提示词写作的底层手艺:从开口说话到精准掌控AI的思维路径
越是深入探索AI工具,越能体会到:真正起决定性作用的,其实是最原始的那一点——你是否会写提示词(prompt)。
知名技术大V卡帕西一直把一句话挂在置顶位置:

含义很简单:只要你会说话,能把问题描述给AI,它就能帮你实现。这句话从根子上点明了提示词的基础价值和不可替代性。
然而,“会说话”和“会表达”之间隔着巨大的鸿沟。我用一段亲身经历来说明这点。
用Word编辑任务的实战教训
有一次,我想让AI帮忙优化一个方案文档,其中某个章节不符合要求,需要修改。我把整个方案丢给AI,并指出这个章节不行,得优化。我当时写的提示词如下:
帮我优化一下这个方案,要求:
- 按照“数据采集—数据治理—数据分析—数据展示”的结构,重新组织下一级内容。
- 当前文档中的文字内容不动,只是把它们归到对应的板块下面。
- 标题、字体都要和原文档保持完全一致。
接着我把那份文档也附了上去。
我自认为描述已经足够清晰,结果AI交付的成果却一塌糊涂。我分别在Claude Code、Workbuddy、Codex里用这段提示词跑了一遍,甚至切换了不同模型,硬是折腾了五个小时,也没得到满意的结果。
我复盘下来,情况是:
- Claude Code + MiMo:内容改得可以,但格式完全对不上。
- Workbuddy + hy3:格式还能用,可内容质量不行。
- Codex + ChatGPT:内容和格式都还过得去,但耗时极长,整个过程将近拖了一小时。
我深入观察了每个工具和大模型处理这项任务的方式,发现它们背后的处理流程大相径庭。在梳理了各自的优劣势之后,我总结出一条最佳处理路径,然后把提示词改写成这样:
给我优化一下这个方案,优化方法是:
- 先把这份Word文档转成Markdown格式,然后再去读取里面的内容。
- 找到XX章节,将该章节的内容按照“数据采集—数据治理—数据分析—数据展示”的结构编写。编写完成后,生成一份新的Markdown文档。
- 把生成的Markdown文档转换回Word格式,具体做法是:
1)将原Word文档中“数据设计”这一部分整体复制到新Word文档中。
2)将Markdown里的内容按同样格式转换进去,同时保留原文档的标题格式、字体和编号样式。
- 把生成的新Word文件复制回原文档中(这一步你也可以手动复制,自行选择)。
神奇的事情发生了。原本每个AI工具都会花大量时间、效果还不理想的同一个任务,随着这条提示词的改写,全部给出了符合我预期的成果,而且整体工作时间也明显缩短。我不由得发自内心地感叹:提示词这件事,真的太重要了。
写提示词,真的是一门手艺活儿
现在很多面试中都会出现一个高频问题:“你写提示词的原则是什么?”网上能找到一套标准答案,大家可以自行搜索。
但我想说的不是那个标准答案,而是我本人对提示词的理解。
首先,提示词的复杂度取决于你要完成的工作的复杂程度。简单的事情,随便问就行,没什么可说的,正如大神卡帕西所言,会说人话就好。
而面对复杂任务时,第一要务是你自己必须先把“到底要什么”想清楚,然后再组织成提示词,交给AI。如果自己都表达得含含糊糊,反而不要描述太多——半明不白的提示词更容易把AI带偏,还不如用一句话直接交代。这就好像一位不懂装懂的领导胡乱指挥,结果同样糟糕。
当你用一句话把意图说清楚时,AI至少会基于自己的推断形成思考闭环,做出来的东西有基本的逻辑。随后你再进行微调,甚至推倒重来,就都随你掌控了。
复杂工作的另一种处理方法就是拆分,也就是项目管理中的WBS(工作分解结构)。把大任务拆成一个个小包,为每个小包装写好提示词,再按照先后顺序依次喂给AI。这也是非常原始但有效的办法。想起来去年我用豆包写方案时,就是自己先把章节结构搭好,把每个小节要写什么明确告诉豆包,然后由它一段一段地输出。现在大模型越来越聪明了,生成一个完整方案的便捷性已经大大提高,不再需要逐段复制粘贴。
但即使如此,用AI工具写方案时,“读取资料—撰写方案—转为Word”这些环节,仍然需要拆分开来。
这样做的好处,首先是让你作为“项目经理”拥有了里程碑和检查点。哪个环节出问题,就可以直接在这个环节调整,充其量这叫“变更”;要是等整个完整交付以后再改,就成了“返工”。返工的成本远比变更高得多。把这个逻辑照搬到AI工作流程里也是一样:过程中发现错误,及时修正,不会对后续产生连锁影响。这正是项目拆分思想的精妙之处。
结语
AI不是万能的,并非所有事情都可以一股脑儿丢给它完成。说到底,AI是基于预训练数据集运转的,它的能力存在明确的边界,一旦任务超出了它的数据覆盖范围,它也会“宕机”。
而你的工作有着极强的特殊性,背后许多坑、许多经验,只有你自己清楚。大模型一开始做这件事时并没有现成的参考,必须由你来讲清楚,它才能规避那看不见的陷阱。
而你究竟能否讲清楚,能否将提示词写成结构化、流程化、清晰化的表达,直接决定了AI能否真正帮你把这份工作漂亮地完成。