小七姐：Prompt 喂饭级系列教程小白学习指南（五）
这次是我们Prompt喂饭教程的第五篇，也是完结篇。与其说这是一篇给小白的教程，不如说是一篇认知的分享，也希望作为这个系列的最后一篇，能分享近期一些我思考后的结果，给大家带来一些启发。
本节是一个总结，也是一个新起点，内容的范围比较广，也有很多我作为提示词进阶课培训老师的心得体会，希望能带给已经学过前四节课开始迷茫的同学一些启发。
Prompt喂饭级系列教程小白学习指南（五）：总结篇：关于中文提示词编写这件事
一、提示词最核心的价值到底是什么？
最近和很多业内的朋友聊到这个话题，我的回答是：提示词最核心的价值是对方法论的封装（萃取）以及由此带来的知识传播速率的提升。
简单来说，假设你所熟悉的行业里有一位令人敬仰的“老师傅”，对于核心业务，他有很多自己的心得、经验和方法论，有些是可以量化或结构化的，有些是只可意会的不传之秘，而一个优秀的提示词工程师能通过对老师傅的研究和访谈，把这些方法论萃取出来，做成 Prompt，这意味着可以以极低的成本把这些珍贵的方法复制给无数人。尤其是，也许需要多年训练才能达到接近这个水平的人，但值得注意的是，客观来看，提示词萃取方法论，更大的意义是把老师傅 100 分的方法论，萃取成能做到 60 分成果输出的水平，给原本只能做 0-30 分的人快速提升能力。
而那些原本就能做到60分的人呢？他们其实可以通过自己已经入门的业务理解 + AI，把需要从 60 分提升到 80 分的时间缩短几倍。
至于 80 分到 100 分的部分，我个人认为是目前的 AI 很难做到的，更多的还是依靠个人学习，自己提升，或者口传身授，当然这个过程中 AI 能做很多辅助性的工作，或者说，在越高的分数段，个人能力的放大效果更明显。
以上观点如果深入想想，你会发现，这决定了你对 AI 的学习心态和预期管理。
举个例子：
我有一位朋友看书非常快，不但快，还能把书里对他最有用的内容快速记忆、总结、提炼，内化成他自己的知识。比如很多人只会说，某某本书里提到过，“此处转述书中原文”。他更能直接根据读过的书，用自己的话语和知识体系重新组织一个鲜明的观点出来，这真是太令人羡慕了。
如果我想把他的这种令人羡慕的方法论“萃取”成一条 Prompt，我需要做的是类似这样的访谈：
1、不同类型的书是不是有不同的阅读和记忆方法？如何分类，有没有一些共性的方法论可以给出？
2、阅读和记忆是不是有不同的思维模型或者小技巧，能列出来参考吗？
3、读书时更需要的好像是一种自驱力，如何优先选择自己“一定看得下去”的书籍？怎么通过目录大纲确定一本书的核心内容？
4、一本书你会读几遍？有什么顺序上的讲究吗？ 5、你会在读的过程中做笔记吗？还是读完以后回忆来做大纲呢？
6、如果要教你大学刚毕业的孩子学会有效读书，怎么才能快速教会他呢？
当上述问题都有清晰、明确的答案之后，可以开始设计一个 Prompt 了：
如果想要让AI帮助你，像“樊登读书”或者“得到”这样给你讲书，你要做的是一个叫做“书籍阅读助手”的 Prompt，要把所有通用型的读书方法论复刻到 Prompt 里，再根据不同类型的书籍测试，来不断优化和迭代。
如果想要让AI在“选书”和“督促我读书”这个环节起作用，那要做的是一个叫做“催我读书”的 Prompt，要重点研究如何选出适合用户的书，如何实现 Prompt 的激励效果和让自己读完有获得感（例如生成读书笔记）。
如果更侧重读完书后的知识内化部分，要重点研究的是读书的效率和信息转化问题，这里更重要的是结构化信息能力和有效的记忆存储和调取。
我用这个例子是想让正在阅读本文的你明白，什么是所谓的“方法论萃取”，而在这个例子里，如果这个 Prompt 做出来并有效，它的价值是显而易见的：
它可能能让完全读不进去书的人读完那么一两本书。（0 分到 30 分的进步）
它可能能让一年只能读那么几本书的人阅读量翻倍，且实现对书里的知识有效使用。（30 分到 50 分的进步） 它可能能让一年读 100 本书的人，随心所欲的做出无数条 Prompt，并且还能用 Prompt 自动写更多 Prompt
“ Read in , Prompt out ”—— 李继刚
二、写提示词一定要用结构化框架吗？
最近的确看到很多朋友发布了大量的结构化提示词。在我看来，结构化提示词有它明确的优势：
- 层级清晰，不论是对用户还是对大模型，它的可读性都更好一些
- 结构可扩展性强，可以随时根据自己整体 Prompt 的需求扩展自己的特定结构模块
- 格式和语义的一致性，便于迭代、debug 和维护
但结构化更重要的是它的思维链：
Role (角色) -> Profile（角色简介）—> Profile 下的 skill (角色技能) -> Rules (角色要遵守的规则) -> Workflow (满足上述条件的角色的工作流程) -> Initialization (进行正式开始工作的初始化准备) -> 开始实际使用
在这个认知前提下，首先要明白每个模块必须存在的意义，如果不需要增设新的模块，就不必增设，更不提倡看到别人的框架中出现一个新的模块名称就强行加入自己的模板，为此硬凑语句进去。要知道结构化框架的提出，最大的意义在于对 Prompt 性能的提升作用，核心是清晰、简明、有效、统一。
我见过只有 Role+ skills + constrains 三个模块但是运行非常稳定，生成内容准确的 Prompt
我也见过同时具备：Role + Profile + Background + Goals + Skills + Constrains + Workflow + Definition + OutputFormat + Example + Suggestions + Initialization
然后运行起来和前面那个只有三个模块效果相差无几的 Prompt……
“我们是为了有效输出而结构化，不是为了结构化而结构化。”
而关于是否一定要结构化提示词，我在很多场合说过很多次我的观点，这里再复述一下吧：
- 结构化有利于具有稳定性和有效性的内容输出（理性框架）。
- 非结构化适合对连续对话有足够掌控能力的表达者和创意工作者（感性创意）。
文无定法，各取所长
翻译一下：
如果你需要一个可复用的、不限使用者 Prompt 能力的、一次性输入可以稳定生成60分以上结果的 Prompt，结构化可能是你萃取方法论的一个好工具，且可以很方便的传播。
如果你本身逻辑思维、书面表达能力很强，在和大模型连续对话的过程中每次都能准确问出有效的几句话，得到你想要的回答，而且你不必顾虑 3 小时 50 次的问答次数，更愿意深入追问，那么你并不需要写一大段固定格式的结构化 Prompt，用你喜欢的灵巧方式随时提问就好，这甚至可能更利于激发灵感之类的创意辅助。
最后，结构化不是八股文用来套格式的，它只是一种思维框架外化成的写作框架，是一种语法结构，把它理解成作文本上的格子，而不是作文本身。
三、新手写提示词有哪些常见误区
1、忽略基础知识的重要性
很多同学急于上手写复杂的提示词，基础教程瞟了几眼就当看过了，然后在已经能 copy 模板写好几千 token的提示词之后，问出非常基础的问题：
- 为什么我问了两轮之后 GPT 就会失忆呢？
- 为什么我给了他特定的一段话但是他好像把它和别的内容混淆了呢？
- 为什么大模型无法指定准确的字数呢，有什么其他办法能让它生成的长度靠谱一些吗？
我理解基础教程的枯燥，加上之前很多都是英文硬翻，读起来的确很令人烦躁，但现在有很多翻译和解读非常好的教程了，建议收藏，多读两遍，跟着示例做一下符合自己需求的小例子。
2、试图用一个 Prompt 解决 10 个问题
很多同学入坑提示词可能是被某个结构严谨、设计精妙的提示词吸引，惊为天人，一惊之后暗下决心：自己也要写出这样的Prompt！
其实这很好，但是新手期很容易陷入一个误区是，不了解 Prompt 的能力上限，试图在一个 Prompt 里靠复杂的结构和逻辑实现很多并行目标，导致 Prompt 太长、结构太复杂、逻辑不清晰，最后整体性能和稳定性都变得非常低，就会出现很多看起来巨复杂、好厉害，但是输入之后，发现生成的内容很多但大多是正确的废话，要么在初始设置的限制性语句或者流程语句经常被忽略等等。
对这一点我的建议是，先从一个清晰、具体的小目标开始，先把一个目标的实现做的很稳定，再考虑逐项增加其他附加目标，但不要喧宾夺主，加到感觉影响输出的稳定性或准确性就可以停手了。其他需求做其他 Prompt 来实现，不要盲目夸大 Prompt 的能力，它本身有非常多的局限性，强行跨越这些局限性只会适得其反。
3、写 Prompt 却脱离了 Prompt 的使用环境
如果你突然发现你花在飞书代码块和 markdown 记事本上的时间好像远远超过了你和 GPT 对话的时间，你要警惕一下：你是否过于关注 Prompt 的文本本身，而忽略了在写作过程中你本可以和 GPT 进行深度对话，来检验它对你方法论的熟悉程度，或者让他针对某个逻辑给出完善的建议，或者在你的 Prompt 版本迭代中反复测试生成结果，来对 Prompt 进行优化和改善。
在昨天的实战案例中，我看到学员们撰写了一个焦虑情绪测试和生成建议的 Prompt，它的结构和语句、各模块的作用上挑不出什么毛病，生成结果除了太宽泛也没有太大问题。但实际作为一个焦虑患者的用户使用这套 Prompt 的时候会产生很多体验上的、情绪上的问题，这在一定程度上说明，如果过于纠结 Prompt 的文法而忽略了它作为一个对话工具的预设，没有在对话场景中代入用户体验去反复测试，很可能出现写出来的 Prompt 围观群众都觉得不错，但真正的用户压根不会去用的情况。
四、提示词是过渡产品吗？如何看待这一观点，提示词的存在形态和价值会发生颠覆性的改变吗？
“提示词是过渡产品”这个观点提出的背景是：在大模型的能力加持下，人与机器的交互正在经历着一个范式转换过程——从机器指令（编程语言等）到以更贴近人的方式（识别人的语音、动作、理解人的语言）交互。由于技术的发展需要时间，目前还未十分成熟，大模型对人的语言理解还存在诸多问题，因此在目前这个范式转换刚开始的阶段，人需要适应机器，适应大模型的能力，去学习使用提示词技术，让大模型表现的更加良好。—— by 江树
它的潜台词是，在未来，可能你非常慵懒的说一句“我累了”，AI 就能理解你累的原因，理解你此刻表达这句话背后的意图是想交流，还是想倾诉，还是单纯的感叹，还是想让它帮你干什么活。在这个状况下，作为用户的确不需要输入任何复杂的提示词了，可以完全自然的表达任何语言。
但这可能只是提示词出现的场景发生了变化，就像这次线下大会好几位同学问到这个问题，我的回答是，提示词不会是一个很短期的需求和技能，只是它是否一定需要用户学会，这一点存疑，后期可能提示词会包含在产品内部，由产品内置的提示词来判断用户意图，由提示词来结合调取的关于用户此刻输入内容的相关信息（比如用户近期的境况、工作压力、布置的任务、面临的困境、饮食习惯、通讯记录、情感关系，甚至生理周期）来决定如何加工信息，为用户生成需要的内容，也就是说，现在也许人人都需要学会提示词，下个阶段可能只有职业的提示词工程师需要学习提示词，而且是深度学习，普通用户直接享受傻瓜式的对话服务就可以了。
而上述场景，从目前的发展来看，可能尚需要很长的时间。谈到时间跨度，我们可以思考类似的对比：“马车是汽车的过渡产品么？” “民航飞机是航天飞行器的过渡产品么？”我们会发现，“过渡产品”这个词，如果放大到足够的时间尺度，任何东西都算过渡产品，但如果过渡周期长过你的生命周期，这个所谓的过渡对你来说就不叫过渡了。
短期来看，随着大模型的性能加强，提示词的上限也会增加，比如如果 GPT5 发布了，我们之前不提倡的“许愿式”的 Prompt 写法也许就能实现了，例如你对 GPT 说，请你生成对人性具有足够的洞察力的观点（这句话在现在是基本无效的，它基本做不到），到下个阶段，他也许会反问你，你希望我对人性的哪一点具备洞察力？我先给你生成一个句子你看我理解的对不对？或者再夸张一点，它结合你的上下文真的能理解上述问题，并且生成你想要的结果。
在这种情况下，提示词编写者可以更随心所欲的编写提示词，实现更复杂的逻辑，实现更复杂的人-AI 交互，实现更多模态的输入和输出。那么提示词编写者的能力上限会提高，整体来看，编写者的能力差异也会进一步拉大。
“Prompt本质上还是能力放大器”
五、是否需要付费学习提示词？怎么选课？
这个问题最近被问到的也比较频繁，它取决于三个方面
1、你的学习目的
如果你学习提示词有非常具体的小目标，例如 AI 写作优化，职场提升效率等等，如果你的需求非常具体，而且对提示词运用的需求并不是特别高，我不建议你买那些比较贵的、深度学习的提示词课程，可以考虑学习一些针对你目标进行的AI课，比如 AI 写作，AI 编程，AI 办公效率优化等等，提示词会是其中一部分，作为一个工具来理解和掌握就可以了。
如果你学习提示词是为了变现，那请你先思考自己的能力和资源优势，是否能找到变现路径，例如个人客订提示词、提示词工具封装，为特定场景的企业客户做批量定制提示词赋能、为某一类你深度熟悉的人群做特定工具等等。如果你的确有比较清晰的方案，万事俱备只欠东风，那你可以深度学习提示词，除了掌握具体写作方法、进行实践练习之外，还能结识很多同样要成为提示词工程师的同学和老师，也许会对你未来变现的业务有所助力，视野也会得到很多开拓。
2、你的自学能力
如果你自学能力非常强，自己看文档、看论文毫无压力，能通过阅读和学习掌握方法技巧，而且通过观察其他人发布的提示词作品就能模仿出符合自己需求的提示词，而且感觉已经够用了，那我不建议你付费再学了，因为你自己的能力，只需要花费足够的时间成本，就能获得不错的学习成果，无非可能会慢一点而已，但我建议你链接更多提示词编写者多交流，互通有无，不要一个人闷头学。
如果达不到上述能力，很想学提示词且有清晰的学习目的，那还是建议选择一个靠谱的课程系统化的学习，因为的确提示词编写这件事门槛低，上限高，迭代快。有系统有组织的学习，加上有效的实践路径，学习效果会和你自己学完全不一样。省钱省脑子省时间，自己总要做个选择。
“ 学习=信息输入- 验证认同 - 内化吸收 - 自主输出 ”
这五篇文章编写于2023年8月，部分信息做了校对更新。
关于提示词的全局思考我在2024年又整理了新的内容发在这里：