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

May 31, 2026

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。