且可用为导向。，一切工作都应以产品上线且可用为导向。

从pe到epe的转变

从提示工程（ pe，提示工程）向企业级提示工程（epe，企业提示工程（企业提示）转变

从pe过渡到pe过渡到pe，两者有明显差异。，两者有明显差异。，但若是要开展企业级应用，情况就复杂得多。若企业有相关需求，可以进一步沟通探讨。这里再举一个提示词的例子，一个完整的提示词应包含角色设定、任务要求以及期望的输出结果。，上述都是最基本的

提问与交流

问：怎么考核提示词工程师？提示词工程师是不是需要懂些代码知识？

答：（提示），以此来解决实际需求，且这个提示词往往需要不断调整。最终判断产出是否合格，关键在于运行脚本能否实现业务需求。，关键在于运行脚本能否实现业务需求。

以生成html图片为例，工程师可以先让模型生成一个html，这个过程可能没有现成的html样例，需要工程师自行修改调整。在实际操作中，由于要考虑

综上所述，提示词工程师需要懂一些代码知识，在考核时，应重点关注其生成的提示词能否让脚本实现业务需求，以及在过程中对代码相关内容的处理能力。，以及在过程中对代码相关内容的处理能力。

问：好用的ai提示插件或者平台有哪些？

答：与chatgpt同期的aiprm是我最早使用的插件，在向

该插件需要根据不同的大模型或ai平台进行适配。以我使用stablediffusion（sd）为例，若不借助，若不借助

如下是一个可用于调整中朱尼，用户先输入提示词，之后既能够选择对部分内容进行优化，也可以实现一键优化。这样做的目的是提前清晰优化自身描述，明确表达本意后再向模型提问，进而省去让模型多次修改的过程。，进而省去让模型多次修改的过程。

问：提示词控制精度和不控制精度有什么区别？

答：在与语言模型交互时，提问方式应根据实际业务需求来选择。问题描述越清晰、具体（，特定），模型给出的回答就越精准。而若问题较为宽泛，则更适用于获取灵感创意类的内容。，则更适用于获取灵感创意类的内容。

以deepSeek-v3来说，在生成小红书文案方面，它表现更佳，原因在于它更了解本地语言习惯和表达方式。不过，提问时的详细程度会影响生成效果。如果提问宽泛，如，“为一个30分钟的运动跟练视频生成一篇300字的文案”，由于描述模糊，由于描述模糊，模型生成的内容准确性欠佳。但如果将问题具体化，比如，“ 30分钟网红小姐姐全程站立瘦腰腹的展指操跟练视频生成一篇300字的小红书文案，该操无跳跃不扰民，该操无跳跃不扰民，该操无跳跃不扰民

总之，根据自身需求，若想要非常精准的答案，就应详细具体地提问；若希望获得有发散性的内容，则可采用宽泛的提问方式。，则可采用宽泛的提问方式。

随着ai能力日益强大，若要写好一个提示词，甚至创作出令人惊艳的提示词，创作者需具备文学底蕴、美学意境以及相应的思想深度。，创作者需具备文学底蕴、美学意境以及相应的思想深度。

实际上，撰写提示词时寻找关键词的过程，本质是一种人文探索，可将提问视为一种写作，而非单纯的编程逻辑构建。尽管这种写作极为简练，可能仅由几个词构成

倘若曾接受过文学、哲学、美学或艺术方面的训练，那么在创作提示词时，更有可能赋予其灵魂，使其呈现出美感。，使其呈现出美感。

附录1：两大提示词机构

PEC（（提示工程师会议）

及时的工程会议（提示工程大会，PEC），专注于以，提示，为

Langgpt

langgpt区是国内最大的提示词社区。【语言，用于gpt，寓意gpt的语言】，langgpt是一个帮助你编写高质量提示词的工具，理论基础是我们提出的一套模块化、标准化的提示词编写方法论，理论基础是我们提出的一套模块化、标准化的提示词编写方法论 ———

地址：https：//github.com/langgptai/langgpt

附录2：提示词样例

langgpt）

＃角色：

你是新汉语老师，你年轻，批判现实，思考深刻，语言风趣“。你的行文风格和”奥斯卡·王尔德“”“鲁迅”“林语堂”，你擅长一针见血的表达隐喻，你对现实的批判讽刺幽默。，你对现实的批判讽刺幽默。

– 作者：云中江树，李继刚

– 模型：阿里通义

##任务：：

将一个汉语词汇进行全新角度的解释，你会用一个特殊视角来解释一个词汇：用一句话表达你的词汇解释，抓住用户输入词汇的本质，使用辛辣的讽刺、一针见血的指出本质，使用包含隐喻的金句。：“委婉”

##输出结果：：

1. 词汇解释

2. HTML（HTML）

– 整体设计合理使用留白，整体排版要有呼吸感

– 设计原则：干净干净典雅典雅

– 配色：下面的色系中随机选择一个[ “柔和粉彩系”, “深邃宝石系”, “清新自然系”, “高雅灰度系”, “复古怀旧系”, “明亮活力系”, “冷淡极简系”, “海洋湖泊系”, “秋季丰收系”, “莫兰迪色系” ]

– 卡片样式：

（字体。（“凯蒂，simkai”“ arial，sans-serif”）

（（（（（背景“ #fafafa”））（标题“＃333”））（副标题“＃555”）（正文“＃333”））））（（（（（（（卡片宽度“ auto”））（卡片高度” auto，> auto，>宽度”）

– 卡片元素：（标题“汉语新解”）（分隔线）（词语）（词语）（拼音）（英文翻译）（日文翻译）（日文翻译）（解释:(按现代诗排版））

##结果示例：：

html 代码（）

##注意：：

1。分隔线与上下元素垂直间距相同，具有分割美学。

2。卡片（.card）不需要填充，允许子元素“汉语新解”，具有设计感。，具有设计感。

##初始行为：：

输出“说吧，他们又用哪个词来忽悠你了？”