写好 Prompt 仍是2025 年 AI 时代的超能力

Prompt 为什么重要

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，并探讨了未来活动的形式。我们计划邀请更多来自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）等。我们诚挚欢迎各位粉丝朋友们加入我们的分享活动，表达自己的观点。让我们共同交流关于当下AI的热点话题，或是探讨工作与生活中的其他观点和现象。

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，Opera，天工AI），近两年转向人工智能，是国内前5的C端AI产品初始团队成员。

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，AI 领域信息过载，各类媒体发布的资讯质量良莠不齐。我期望通过这一系列分享，助力大家穿透表象、洞察本质，树立正确的 AI 认知，培养基本的判断能力。

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 AI 技术。

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，他提到了“还要不要学提示语”，以及“调教AI的秘籍：让你的提示词效果倍增的关键策略”。

这个关于提示语的思考给了我启发，也促成了此次分享，这次分享核心的来讲就是四个字“学会表达”。

（如下为直播分享的内容摘要）

01 与模型对话时，参与其中的角色不止2个

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，用户与模型的交互效能本质上取决于提示词工程（Prompt Engineering）的掌握程度。这类似于与人类助手的沟通逻辑：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（User）：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）

助手（Assistant）：模型执行端，根据用户输入进行响应输出

系统（System）：隐式控制层，通过API参数预设模型行为特征与响应规则

技术实现层面，系统角色（System Role）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。

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。

02 Prompt是什么

在探讨“prompt”相关概念前，先明确其在剑桥词典中的解释，“prompt”作为动词，意为“make something happen”，即引起、导致。在与模型交互的情境中，“prompt”指问题的发起以及对结果产生影响的因素。

“prompt engineering”（提示工程）旨在让模型按照指定要求运行，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“We apply a prompt engineering technique to determine the ideal prompt”，体现了通过提示工程技术确定理想提示，使模型按设定回复。

从理性概念来看，“prompt”可理解为一种指令，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“写一个故事”，由于缺乏具体指令信息，生成的故事类型具有多种可能性，可能是喜剧、恐怖故事或小说等。由此可见，输入指令（即“prompt”）的效果严重依赖于用户的表达，很多时候并非模型无法解决问题，而是用户表达不够精准。

从感性概念来讲，“prompt”的本质是表达本意，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，认为模型“笨”，其根源往往在于我们自身未能用文字准确清晰地表达出脑海中的想法。因此，在编写“prompt”或向模型提问时，我们应反思自身表达是否足够清晰。

03 Prompt 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×（任务 + 提示词）。这与之前提到的“提示 + 问题”相呼应。其中，任务是每个使用者自身独有的，其他人难以知晓。关键在于，使用者能否清晰地拆解自身任务，并将其与提示词有效组合。

大模型能力是一个重要因素，它如同乘法中的一个因数。若大模型能力强，比如其能力基数为 10，相较于能力基数为 0.1 的模型，最终产生的效果会有巨大差异，前者能使效果提升 100 倍。虽然我们可以选择能力更强的大模型，但在这个公式中，“任务 + 提示词”这两个因数同样至关重要。

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”这样的语句添加注释（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。

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，其中类似于“做”这样的动词尤为关键，“prompt”可理解为动作的发起表达，必须清晰明确。模型则需理解用户的真实意图，不仅要解析用户表达的字面意思，还要识别表面文案之外的隐含需求，这既依赖于模型自身能力，也与提示工程的运用密切相关。只有这样，模型才能精准回应用户需求。

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，这正是提示工程对用户意图进行判断和分析后，找到相对准确解决方案的结果。

04 如何写好一个prompt

写好一个 prompt 可被视作一个写作过程，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，避免无病呻吟。写 prompt 也需要具备相关领域的知识和背景。例如，从事财务工作的人，要了解诸如环比、周同比以及企业经营分析报告等财务知识。只有在某领域有经验，才能写好该领域的 prompt；若缺乏相关经验，则需要学习该领域的知识。

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，但口语表达能力差一样。词汇量会直接影响表达效果。以描述“红色”为例，能联想到的词汇数量反映了个人在这方面的词汇储备。若能迅速联想到“胭脂红”“中国红”等词汇，说明词汇储备相对丰富；反之，则可能词汇量不足。

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 prompt 的内容可能更适合文科生。

为大家提供一些参考模板框架，例如 CRISP 框架。使用该框架时，首先要描述决策主体，明确信息要求。若想让模型处理的问题较为复杂，就需将问题信息阐述得更加清晰，这样模型才能有效解决问题。要先尝试把需求表述清楚，接着可添加一些备注说明，最后明确输出模式。

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。

05 写不出prompt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，大量阅读、广泛输入十分必要，这类似于积累经验，丰富自身的背景知识。当你对相关内容进行深入思考、充分消化，真正想清楚后，自然就能清晰地描述出来。

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。

06 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，而这也是我一直努力提升的方向。过去我说话可能比较啰嗦，现在则更注重把事情表达清楚。

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，没有计算机背景，我认为文科背景的人可以成为不错的提示词工程师，但要成为顶尖的提示词工程师会有较大难度。

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，只是我个人的感悟。

07 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，另一方面要让程序员将想法落地实现。

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，再交给程序员处理，期间会遇到选用何种框架等问题。成为提示工程师有工程化的要求，并非易事，但也并非高不可攀，需要不断学习。

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，提示工程愈发重要。简单来说，在不改变模型效果的前提下，开展提示工程能让模型更易用、更通用，使普通人能更好理解问题，这正是提示工程的价值所在。

08 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，某公司与大模型供应商合作时，供应商团队在测试环境中把模型效果调优至接近 100%，然而系统上线后，性能骤降至 20%。尽管在行业发展初期，这类“学费”难以完全避免，但它提醒我们，评测环境与生产环境的一致性十分关键。

我以自己的经历举例，今天我刚做了一个名为“刑法小助手”的智能体（agent）。在调试过程中，我针对“侵犯财产罪”等问题编写提示词（prompt），花费了两三个小时。由于我没有刑法相关经验，还专门去研究刑法背景知识、查阅相关法条。在后台调试时，效果颇为理想。

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，上线后的效果越好。像我做完这个“刑法小助手”后，会不断向它提问，至少询问十次，观察它是否能按照预设的人设和回复逻辑进行回复。若没问题，我才会将其正式上线，这便是一个简单的上线流程。

09 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。

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，评估结果良好并实现大规模应用。

在互联网领域，一切工作都应以产品上线且可用为导向。

10 从PE到EPE的转变

从提示工程（PE，Prompt Engineering）向企业级提示工程（EPE，Enterprise Prompt Engineering）转变，国产大模型也能够取得良好效果。达成这一目标的关键在于，要将思维从 PE 转换到 EPE 这一全新理念上。

从 PE 过渡到 EPE，两者有明显差异。PE 层面可能看上去运行良好、流程跑通了，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。 而企业级提示工程中，上述都是最基本的，重要的是稳定输出，因为用户不在是自己，而是面向的广大用户。

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：提示词工程师的主要产出物是提示词（prompt），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。

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 HTML 的长宽高等参数，这就要求工程师具备一定的代码知识，这样才能对最终结果进行判断。工程师会将符合要求的固定结果作为示例，后续生成的内容需与之保持一致。

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。

问：好用的AI prompt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 ChatGPT 输入内容时，它能帮助调整提示词。

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 AIPRM，当我想要生成一张“一只小狗站在山顶上”的图片时，即便不考虑参数设置，生成的图片也可能与预期大相径庭，完全词不达意。但使用 AIPRM 后，它能帮助撰写各种场景描述，涵盖所需风格等内容，生成效果良好。

如下是一个可用于调整 Midjourney 提示词的平台。在该平台上，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。

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（specific），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。

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，模型生成的内容准确性欠佳。但如果将问题具体化，比如“为 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”，并结合自身感受详细描述几十字甚至 100 字，模型生成的文案会令人惊艳。

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。

写在最后

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。

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，但其写作本质并未改变。

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。

附录1：两大提示词机构

PEC （Prompt Engineer Conference）

Prompt Engineering Conference（提示工程大会，简称PEC）作为一项公益性活动，专注于以Prompt为核心内容，为AIGC领域的从业者搭建一个AI创新与探索的交流平台。

LangGPT

LangGPT 区是国内最大的提示词社区。【 Language For GPT ，寓意GPT的语言】，中文名为『结构化提示词』。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——结构化提示词。

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

附录2：提示词样例

（以下内容节选自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"Oscar Wilde" "鲁迅" "林语堂"等大师高度一致，你擅长一针见血的表达隐喻，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。 例如：“委婉”： "刺向他人时, 决定在剑刃上撒上止痛药。"

##输出结果：

词汇解释

输出词语卡片（Html 代码）

-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 简洁 纯色 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 . ("KaiTi, SimKai" "Arial, sans-serif"))

(颜色 . ((背景 "#FAFAFA") (标题 "#333") (副标题 "#555") (正文 "#333"))) (尺寸 . ((卡片宽度 "auto") (卡片高度 "auto, >宽度") (内边距 "20px"))) (布局 . (竖版 弹性布局 居中对齐))))

-卡片元素： (标题 "汉语新解") (分隔线) (词语 用户输入) (拼音) (英文翻译) (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 padding ，允许子元素“汉语新解”的色块完全填充到边缘，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?"

文章来自于“20社”，作者“20社小编”。