# 如果看完这篇文章,你的AI水平最起码超过99%的人,你还会划走吗?(一个AI实践者的提示词工程分享)
**作者**: 超级个体|柿子
**日期**: 2026-04-30T03:31:21.000Z
**来源**: [https://x.com/yaohui12138/status/2049693060490203622](https://x.com/yaohui12138/status/2049693060490203622)
---

们这是一篇你绝对没有听过的提示词工程,我其实不愿意把这个东西作为开源分享的,因为看完之后所有人的ai水平都一定会上涨一大截
区别于市面上99%的博主只告诉你概念和模棱两可的方法,这篇文章能让你学到实打实的提示词工程
如果帖子流量不足10w,我将会在48小时之后删帖,然后只作为我个人社群的内部分享
希望大家看完之后能给个三连当学费!感谢大家!
话不多说,我们直接开始
今天我来给大家先定义一件事:AI时代最重要的内核就是:表达需求的能力,而什么是表达需求的能力,具体外化就是你的提示词工程的能力
我们现在的AI时代共有三个工程,我先来给大家分别解读一下:
提示词工程:如何表达需求的能力
上下文工程:其实这个工程的核心理论是:我们认为想要拿到好的输出,前提是控制好它的输入,所以我们开始在意给模型输入什么内容
harness工程:其实是上下文工程的进阶版,我们开始在意如何管理AI的输入,如何保证它的推理效果,采用怎样的过程,如何让整个推理的过程透明,可追溯,可迭代,如何保证ai的结果经过了质量校验.....等等
这一切内容就是harness工程,其实harness工程就是管理方法论的具象化
我们会发现,一切的一切都源于提示词工程
今天我会用一些知识和方法,告诉你,提示词工程的整个思考逻辑
提示词工程的整体链路:
用户的需求阶段-到模型推理-到结果输出后的相互校验-最后到迭代反馈
一整套闭环链路
这才叫有体系的提示词工程,我们的思考也由此展开
阶段1:需求结构化(90%的失败死在这里)
在提出一个问题前,想思考一下:
你自己都没想清楚要啥,模型凭什么给你?
最常见的烂Prompt长这样
帮我写一封给用户的召回邮件
模型回你什么?一篇标准企业范模板邮件?
读完两秒删掉
这里我给大家推荐一个模版,但是不是要求大家都使用这套模版,而是真的理解,你向AI提问之前要想明白什么:
举个例子:
C - Context 背景:我做了个AI工具SaaS,新用户注册7天没回来
O - Objective 目标:写召回邮件,让他回到产品
S - Style 风格:朋友式,不是企业范
T - Tone 语气:温暖但不油腻
A - Audience 受众:30岁左右的独立开发者
R - Response 输出:100字以内,带一个具体使用场景
同样的模版,类似的还有RTF(Role-Task-Format)更轻量
逆向提示词(用 “不要输出代码”“不要.....”这种禁令做精修)也归在这一阶
注意不要踩坑:模板用太死会让Prompt变机械,熟了之后该跳模板就跳
阶段2:推理路径设计(让模型怎么想)
需求清楚了,这一步决定输出质量天花板
两个核心技巧
第一个是CoT思维链
说人话就是让模型逐步思考
烂Prompt:这段代码为什么报错
好Prompt:让我们逐步分析这段代码
1)先看输入是什么
2)每一步发生了什么
3)最后定位报错点
我记得在OpenAI研究里,加上这一步推理,准确率从五成多干到八成
第二个是Few-Shots
给3个例子胜过写10句要求
你提出的需求是:让模型按我的风格写产品介绍,讲一万句风格要求
都不如甩3条我最满意的范例,模型直接秒懂
但有个大坑:样本必须是你最满意的那种,垃圾样本污染整锅粥,反而把模型带歪
提点几个变种
1.Auto-CoT:让模型自己生成推理路径,企业批量场景用
2.生成知识提示:先让模型生成背景知识再回答,复杂领域用
3.DSP方向性刺激:用关键词控制输出方向(刺激模型语料),企业级精控用
> 普通人记住前两个就足够用了
阶段3:结果校验(大多数人的盲区)
模型输出什么直接用
从不验证,相当于面试一个人,看完简历就发offer
两个技巧
1.自我一致性+自我质疑
举个例子:同一个问题问3次取多数
我做行业调研报告,关键的市场数据问3次, 3次答案打架就重新拆问题
成本是Token翻倍,但关键决策值这个钱
2.ReAct框架
思考+行动+观察的闭环
让Agent帮你查竞品价格
Thought:我需要找竞品最新定价
Action:调用搜索工具
Observation:拿到3家定价
Thought:还要对比功能差异
Action:再次搜索
这就是个边想边查的Agent模式
现在所有AI Agent的本质都是这套路
阶段4:迭代反馈(高手和小白的分水岭)
很多人用模型是一次性的, 要个答案就走
这不叫提示词工程,这叫开盲盒,核心技巧是Reflexion 自我反思
写代码场景特别典型
让模型写一段代码 → 跑通失败 → 把报错粘回去
然后这么问,这个方案为什么行不通?应该怎么改?
注意:不是让它重新写一遍,是让它反思上一次的失败
PM视角看就是PDCA循环里的Check和Act
本质就是把模型的输出闭环回去当新的输入
来个真实的完整闭环案例,方便大家理解
场景:用AI做独立开发者MVP产品调研
需求阶段(COSTAR)
Context:想做一个面向独立开发者的SaaS
Objective:调研AI编程辅助类工具市场
Style:投资人能看的报告
Audience:自己要做决策
Response:表格+核心洞察
推理阶段(CoT)
加一句:先列出所有竞品 → 分析定价模型 → 找差异化机会 → 给3个MVP方向
校验阶段(Self-Consistency)
让模型重跑3次差异化分析
对比3次结论稳不稳
反馈阶段(Reflexion)
把3次答案的差异点丢回去
问它为什么会有不同结论
让它给出最稳的最终版
四步下来
你拿到的不是AI编的一堆,是一份能落地的方案,整个过程折腾不到一个钟头
提示词工程不是背技巧,而是有一天你能像我一样清晰的讲出来自己的理解
可能是建立 需求 → 推理 → 校验 → 反馈 这套闭环思维,也可能你会有自己的理解
你越懂表达需求,你的提示词越好
## 相关链接
- [超级个体|柿子](https://x.com/yaohui12138)
- [@yaohui12138](https://x.com/yaohui12138)
- [1.2K](https://x.com/yaohui12138/status/2049693060490203622/analytics)
- [Upgrade to Premium](https://x.com/i/premium_sign_up)
- [11:31 AM · Apr 30, 2026](https://x.com/yaohui12138/status/2049693060490203622)
- [1,265 Views](https://x.com/yaohui12138/status/2049693060490203622/analytics)
---
*导出时间: 2026/4/30 16:38:38*