2.8 KiB
2.8 KiB
title, type, tags, sources, last_updated
| title | type | tags | sources | last_updated | ||||
|---|---|---|---|---|---|---|---|---|
| 如何写出完美的Prompt（提示词）？ | source |
|
|
2026-04-15 |
Source File
- raw/AI/如何写出完美的Prompt（提示词）？.md
Summary
- 核心主题：结构化 Prompt 构建方法论与职场能力培养
- 问题域：LLM 使用场景下的有效人机协作协议设计
- 方法/机制：角色-需求-场景-目标四要素法、需求拆解法、上下文补全法、格式定义法、示例引导法；进阶策略含思维链引导、任务拆分、角色赋能、预填回复、不确定性管理；高阶技巧含跨模态联动、领域知识注入、反馈循环嵌入
- 结论/价值：Prompt 能力本质是结构化思维+精准表达；是职场底层能力，决定 AI 使用效果
Key Claims
- Prompt = 人与 AI 的协作协议，而非简单指令输入
- Prompt 能力本质是有对问题清晰界定的能力 + 结构化的思维逻辑和表达能力
- LLM 没有行业常识也没有默认设定，隐性需求必须显式表达
- Prompt 优化过程本质是需求逐步清晰化的过程
- 高效使用 AI 需要建立测试-反馈-优化的闭环
- 技巧选择需按需求复杂度匹配，简单任务用基础技巧，复杂任务用进阶策略
Key Quotes
"Prompt能力的本质是要求使用者具备：需求拆解能力、结构化表达能力、场景共情能力、迭代优化能力" — 核心能力框架 "在工作中，如果对方无法用简洁易懂的语言表达核心要旨或需求，基本上你就可以认定这人的工作能力一般" — 职场识人标准
Key Concepts
- 结构化思维：将模糊目标拆解为具体、可执行的子任务
- 精准表达：用清晰逻辑组织信息，让 AI 快速抓取核心
- 需求拆解：动词+对象+约束的 Prompt 构建模式
- 上下文补全：提供 AI 所需的业务背景、约束条件、参考信息
- 格式定义：提前定义输出结构与呈现形式
- 示例引导：用少量样本提示解决风格/格式难题
- 思维链引导：让 AI 按逻辑逐步推理，避免输出片面或跳跃
- 任务拆分法：将复杂任务拆解为信息收集→分析→输出→优化多环节
- 角色赋能：给 AI 设定具体角色+行业经验+核心能力引导专业视角
- 预填回复：强制输出结构化格式（如 JSON）避免冗余
- 不确定性管理：明确告知"不知道就标注，不编造"提升可信度
Key Entities
- Anthropic：发布的 Claude 模型驱动 AI 生态发展