原则一清晰优于巧妙最好的提示词是清晰的而不是巧妙的。AI模型是字面解释者——它们会严格按照你给的内容来工作。要明确具体不要留下任何猜测空间。直接说出你想要的。避免歧义词汇可能有多种含义。选择精确的语言。说出那些“显而易见”的事你觉得显而易见的事对模型来说并不明显。把假设明确写出来。隐式有问题显式有效示例Make this better.Improve this email by:1. Making the subject line more compelling2. Shortening paragraphs to 2-3 sentences max3. Adding a clear call-to-action at the end你在帮我写一封求职信。重要背景我正在申请Google的软件工程师职位我有5年Python和分布式系统经验该职位要求领导经验我曾领导过一个4人团队我想强调我的开源贡献【批注】这是全书最核心的一条原则。很多初学者会试图用花哨或创意的方式写提示词但AI不需要创意——它需要的是精确。越直接、越不加修饰效果往往越好。记住AI不是人类不会领会言外之意。原则二具体性决定质量模糊的输入产生模糊的输出。具体的输入产生具体、有用的输出。具体性阶梯每一级都增加具体性并大幅提升输出质量。等级示例文本Level 1Write about climate changeLevel 2Write an article about climate change effectsLevel 3Write a 500-word article about how climate change affects coral reefsLevel 4Write a 500-word article explaining how rising ocean temperatures cause coral bleaching, aimed at high school students, with 2 specific examples from the Great Barrier Reef, in an engaging but scientifically accurate tone每一级都增加具体性并大幅提升输出质量。明确以下要素要素要明确的内容受众Audience谁会读/用这个输出长度Length应该多长/多短语气Tone正式随意技术性格式Format散文列表表格代码范围Scope包含什么排除什么目的Purpose这个输出应该达成什么目标【批注】这个要素清单是你在写每个提示词时都可以快速过一遍的检查表。你不需要每次都明确所有六项但在写提示词时有意识地思考这些问题会显著提升输出质量。原则三上下文为王模型没有记忆无法访问你的文件也不了解你的处境。所有相关信息必须放在提示词里。提供充足的上下文问自己一个聪明的陌生人能理解这个请求吗如果不能就补充更多上下文。上下文不足上下文充分示例Why isnt my function working?I have a Python function that should filter a list of dictionaries by a specific key value. Its returning an empty list when it should return 3 items.Function:def filter_items(items, key, value):return [item for item in items if item[key] value]Call: filter_items(items, status, active)Expected: 2 items, Got: empty list上下文检查清单模型知道我在做什么吗Does the model know what Im working on?它知道我的目标吗Does it know my goal?它有所有必要的信息吗Does it have all necessary information?它理解约束条件吗Does it understand the constraints?一个聪明的陌生人能理解这个请求吗Would a smart stranger understand this request?【批注】这条原则与第二章的上下文组件相呼应。核心思想是不要把AI当成了解你的助手而要把它当成第一天来上班的新人——你需要把一切都交代清楚。上面这个检查清单可以作为每次写提示词前的自检工具。原则四引导而不只是提问不要只是向模型要一个答案——要引导它走向你想要的答案。使用引导性框架只是提问引导性提问示例What are the pros and cons of microservices?List 5 advantages and 5 disadvantages of microservices architecture.For each point:- State the point clearly in one sentence- Provide a brief explanation (2-3 sentences)- Give a concrete exampleConsider perspectives of: small startups, large enterprises, and teams transitioning from monoliths.提供推理支架Reasoning Scaffolds对于复杂任务引导推理过程推理支架示例这个提示词引导AI通过一个系统化的决策过程。I need to choose between PostgreSQL and MongoDB for my e-commerce project.— 请帮我做决策。原文此处交互式组件用于展示完整推理支架【批注】引导而不只是提问意味着你的提示词应该包含思考路径而不仅仅是问题本身。比如不要只问这个方案有什么问题而是问请从成本、时间、可行性三个维度分析这个方案的问题——你给了模型一个思考框架它就能给出更结构化的回答。原则五迭代与精炼提示工程是一个迭代的过程。你的第一个提示词很少是你最好的。迭代循环写下初始提示词审视输出识别差距或问题精炼提示词重复直到满意常见精炼方向问题解决方案太冗长加入简洁一点或长度限制太模糊加入具体示例或约束条件格式不对明确指定输出结构遗漏了某些方面加入确保包含……语气不对明确指定受众和风格不准确要求提供引用或逐步推理保留提示词日志记录什么方法有效任务代码审查版本1审查这段代码→ 太泛泛版本2加入了具体的审查标准 → 好一些版本3加入了优秀审查的示例 → 非常好最终版[将成功的提示词保存为模板]【批注】提示词日志是一个被严重低估的实践。大多数人每次写提示词都从零开始但如果你把成功的提示词保存下来就能逐渐建立起自己的提示词模板库大幅提高效率。这也是从初学者走向专家的关键习惯。原则六利用模型的优势要与模型的训练方式协作而不是对抗。模型天生想提供帮助把请求表述成一个乐于助人的助手自然愿意做的事对抗不推荐协作推荐示例I know you cant do this, but try to...Help me understand...Im working on X and need assistance with...Could you walk me through...模型擅长识别模式如果你需要一致的输出就展示出模式模式示例这个提示词向AI精确展示了书籍推荐的格式Recommend 3 science fiction books. Format each recommendation as: [Title] by [Author] [Genre] | [Publication Year] [2-sentence description] Why youll love it: [1 sentence hook]模型可以扮演角色使用角色设定来调用不同的模式作为一个唱反调的人反驳我的提案……作为一个支持型的导师帮助我改进……作为一个持怀疑态度的投资人质疑这个商业计划……【批注】这条原则提醒我们不要试图对抗模型的先天特性。比如模型本质上是过度配合的——它总是想给你一个答案即使它不确定。与其抱怨这一点不如利用它明确告诉它如果你不确定请直接说不知道反而能得到更可靠的回答。原则七控制输出结构结构化的输出比自由形式的文本更有用。请求特定格式按以下格式返回你的分析textSUMMARY: [一句话摘要] KEY FINDINGS: • [发现1] • [发现2] • [发现3] RECOMMENDATION: [1-2句话] CONFIDENCE: [低/中/高] 因为 [原因]使用分隔符清晰地区分提示词的各个部分text### CONTEXT ### [你的上下文] ### TASK ### [你的任务] ### FORMAT ### [你想要的格式]请求机器可读的输出用于程序化调用场景只返回有效的JSON不要任何解释json{ decision: approve | reject | review, confidence: 0.0-1.0, reasons: [字符串数组] }【批注】分隔符Delimiters是一个非常实用的小技巧。用###或---等标记把提示词的不同部分上下文、任务、格式清晰分开能让模型更准确地理解每一部分的用途减少混淆的可能性。原则八验证与核实永远不要盲目信任模型的输出尤其是对于重要任务。要求展示推理过程解决这个问题并逐步展示你的计算过程。解决之后通过[验证方法]来核验你的答案。请求多角度视角给我三种不同的解决这个问题的方法。对每一种解释其利弊权衡。内置自检机制生成代码之后请自行审查以下方面语法错误边界情况安全漏洞列出发现的所有问题。【批注】这条原则直接对应第一章提到的幻觉问题。模型即使错了也听起来很自信——所以你需要主动要求它自我检查。有趣的是让模型逐步展示推理和自我审查本身就能降低幻觉率因为这些指令迫使模型在输出前进行更审慎的思考。总结这些原则构成了后续所有内容的基础。在第二部分中我们将把它们应用到具体的技术中这些技术将极大地提升提示词的效果。原则速览原则核心要点1. 清晰优于巧妙明确、直接、不留歧义2. 具体性决定质量越具体输出越有用3. 上下文为王提供所有必要背景信息4. 引导而不只是提问提供推理框架和思考路径5. 迭代与精炼持续改进记录成功模式6. 利用模型的优势协作而非对抗7. 控制输出结构指定格式使用分隔符8. 验证与核实要求展示推理、自我审查小测验问题以下哪条原则建议你在提示词中包含所有相关的背景信息A. 清晰优于巧妙Clarity Over ClevernessB. 具体性决定质量Specificity Yields QualityC. 上下文为王Context Is King✓D. 迭代与精炼Iterate and Refine解析上下文为王强调AI模型在会话间没有记忆也无法读取你的想法。包含相关背景、约束和目标有助于模型理解你的需求。练习填空通过填写以下提示词模板来测试你对核心原则的理解模板textYou are a {{role}} with expertise in {{expertise}}. Context: Im working on {{context}}. Task: {{task}} Constraints: - Keep your response under {{length}} words - Focus only on {{focus}} - Format: Return your answer as {{format}}.填空提示空白提示上下文说明{{role}}AI应该扮演什么职业角色一个职位名称或专业角色{{expertise}}需要什么具体的领域知识与该角色匹配的技能或领域{{context}}项目或情境是什么该专业知识适用的项目{{task}}AI应该执行什么具体动作适合该角色和情境的动作{{length}}回答应该多长一个数字字数{{focus}}应该优先关注哪个方面与任务相关的质量或维度{{format}}输出应该如何结构化输出格式类型解析一个结构良好的提示词包含明确的角色原则一、充分的上下文原则三、具体的任务原则二、约束条件原则四和输出格式原则七。核心原则检查清单在每次提交提示词前快速过一遍这个清单清晰优于巧妙你的提示词明确且无歧义吗具体性决定质量你是否包含了受众、长度、语气和格式上下文为王提示词包含所有必要的背景信息吗示例优于解释你是否展示了想要什么而不仅仅是描述约束聚焦输出是否有清晰的边界限制范围和格式迭代与精炼你准备好根据结果改进了吗角色塑造视角AI知道要扮演什么角色吗验证与核实你是否内置了准确性检查机制【总批注】更新版本章定位如果说第一章是认知基础AI如何工作第二章是结构工具箱提示词的六个组件那么第三章就是心法——贯穿所有提示词写作的底层原则。这三章构成了全书的理论基石。八条原则的内在逻辑原则1-3清晰、具体、上下文是关于输入质量——你给模型什么原则4-6引导、迭代、利用优势是关于交互方式——你如何与模型协作原则7-8控制结构、验证核实是关于输出质量——你如何确保得到想要的。新增组件亮点隐式 vs 显式对比表原则一直观展示了同一任务在模糊和精确表达下的差异具体性阶梯四级递进原则二让你看清每增加一个细节输出质量如何跃升上下文检查清单原则三可作为日常自检工具引导性提问对比原则四展示了如何从问问题升级到给框架协作 vs 对抗对比原则六提醒你利用模型天性而非与之对抗原则速览表、小测验、填空练习、检查清单构成了完整的知识闭环方便复习和自测。最容易被忽视的两条原则5迭代与精炼大多数人的问题是写一次提示词不满意就放弃而不是持续迭代直到满意。提示工程本质上是实验科学迭代是必经之路。原则8验证与核实在非关键任务中可能无所谓但在重要场景如代码生成、数据分析、决策支持中主动要求模型自我检查能避免很多坑。提示词日志的实战价值这可能是本章最实用的建议。建议你从现在开始用一个文档或笔记软件记录每次成功的提示词——标注任务类型、提示词全文、输出质量。几周后你就会拥有一个属于自己的提示词模板库。学习建议读完本章后选一个你之前写过但效果不佳的提示词对照核心原则检查清单逐一检查并改写观察改进后的效果。这种对照原则修改的练习比读十遍理论都有效。
原则一清晰优于巧妙最好的提示词是清晰的而不是巧妙的。AI模型是字面解释者——它们会严格按照你给的内容来工作。要明确具体不要留下任何猜测空间。直接说出你想要的。避免歧义词汇可能有多种含义。选择精确的语言。说出那些“显而易见”的事你觉得显而易见的事对模型来说并不明显。把假设明确写出来。隐式有问题显式有效示例Make this better.Improve this email by:1. Making the subject line more compelling2. Shortening paragraphs to 2-3 sentences max3. Adding a clear call-to-action at the end你在帮我写一封求职信。重要背景我正在申请Google的软件工程师职位我有5年Python和分布式系统经验该职位要求领导经验我曾领导过一个4人团队我想强调我的开源贡献【批注】这是全书最核心的一条原则。很多初学者会试图用花哨或创意的方式写提示词但AI不需要创意——它需要的是精确。越直接、越不加修饰效果往往越好。记住AI不是人类不会领会言外之意。原则二具体性决定质量模糊的输入产生模糊的输出。具体的输入产生具体、有用的输出。具体性阶梯每一级都增加具体性并大幅提升输出质量。等级示例文本Level 1Write about climate changeLevel 2Write an article about climate change effectsLevel 3Write a 500-word article about how climate change affects coral reefsLevel 4Write a 500-word article explaining how rising ocean temperatures cause coral bleaching, aimed at high school students, with 2 specific examples from the Great Barrier Reef, in an engaging but scientifically accurate tone每一级都增加具体性并大幅提升输出质量。明确以下要素要素要明确的内容受众Audience谁会读/用这个输出长度Length应该多长/多短语气Tone正式随意技术性格式Format散文列表表格代码范围Scope包含什么排除什么目的Purpose这个输出应该达成什么目标【批注】这个要素清单是你在写每个提示词时都可以快速过一遍的检查表。你不需要每次都明确所有六项但在写提示词时有意识地思考这些问题会显著提升输出质量。原则三上下文为王模型没有记忆无法访问你的文件也不了解你的处境。所有相关信息必须放在提示词里。提供充足的上下文问自己一个聪明的陌生人能理解这个请求吗如果不能就补充更多上下文。上下文不足上下文充分示例Why isnt my function working?I have a Python function that should filter a list of dictionaries by a specific key value. Its returning an empty list when it should return 3 items.Function:def filter_items(items, key, value):return [item for item in items if item[key] value]Call: filter_items(items, status, active)Expected: 2 items, Got: empty list上下文检查清单模型知道我在做什么吗Does the model know what Im working on?它知道我的目标吗Does it know my goal?它有所有必要的信息吗Does it have all necessary information?它理解约束条件吗Does it understand the constraints?一个聪明的陌生人能理解这个请求吗Would a smart stranger understand this request?【批注】这条原则与第二章的上下文组件相呼应。核心思想是不要把AI当成了解你的助手而要把它当成第一天来上班的新人——你需要把一切都交代清楚。上面这个检查清单可以作为每次写提示词前的自检工具。原则四引导而不只是提问不要只是向模型要一个答案——要引导它走向你想要的答案。使用引导性框架只是提问引导性提问示例What are the pros and cons of microservices?List 5 advantages and 5 disadvantages of microservices architecture.For each point:- State the point clearly in one sentence- Provide a brief explanation (2-3 sentences)- Give a concrete exampleConsider perspectives of: small startups, large enterprises, and teams transitioning from monoliths.提供推理支架Reasoning Scaffolds对于复杂任务引导推理过程推理支架示例这个提示词引导AI通过一个系统化的决策过程。I need to choose between PostgreSQL and MongoDB for my e-commerce project.— 请帮我做决策。原文此处交互式组件用于展示完整推理支架【批注】引导而不只是提问意味着你的提示词应该包含思考路径而不仅仅是问题本身。比如不要只问这个方案有什么问题而是问请从成本、时间、可行性三个维度分析这个方案的问题——你给了模型一个思考框架它就能给出更结构化的回答。原则五迭代与精炼提示工程是一个迭代的过程。你的第一个提示词很少是你最好的。迭代循环写下初始提示词审视输出识别差距或问题精炼提示词重复直到满意常见精炼方向问题解决方案太冗长加入简洁一点或长度限制太模糊加入具体示例或约束条件格式不对明确指定输出结构遗漏了某些方面加入确保包含……语气不对明确指定受众和风格不准确要求提供引用或逐步推理保留提示词日志记录什么方法有效任务代码审查版本1审查这段代码→ 太泛泛版本2加入了具体的审查标准 → 好一些版本3加入了优秀审查的示例 → 非常好最终版[将成功的提示词保存为模板]【批注】提示词日志是一个被严重低估的实践。大多数人每次写提示词都从零开始但如果你把成功的提示词保存下来就能逐渐建立起自己的提示词模板库大幅提高效率。这也是从初学者走向专家的关键习惯。原则六利用模型的优势要与模型的训练方式协作而不是对抗。模型天生想提供帮助把请求表述成一个乐于助人的助手自然愿意做的事对抗不推荐协作推荐示例I know you cant do this, but try to...Help me understand...Im working on X and need assistance with...Could you walk me through...模型擅长识别模式如果你需要一致的输出就展示出模式模式示例这个提示词向AI精确展示了书籍推荐的格式Recommend 3 science fiction books. Format each recommendation as: [Title] by [Author] [Genre] | [Publication Year] [2-sentence description] Why youll love it: [1 sentence hook]模型可以扮演角色使用角色设定来调用不同的模式作为一个唱反调的人反驳我的提案……作为一个支持型的导师帮助我改进……作为一个持怀疑态度的投资人质疑这个商业计划……【批注】这条原则提醒我们不要试图对抗模型的先天特性。比如模型本质上是过度配合的——它总是想给你一个答案即使它不确定。与其抱怨这一点不如利用它明确告诉它如果你不确定请直接说不知道反而能得到更可靠的回答。原则七控制输出结构结构化的输出比自由形式的文本更有用。请求特定格式按以下格式返回你的分析textSUMMARY: [一句话摘要] KEY FINDINGS: • [发现1] • [发现2] • [发现3] RECOMMENDATION: [1-2句话] CONFIDENCE: [低/中/高] 因为 [原因]使用分隔符清晰地区分提示词的各个部分text### CONTEXT ### [你的上下文] ### TASK ### [你的任务] ### FORMAT ### [你想要的格式]请求机器可读的输出用于程序化调用场景只返回有效的JSON不要任何解释json{ decision: approve | reject | review, confidence: 0.0-1.0, reasons: [字符串数组] }【批注】分隔符Delimiters是一个非常实用的小技巧。用###或---等标记把提示词的不同部分上下文、任务、格式清晰分开能让模型更准确地理解每一部分的用途减少混淆的可能性。原则八验证与核实永远不要盲目信任模型的输出尤其是对于重要任务。要求展示推理过程解决这个问题并逐步展示你的计算过程。解决之后通过[验证方法]来核验你的答案。请求多角度视角给我三种不同的解决这个问题的方法。对每一种解释其利弊权衡。内置自检机制生成代码之后请自行审查以下方面语法错误边界情况安全漏洞列出发现的所有问题。【批注】这条原则直接对应第一章提到的幻觉问题。模型即使错了也听起来很自信——所以你需要主动要求它自我检查。有趣的是让模型逐步展示推理和自我审查本身就能降低幻觉率因为这些指令迫使模型在输出前进行更审慎的思考。总结这些原则构成了后续所有内容的基础。在第二部分中我们将把它们应用到具体的技术中这些技术将极大地提升提示词的效果。原则速览原则核心要点1. 清晰优于巧妙明确、直接、不留歧义2. 具体性决定质量越具体输出越有用3. 上下文为王提供所有必要背景信息4. 引导而不只是提问提供推理框架和思考路径5. 迭代与精炼持续改进记录成功模式6. 利用模型的优势协作而非对抗7. 控制输出结构指定格式使用分隔符8. 验证与核实要求展示推理、自我审查小测验问题以下哪条原则建议你在提示词中包含所有相关的背景信息A. 清晰优于巧妙Clarity Over ClevernessB. 具体性决定质量Specificity Yields QualityC. 上下文为王Context Is King✓D. 迭代与精炼Iterate and Refine解析上下文为王强调AI模型在会话间没有记忆也无法读取你的想法。包含相关背景、约束和目标有助于模型理解你的需求。练习填空通过填写以下提示词模板来测试你对核心原则的理解模板textYou are a {{role}} with expertise in {{expertise}}. Context: Im working on {{context}}. Task: {{task}} Constraints: - Keep your response under {{length}} words - Focus only on {{focus}} - Format: Return your answer as {{format}}.填空提示空白提示上下文说明{{role}}AI应该扮演什么职业角色一个职位名称或专业角色{{expertise}}需要什么具体的领域知识与该角色匹配的技能或领域{{context}}项目或情境是什么该专业知识适用的项目{{task}}AI应该执行什么具体动作适合该角色和情境的动作{{length}}回答应该多长一个数字字数{{focus}}应该优先关注哪个方面与任务相关的质量或维度{{format}}输出应该如何结构化输出格式类型解析一个结构良好的提示词包含明确的角色原则一、充分的上下文原则三、具体的任务原则二、约束条件原则四和输出格式原则七。核心原则检查清单在每次提交提示词前快速过一遍这个清单清晰优于巧妙你的提示词明确且无歧义吗具体性决定质量你是否包含了受众、长度、语气和格式上下文为王提示词包含所有必要的背景信息吗示例优于解释你是否展示了想要什么而不仅仅是描述约束聚焦输出是否有清晰的边界限制范围和格式迭代与精炼你准备好根据结果改进了吗角色塑造视角AI知道要扮演什么角色吗验证与核实你是否内置了准确性检查机制【总批注】更新版本章定位如果说第一章是认知基础AI如何工作第二章是结构工具箱提示词的六个组件那么第三章就是心法——贯穿所有提示词写作的底层原则。这三章构成了全书的理论基石。八条原则的内在逻辑原则1-3清晰、具体、上下文是关于输入质量——你给模型什么原则4-6引导、迭代、利用优势是关于交互方式——你如何与模型协作原则7-8控制结构、验证核实是关于输出质量——你如何确保得到想要的。新增组件亮点隐式 vs 显式对比表原则一直观展示了同一任务在模糊和精确表达下的差异具体性阶梯四级递进原则二让你看清每增加一个细节输出质量如何跃升上下文检查清单原则三可作为日常自检工具引导性提问对比原则四展示了如何从问问题升级到给框架协作 vs 对抗对比原则六提醒你利用模型天性而非与之对抗原则速览表、小测验、填空练习、检查清单构成了完整的知识闭环方便复习和自测。最容易被忽视的两条原则5迭代与精炼大多数人的问题是写一次提示词不满意就放弃而不是持续迭代直到满意。提示工程本质上是实验科学迭代是必经之路。原则8验证与核实在非关键任务中可能无所谓但在重要场景如代码生成、数据分析、决策支持中主动要求模型自我检查能避免很多坑。提示词日志的实战价值这可能是本章最实用的建议。建议你从现在开始用一个文档或笔记软件记录每次成功的提示词——标注任务类型、提示词全文、输出质量。几周后你就会拥有一个属于自己的提示词模板库。学习建议读完本章后选一个你之前写过但效果不佳的提示词对照核心原则检查清单逐一检查并改写观察改进后的效果。这种对照原则修改的练习比读十遍理论都有效。
![5分钟搞定Kodi字幕难题：智能字幕插件让你追剧无忧 [特殊字符]](http://pic.xiahunao.cn/yaotu/5分钟搞定Kodi字幕难题：智能字幕插件让你追剧无忧 [特殊字符])
