太长不看
元提示是让AI编写提示词 —— 你描述想要的结果,机器起草将产出它的精确、结构化指令。它把提示词写作从猜测变为委派:既然AI能准确说出需要什么背景,为什么还要猜?
类比
看一个家庭真正建造房子。
选项一:抓起锤子开工。墙壁立在最感觉正确的地方;浴室在有人发现缺失时才补上。每个决定都由最没有资格预见的人在施工当下即兴做出。房子立住了 —— 勉强 —— 而且每个缺陷都被某个好意的人刻意砌了进去。
选项二:雇佣建筑师。家庭一笔都不画。他们回答问题 —— 几间卧室?在家办公吗?需要北向采光吗?经常待客吗?—— 建筑师把这些回答转化为图纸:精确、有尺寸、完整。然后木工按图施工,而非凭感觉。好蓝图的安静魔法在于:**它消除了木工出错的余地。**当每个尺寸都预先决定,木工不可能把楼梯放错位置 —— 楼梯已经在纸上了。
大多数人使用AI的方式,是那个凭感觉盖房的家庭。每场对话都以同样的唠叨开始,在提问的当下即兴编写提示词,塞入任何想得起的背景 —— 一边钉钉子一边许愿的口头版。元提示是雇佣建筑师。模型读过上千个针对你这类任务的最佳实践提示词。它知道一条完整指令长什么样 —— 角色、约束、格式、边界情形 —— 正如建筑师知道完整的房子需要什么,包括你没想到的房间。
而家庭的职责呢?回答问题、审阅蓝图。你早已见过它的轻量版:"先问我"就是建筑师的问询 —— 元提示的迷你形态。本课是完全委派:不止收集答案,而是产出图纸本身。
工作原理
元提示是一条关于提示词的提示词。它有四个功能部件:
| 部件 | 你提供的 | 示例 |
|---|---|---|
| 角色 | 起草中的AI应该是谁 | "你是一位资深提示词工程师" |
| 目标 | 最终提示词要完成的任务 | "……写一个为我们的商店生成商品描述的提示词" |
| 已知信息 | 只有你知道的事实 | "读者:送礼者。语气:俏皮。每条60词以内" |
| 交付物 | 元提示返回什么 | "只输出完成的提示词。可直接复制使用,无注释" |
组装起来,主模板长这样:
你是一位资深提示词工程师。请为这个任务编写一个完美的提示词:为一家线上礼品店生成60词商品描述,语气俏皮,强调这份礼物适合谁。提示词应指定角色、语气、长度、结构与排除项。在动笔之前,先问我最多3个能让提示词更好的问题。然后只输出完成的、开箱即用的提示词。
注意解剖结构。问询条款是可选但强大的 —— 它是折叠进委派里的"先问我",让建筑师索取你遗漏的两个事实。"只输出完成的提示词"条款是格式强制:没有它,模型会愉快地返回一篇关于提示词的论文,而不是提示词。而成品应该一眼可辨 —— 一条完整的单发提示词:动词、背景、目标格式、排除项 —— 第1课的解剖结构,由以此为职业的人组装。
最后一招,初学者会错过的:**测试,然后审计,然后部署。**把生成的提示词在真实案例上运行。输出令人失望时,不要手工修补 —— 把失败退回给建筑师:"这个提示词产出了X。弱点是Y。请修订提示词。"一轮修订通常能让图纸固化。提示词在经受真实工作考验之前都是草稿 —— 而且和其他任何AI输出一样,在托付重要工作前值得审计。
改写前后(提示词)
示例1 —— 重复性任务
写一条关于新分析功能的LinkedIn帖子。
凭感觉、在提问当下写就的提示词,产出一篇通用帖子 —— 而且下个月同样通用。因为什么也没被捕获。每次重现,墙壁的位置都被重新即兴一遍。
你是一位资深提示词工程师。我们的CTO需要一个可复用的提示词,用于撰写我们B2B软件功能的LinkedIn发布帖。请就声音、读者、以及过往帖子效果好的原因,最多问我4个问题。然后只交付提示词 —— 指定角色、读者、语气、结构、长度限制,以及一件永远不要做的事。
一条元提示,一轮问询 —— 图纸出炉:整个团队可以永久粘贴的发布帖生成器。家庭一笔没画;建筑师问了正确的问题;图纸如今存在。
示例2 —— 专业化输出
用简单的语言总结这份法律合同。
祝你好运 —— "简单的语言"遇上合同语汇,模型即兴出一个谁都不满意的折中。用户重试、把请求换四种说法、拿起锤子。
扮演提示词工程师。设计一个为没有法律背景的小企业主总结合同的提示词。总结必须标明:义务、违约金、终止条款、以及一切异常之处。每个法律术语在括号内定义,并以"应咨询律师的3个事项"清单收尾。先最多问我3个问题,然后只输出提示词。
生成的提示词知道了用户不知道该知道的事 —— 要求把终止条款作为类别、把术语放进括号、增加升级清单。建筑师知道一座完整的"合同摘要之家"需要什么 —— 包括家庭不知道该要求的房间。
示例3 —— 困难的对话
写一条告诉团队截止日期延期的消息。
情绪负载重、背景沉 —— 而即兴提示词一个背景也没携带,于是模型猜测语气。猜错。
你是专攻职场沟通的提示词工程师。就这次截止日期延期面试我 —— 一次一个问题,最多5个 —— 关于起因、团队士气、以及之后我希望他们的感受与行动。然后编写一个起草这条消息的完美提示词,并只输出那个提示词。
问询浮现出真实的约束("有两个人周末加班了 —— 要承认"),而那个约束被工程进提示词本身。最终消息不是运气草稿;是出自了解地形的图纸的建筑。
常见陷阱
- **盲目使用生成的提示词。**AI编写的提示词是AI输出 —— 流畅、自信、有时错误,只有测试能揭示。永远先在真实案例上运行,重要工作要审计:缺失的约束、被当作已知的事实、幻觉出的需求。建筑师很称职;图纸仍要在施工前核对。
- 模糊的委派。"给营销写个好提示词"是雇佣了建筑师却拒绝回答任何问题。结果是一座通用房子的通用图纸。提供已知信息 —— 读者、语气、格式、约束 —— 或者更好,让问询条款把它们拉出来。
- **接受无法理解的提示词。**如果生成的提示词包含你解释不了的指令,你部署的是一台无法调试的机器。逐行阅读;追问任何令人困惑的条款的理由("为什么加'避免夸张表述'?")。读不懂的图纸是改不了的图纸。
- **对琐事使用元提示。**为一个搁板任命建筑师,比自己钉钉子还慢。对简单请求,直接、精修的单发提示词胜过两步仪式。元提示在重复任务、专业格式、高风险工作上回本 —— 好图纸被多次施工摊薄。
- **忘记可以用提示词本身迭代。**输出令人失望时,大多数人修修补补输出。建筑师的客户改的是图纸:"这个提示词语气偏轻 —— 修订它,其余保持不变。"你雇了专业人士;用足修订周期。
常见问题
AI能编写自己的提示词吗?
能 —— 而且出奇地好。现代模型内化了数千个有效的提示词模式,知道给定任务的完整指令长什么样。这项技术就是元提示:解释目标与约束,可选地让AI先面试你,并让它输出一个精修、开箱即用的提示词。注意点:AI编写的提示词在测试前都是草稿,重要使用前应像任何AI输出一样被审计。
什么是元提示?
元提示是其交付物为另一条提示词的提示词。不是向AI要一个答案("写我的帖子"),而是要一个问题("写一个生成我帖子的提示词")。它通常指定AI应扮演的角色、最终提示词要完成的任务、只有你知道的约束,以及输出格式 —— 通常是"只给完成的提示词,无注释"。
元提示与"先问我"的区别是什么?
植根于同一洞察的近亲 —— 模型比你更清楚需要什么信息。"先问我"在答案之前收集这些信息;元提示更进一步,生产指令本身,并常把"先问我"式的问询折叠在内。经验法则:"先问我"改善一个答案;元提示创建一个能改善该类型所有未来答案的可复用蓝图。
下一课
目前的一切都在工程化单次对话。但还有一种让工程永久的方法:一条先于每条消息、携带角色、语气与规则的常驻指令 —— 无需重复、自动、永远适用。一条永不离开房间的提示词。
继续下一课:人格设计 —— 理论
离开前的练习:选出你这个月提示过3次以上的任务。任命建筑师 —— 一条带问询条款的完整元提示 —— 让它起草可复用的图纸。测试一次,请求一次修订,并计算第四次使用时省下的时间。