Recap | Prompt实战全景图：探索AI在编程、教育、创作、音乐中的可能性

MT Park 的第12场AI分享会顺利进行！~🎉感谢向阳乔木老师非常细致地分享了：

他探索 Prompt 的多场景实践，从 Cursor、Windsurf 等 vibe 编程工具，到 Veo3 的视频生成，覆盖编程、教育、内容创作等多个方向，带你快速上手 AI 最实用的玩法。

👇以下是精彩内容回顾

向阳乔木：

在开始之前，先简单自我介绍一下。我有三个比较核心的身份标签：

第一个是摇滚乐队经纪人。大学一毕业我就没去找传统工作，而是因为喜欢摇滚，开始带着高校乐队四处演出。

第二个身份是产品经理，最近一份工作是在 TikTok 负责 AI 商业化方向。在字节跳动待了六年，做过教育线、飞书，最后是因为 2022 年底 ChatGPT 出现，深受震撼，坚定想转向 AI，于是转岗到了 TikTok。

第三个标签是连续创业者。更早之前，我和两个清华的老大哥一起做过两个信息类网站，一个叫“易登网”，2018 年被收购；另一个叫“黄页88”，现在还在线，是一个面向中小企业的营销平台。

那本次分享重点是我最近一年半以来，然后做的一些 AI 方向探索，主要是用提示词，然后去做 AI 编程去做一些内容生成。

还有我是两个孩子的父亲，所以我对 AI 和教育的结合，也比较感兴趣。最后一部分是视频和音乐的生成，也是通过提示词的方式来辅助完成视频和音乐的创作。

第一部分我想分享的是「AI 编程」。在我看来，这是目前 AI 应用中最具生产力的领域之一。

我本身是产品经理，编程方面了解不多。但自从 AI 兴起之后，我开始尝试用它来做一些工作和生活中需要的小工具。以前很多事我自己做不了，现在借助 AI 编程，真的能实现，而且这些工具是我每天都会用的——却又不太可能有独立开发者专门去做。

下面几个都是我用AI自己做的小工具：

① Chrome extension：Easy Copy第一个工具叫 Easy Copy。场景很简单：平时上网看到好内容，想发给朋友或群里，但直接复制链接，别人看不出是什么主题。所以我做了个小插件，点一下就能同时复制网页标题和链接，方便整理和分享。

后来我还加了一个功能：双击页面，可以复制整个网页为 Markdown 格式，方便进一步发给 AI 做处理。这些功能都是我自己会用到的。

感兴趣的朋友可以问小理领取完整PPT和详细教程，里面会讲每个工具是怎么借助 AI 实现的。

② Chrome extension第二个是 Twitter 插件。用久了你会发现推特的搜索很差，@ 人也不方便。

我做了个小工具，把右侧栏改成搜索框，可以直接在朋友主页按关键词查内容。还加了一个「特别关注」列表，一键复制好友 ID，方便 @ 人。插件是开源的，支持自定义和管理关注列表，大家可以按需修改。

③ Quick Share Your HTML这个工具是我觉得在 AI 时代特别实用的。我们经常会用 AI 生成一些 HTML 或 SVG 代码，或者格式化后的文本，但这些直接发给别人，别人打不开也看不清。我就做了一个小平台，可以粘贴任意 HTML 或 Markdown 代码，自动生成一个可访问的网页链接，方便分享和展示。

web ai coding 这一块我觉得非常实用，然后强烈推荐大家，即使自己没有太多编程知识，也可以试着去写一些自己日常用的小工具。

还有一个我觉得很有意思的方向，是用 AI 生成不同风格的视觉内容，比如PPT、小红书内容卡片、海报之类的：

① 小红书卡片可参考的prompt：

你是极具审美的前端设计大师，请为我生成一个基于Bento Grid设计风格的单页HTML网站，内嵌CSS、JS。这个页面将被截图分享，需要特别优化视觉效果和分享体验。

完整prompt：

https://xiangyangqiaomu.feishu.cn/wiki/LjJkwOGQyixLWmktBn9ctvfLnwP?fromScene=spaceOverview

② 通过SVG画海报接下来是我用 AI 生成海报的尝试。这里的海报不是传统图片，而是通过生成 SVG 实现的。我把万维刚的一篇文章丢给 AI，它根据内容自动生成了一个海报，在排版和信息组织上比我手动做得更好，生成过程也会自动补全和优化。

这只是 SVG 的一个应用场景。你还可以用它画图标、流程图、泳道图等。对产品经理和研发来说，这块空间很大，完全可以借助 AI 和 SVG，高效生成可视化内容。

完整prompt：

https://xiangyangqiaomu.feishu.cn/wiki/Rb9Mw25hni1SPXktJcGc2RBynyb?fromScene=spaceOverview

③ 生成爆款标题下面这个就比较常见了——AI 生成爆款标题，也是我最近半年做自媒体过程中用得最多的方向之一。

标题真的很关键，无论是书还是文章，流量的一半都来自标题。所以我尝试做了两个不同风格的标题生成器。

第一个是咪蒙风格的标题生成器。灵感来自一位朋友整理的一份咪蒙标题方法论，我把这套思路和示例交给 AI 反复训练，做成了一个提示词模板。很多朋友用完后反馈效果很好，标题吸引力很强，不过这个版本有时会情绪过于浓烈，略显夸张。

于是我又做了一个版本，风格更克制，强调情绪张力 + 内容相关性的平衡：我先用 Gemini 的 Deep Research 功能调研了“有哪些微信大号标题写得好”“它们的共性和风格是什么”，再把报告交给 Claude，总结出常见标题类型、风格适用场景，并给每个示例打分推荐。

最后生成的提示词会自动避免严重标题党，保持积极、真实，同时尽量提升点击率。我现在写文章几乎都会先跑一轮这个提示词，有的标题可以直接用，有的稍作修改就很不错了，确实提升效率，也带来不少灵感。

完整prompt：

https://xiangyangqiaomu.feishu.cn/wiki/EKX2wfBsAiVPIjky5HPcWKqKnDd?fromScene=spaceOverview

接下来我想分享两个AI + 教育的实践。

第一个是给我儿子做的。他现在五年级，特别喜欢玩《我的世界》。我就在想，能不能把他感兴趣的游戏和数学结合起来。

有一天我跟他说：“你随便挑一道题，我能把它做成《我的世界》。”他一脸惊讶。然后我选了一道题，用提示词生成了一个 3D 的互动网页。答对题目后，页面里的机械就能启动，整个学习过程变得像玩游戏一样。第二天他还主动问我：“爸爸，我们今天改造哪道题？”

这种方式能把枯燥内容和孩子兴趣结合起来，用 AI 生成更生动的学习体验，效果非常明显。

完整prompt：

https://xiangyangqiaomu.feishu.cn/wiki/N6DTwhykIiGhfakYbvocvBCpnXc?fromScene=spaceOverview

第二个例子是我自己在学习 AI 的过程中，发现很多专业词特别难懂，比如“监督学习”“小样本学习”等。看论文太枯燥，我就想能不能用故事的方式来学技术概念。

我用 Deep Research 把一百多个 AI 关键词提取出来，再用 Cursor 批量生成对应的故事文本，每个词配一个小故事。最后把这些内容合成了一本 epub 电子书，随时能翻着看，轻松理解这些抽象概念。

这个方法也适用于其他领域，比如我看到有人用类似的提示词生成法律行业的黑话故事，帮助快速入门。

最后一部分，我想聊聊我最喜欢的领域：AI 视频和音乐创作。

以前做摇滚乐队没搞成，现在终于可以过一把瘾了。我用 AI 做了一支金属风格的 MV，从提示词、人物一致性、画面风格到转场，全都是 AI 生成的。现在像 ASMR、切玻璃风等热门风格，只要写好提示词，就能生成非常不错的效果。

我还尝试生成了一个灾难片，AI 自动帮我设计镜头切换，虽然我不懂摄影，但画面节奏感很好。这些提示词可以非常复杂，比如我会让 AI 扮演“顶级导演”，再指定风格（皮克斯、斯皮尔伯格等），人物设定、台词风格、镜头安排……

用 JSON 格式写出来更稳定，还能精确控制每个片段、人物特征、字幕开关等。直接交给 Veo 3 就能生成完整视频。

在音乐方面，我也尝试用 AI 做风格化音乐创作。比如用 Suno。

AI 写音乐和写视频一样，核心是掌握结构：比如常见的和弦（1645）、段落（Intro、Verse、Chorus）、乐器配置等。我不懂乐理，就先用 Deep Research 查资料，再让 AI 总结，反复迭代出一个专业的提示词结构，甚至可以控制歌词段落加什么乐器，比如开头加古筝，AI 就会生成带古筝的音乐。

所以可以多让 AI 来写提示词，而不是完全靠自己想，和大家分享一个“元提示词”：

完整prompt：

https://xiangyangqiaomu.feishu.cn/wiki/PPywwbbk7iYZfBkHMUAclGwXnWh

说在最后

未来，我觉得 AI 会越来越往“Agent”方向发展。你只需给一个需求，它就会自动拆解、分工、执行，交付出专业成果。

比如最近出现的 Lovart（做设计）、Skywork AI（做文档）等 agent 工具，都比我们直接用提示词生成效果更好。这和两年前 Twitter 上大家聊的思路其实完全一致，只是现在这些方案终于落地了。

我想说的是，很多新技术刚出来时会经历一波热潮，然后慢慢降温。但真正有价值的趋势，往往会在不知不觉中渗透进我们的日常工作和生活，变得习以为常，不再觉得“神奇”。

所以建议大家别只在热的时候试一下，用不顺手就放弃了。这样很容易错过机会。现在还有不少写代码很多年的朋友，会本能地抗拒 AI 工具，总觉得自己写的更靠谱。

其实心态很重要。先去试试看，先看到它能做什么，不要一上来挑毛病。就拿 MCP 来说，很多人觉得它和传统 API 没什么区别，试了一下就放弃了。但对普通人来说，它其实是很实用的，只是现在还存在 token 消耗高、运行慢等问题。这些问题随着时间一定会被解决，趋势不会停。

尤其是在进入行业深水区时，一次性提示词根本不够用，需要搭建流程来实现更复杂的逻辑。

像 n8n，尤其是做出海项目的朋友，很值得研究一下，它开源时间长、生态成熟，能整合的工具多，而且很多 workflow 的 JSON 已经成为大模型的训练语料。现在你直接对模型说“生成一个 n8n 的流程”，它能直接给出能用的代码，你简单改一下就能跑。

不懂代码也没关系，流程里每个节点的代码都可以让 AI 帮你写，整个流程也能用提示词生成。

这些工具搭建不难，但能带来的提升非常大，很建议大家都去学一学。

文章来自公众号“MT Park”，作者“小理”