近日 YC 出了一个访谈 《State-Of-The-Art Prompting For AI Agents》，专门讲他们投资的一家客服公司，公开了他们提示词的写法，这应该也属于第一家吧。
今天分享给大家。
核心观点：一个 6 页的 「说明书」 价值千万。
目前，如果在 Perplexity 搜索问题、在 Replit 写代码，或者联系这些知名 AI 公司的客服时，回答你的其实不是人类，而是 AI 机器人。
但这些 AI 机器人为什么能够如此聪明，回答得如此专业？
答案的关键不在于它们使用了多么先进的 AI 大脑，而在于它们拥有一本厚达 6 页的 「工作手册」。
这本手册告诉 AI 该如何思考、如何回答，甚至是遇到什么情况时该说 「我不知道」。
在 AI 圈子里，我们把这本手册叫做 「提示词」。
这就好比你去一家五星级酒店，服务员服务得如此周到，不是因为他们天生就懂服务，而是因为酒店给了他们一本详细的服务手册：遇到什么样的客人该说什么话，遇到什么问题该怎么处理，甚至连微笑的角度都有规定。
今天，我们就来看看，他们这些价值千万的 「AI 工作手册」 是怎么写出来的。
学会了这些方法，你也能让 ChatGPT、Claude 等 AI 助手变得更聪明、更懂你。
一、第一层基础：给 AI 一个清晰的身份认知
要先告诉 AI，「你是谁」
想象一下这个场景：你是一家公司的老板，新来了一个员工，你什么都不说就让他开始工作。
结果会怎样？这个员工肯定会不知所措：我到底是来做销售的还是做技术的？我的权限有多大？我能做什么决定？
面对 AI 也是一样的道理。
如果你直接问它 「帮我处理客户投诉」，AI 就像那个新员工一样困惑：我应该以什么身份来处理？是普通客服的角色，还是客服主管的角色？处理到什么程度算完成任务？
所以，顶级公司的提示词都会这样开头：
普通写法：「帮我处理客户投诉」。
专业写法：「你是一家科技公司的高级客服主管，拥有 10 年客户服务经验。你的职责是：
-
仔细倾听客户的问题和不满；
-
分析问题的根本原因；
-
提供切实可行的解决方案；
-
在必要时将复杂问题升级给技术团队；
-
确保客户满意后才结束对话。」
看到区别了吗？第二种写法可以让 AI 明确地知道自己的身份、经验背景、具体职责，就像给新员工发了一份详细的岗位说明书。
把复杂任务分解成简单的步骤
人类在处理复杂任务时会本能地分解步骤，但 AI 需要你明确地告诉它。
这就像教小孩子做数学题，你不能说 「解这个方程」，而要说 「第一步移项，第二步合并同类项，第三步求解」。
举个实际例子：假设你想让 AI 帮你分析一篇文章中提及的公司是否值得投资。
糟糕的提示词：「分析这篇文章，告诉我是否应该投资」。
优秀的提示词：「请按照以下步骤分析这篇投资文章： 第一步：识别文章中提到的公司名称、行业类型、投资金额；第二步：找出文章中提到的市场机会和风险点；第三步：分析该公司的竞争优势和劣势；第四步：评估投资的潜在回报和风险等级；第五步：基于以上分析，给出明确的投资建议 （投资/不投资/需要更多信息）。」
这样，AI 就会像一个专业的投资分析师一样，有条不紊地完成分析工作。
规定清晰的输出格式
这个概念可能听起来很技术，但其实很好理解。就像你去餐厅点菜，你希望服务员回答 「有红烧肉，35 元一份，大概需要等 15 分钟」，而不是 「有的，挺好吃的，不贵」。
在 AI 的世界里，我们可以用一些特殊的标记来要求 AI 按照固定格式回答。
比如用 XML 标签 （就像给文字加标题一样）：
例子：「请用以下格式回答： < 分析结果> 你的具体分析内容</分析结果> < 投资建议> 投资/不投资/需要更多信息</投资建议> < 风险等级> 低风险/中风险/高风险</风险等级>」。
这样一来，AI 的回答就会很规整，你也更容易从中提取出有用的信息。
就像银行的业务单据都有固定的格式一样，这正是为了便于处理和存档。
二、第二层进阶：让 AI 学会 「举一反三」
用具体的例子教会 AI（这是最重要的技巧）
你有没有这样的经验：别人跟你解释一个概念时，说了半天你还是云里雾里，但他一举例子，你马上就明白了？AI 也是如此。
让我用一个真实案例来说明。
假设你想让 AI 识别代码中的 「N+1 查询问题」（这是一种会让网站变慢的编程错误）。
方法一：纯文字解释 「N+1 查询问题是指系统在循环中执行数据库查询，这最终导致性能出现问题的情况」。
AI 看了这个解释，还是一头雾水，就像你第一次听到这个概念一样。
方法二：给出具体的例子。
「以下是 N+1 查询问题的例子：
// 错误的写法 （N+1 查询问题）
users = 获取所有用户 () // 这是第 1 次查询
for user in users:
orders = 获取用户订单 (user.id) // 如果有 100 个用户，这里就会查询 100 次
print(user.name, orders)
这种写法会导致数据库被查询 101 次 （1+100），严重影响性能。当你看到类似的代码模式时，就要警惕 N+1 查询问题。」
现在 AI 就明白了。它不仅知道什么是 N+1 查询问题，还知道这种问题长什么样子。就像医生通过看 X 光片学会诊断骨折一样。
元提示：让 AI 当你的提示词顾问
这是最神奇的技巧，也是顶级公司都在用的秘密武器：让 AI 帮你写出更好的提示词。
这就像请一个写作专家帮你修改简历。你写了一份简历，但觉得不够好，于是找到一个 HR 专家，他帮你改进措辞、调整结构、突出亮点。元提示就可以做到这些。
具体操作方法：
第一步：写一个基础版本的提示词，比如：「帮我写一篇关于环保的文章」。
第二步：请 AI 扮演提示词专家。
「你现在是一个拥有 10 年经验的 AI 提示词工程师，专门帮助人们优化提示词。我有一个提示词想请你改进，让它更清晰、更有效果。
我的原始提示词是：『帮我写一篇关于环保的文章』。
请帮我分析这个提示词的问题，并给出改进后的版本。」
第三步：收获改进版本。
AI 会告诉你原始提示词太模糊，然后给你一个类似这种的改进版本：
「请以一个环保专家的身份，写一篇 1500 字的文章，主题是 『个人如何在日常生活中实践环保』。文章要求：
-
目标读者：对环保有初步兴趣的普通人；
-
文章风格：实用、易懂、有说服力；
-
内容结构：问题背景+具体方法+实际效果；
-
至少包含 5 个具体可行的环保小贴士；
-
用生活化的例子说明每个方法。」
看到区别了吗？改进后的提示词就像从 「随便做个菜」 变成了详细的菜谱。
给 AI 设置 「求救按钮」
这个概念非常重要，但经常被忽略。
AI 有一个特点：它太 「想帮助你」 了。就像一个过分热心的员工，即使不确定答案，也要硬着头皮给你一个回复。
举个例子：你问 AI：「2024 年的诺贝尔物理学奖颁给了谁？」 如果 AI 的训练数据只到 2023 年，它不知道答案，但可能会猜测或编造一个听起来合理的答案。
这就很危险了，就像问路时，不知道路的人为了显得有用而瞎指方向一样。
解决方法：给 AI 一个 「不知道」 的选项。
「如果你对问题没有确切的答案，或者需要最新信息才能准确回答，请直接说 『我需要更多信息才能准确回答这个问题』，不要猜测或编造答案。」
这样，AI 就有了说 「不知道」 的勇气，这反而会让它更可靠。
三、第三层企业级应用：三层提示词架构系统
为什么需要分层管理？
想象一下，你经营着一家连锁餐厅，有麦当劳、肯德基、必胜客三种不同风格的分店。你会怎么管理？
如果为每家店单独写一套完整的管理手册，工作量巨大，而且很多基础内容是重复的 （比如食品安全标准、客户服务礼仪）。
聪明的做法是建立三层管理体系：
-
第一层：集团统一标准 （适用于所有分店）；
-
第二层：品牌特色规则 （麦当劳的规则 vs 肯德基的规则）；
-
第三层：具体门店指令 （今天的特价菜单）。
AI 提示词也是同样的道理。
第一层：系统提示词 （公司基本法）
这一层定义的是最基础、最通用的规则，就像公司的基本法。不管服务哪个客户，这些规则都不变。
例子：「作为客户服务 AI，你必须始终遵循以下原则：
-
保持礼貌和专业的语气；
-
优先确保客户满意；
-
保护客户隐私信息；
-
遇到无法解决的问题时，及时转交人工客服；
-
绝不承诺超出公司政策范围的服务。」
这就像酒店行业的基本服务标准，不管是希尔顿还是万豪，这些基本原则都是通用的。
第二层：开发者提示词 （客户定制规则）
在这一层中，可以添加特定客户的个性化需求。比如为 Netflix 提供服务和为银行提供服务，规则肯定不同。
为 Netflix 服务的规则可能是：「当客户询问观影推荐时：
-
优先推荐 Netflix 原创内容；
-
根据客户历史观看记录个性化推荐；
-
避免推荐即将下架的内容；
-
对于儿童账户，严格执行年龄分级限制。」
为银行服务的规则可能是：「当客户询问金融服务时：
-
严格验证客户身份后才提供账户信息；
-
涉及大额交易时必须进行二次确认；
-
绝不通过聊天提供密码重置服务；
-
发现可疑交易立即提醒客户联系银行。」
第三层：用户提示词 （具体任务指令）
这一层是用户直接输入的内容，比如 「帮我推荐几部科幻电影」 或 「查询我的账户余额」。
三层架构的优势：
1. 效率高：不用为每个客户重写所有规则；
2. 易维护：修改基础规则时，所有客户都能受益；
3. 个性化：每个客户都能有自己的特色服务；
4. 成本低：避免重复开发。
就像软件开发中的模块化思想，把复杂系统分解成可复用的组件。
四、第四层高级策略：选对 AI「员工」 类型
不同 AI 模型的 「性格」 差异
在现实工作中，你会发现，每个员工都有不同的性格和特长。有些人善于沟通，有些人技术能力强但需要明确指导。AI 模型也是如此。
Claude：善解人意的 「沟通专家」
Claude 就像办公室里那个情商很高的同事，你跟他说话很轻松，他总能理解你的言外之意。
特点：
-
对模糊指令的理解能力强；
-
回答更有人情味；
-
擅长创意性工作；
-
安全意识强，不容易被 「带跑偏」。
适合的工作场景：
-
写创意文案；
-
客户沟通；
-
内容创作；
-
需要同理心的任务。
实际应用例子：当你说：「帮我写一封道歉信，因为产品延期了」，Claude 能够理解，你需要的不仅仅是一封信，而是一封既诚恳又能维护客户关系的沟通文本。
Llama：严谨的 「技术专家」
Llama 就像公司里的技术大牛，能力很强，但需要你把需求说得很清楚，否则他会按照字面意思执行。
特点：
-
逻辑性强；
-
适合结构化任务；
-
需要详细明确的指导；
-
在技术领域表现优秀。
适合的工作场景：
-
代码编写和审查；
-
数据分析；
-
逻辑推理；
-
结构化内容生成。
实际应用例子：当你需要让 Llama 写代码时，不能简单地说 「写个登录功能」，而要给出更详细的说明：「用 Python Flask 框架写一个用户登录功能，包含：
-
用户名和密码验证；
2. 错误信息提示；
3. 登录成功后跳转到首页；
4. 密码需要加密存储；
5. 添加防止暴力破解的限制。」
成本优化策略：大模型优化，小模型执行
这是顶级公司常用的聪明策略，就像请顶级设计师设计方案，然后让普通工人按图施工。
具体操作流程：
第一步：用强大但昂贵的 AI（比如 GPT-4）优化提示词：「我有一个基础的客服提示词，请帮我优化成专业级别的版本，要求能够处理各种复杂的客户情况……」
第二步：获得优化后的完美提示词。经过优化，你会得到一个非常详细、考虑周全的提示词。
第三步：用便宜的 AI 模型执行日常工作。把优化后的提示词给便宜的 AI 模型 （比如 GPT-3.5），让它按照这个 「完美说明书」 工作。
成本对比：
-
用 GPT-4 优化：100 次调用，成本约为 10 美元；
-
用 GPT-3.5 执行：10000 次调用，成本约为 20 美元；
-
总成本：30 美元。
如果全程用 GPT-4：10000 次调用成本约为 1000 美元。
这种策略特别适合语音 AI 应用，因为用户和 AI 对话时，响应速度非常重要。慢一秒钟，用户就会觉得 「这个 AI 不够智能」。
五、实战技巧：今天就能用的方法
技巧一：利用 AI 的 「思考过程」 调试
现在一些 AI 工具 （比如 Gemini、Claude）会显示它们的 「思考过程」，就像让你看到学生做数学题时的草稿纸。
如何使用：
-
给 AI 一个任务；
2. 观察它的思考过程；
3. 找出它在哪一步 「想歪了」；
4. 针对性地改进你的提示词。
实际例子：你让 AI 分析一家公司是否值得投资，它的思考过程可能是：「用户要求分析投资价值→我需要看财务数据→但用户只给了公司名称→我去搜索这家公司→找到了一些新闻→基于新闻分析……」
通过观察这个过程，你会发现，AI 缺乏足够的财务数据，于是改进提示词：「请分析 XX 公司的投资价值。如果缺乏关键财务数据，请明确列出需要哪些数据才能作出准确分析。」
技巧二：建立你的 「案例库」
就像医生会记录疑难病例一样，你也要记录 AI 表现不好的情况。
具体操作：
1. 准备一个文档或笔记本；
2. 每次 AI 回答得不满意时，记录下来：
-
你的原始提示词；
-
AI 的回答；
-
你期望的回答；
-
问题出在哪里。
3. 总结出改进方案；
4. 更新你的提示词模板。
例子：
问题记录：
原始提示：「帮我写个产品介绍」。
AI 回答：写了一个很通用的模板。
期望回答：针对我们产品特点的个性化介绍。
问题分析：提示词太模糊，没有提供产品信息。
改进方案：
「请为我们的智能手表写产品介绍。产品特点：
续航 7 天；
50 米防水；
支持心率监测；
价格 999 元；
目标用户：25~40 岁的运动爱好者；
突出相比 Apple Watch 的性价比优势。」
技巧三：通用的元提示模板
这是一个你可以立即使用的万能模板：
你是一个拥有丰富经验的 AI 提示词优化专家。我有一个提示词需要你帮助改进。
我的目标是：详细描述你想达成的目标；
目标用户：描述使用 AI 输出内容的人群；
应用场景：说明在什么情况下使用。
我的原始提示词：粘贴你的提示词。
请帮我：
分析原始提示词存在的问题；
2. 提供改进后的版本；
3. 解释为什么这样改进；
4. 给出使用建议。
改进后的提示词要求：
更清晰明确；
减少歧义；
提高输出质量；
易于复用。
使用示例：假设你想让 AI 帮你写朋友圈文案推广你的咖啡店。
你是一个拥有丰富经验的 AI 提示词优化专家。我有一个提示词需要你帮助改进。
我的目标是：让 AI 写出能吸引客户的咖啡店朋友圈文案。
目标用户：25~35 岁的白领，喜欢咖啡文化。
应用场景：每天发朋友圈推广咖啡店。
我的原始提示词：
「帮我写个咖啡店的朋友圈文案」。
请帮我：
分析原始提示词存在的问题；
2. 提供改进后的版本；
3. 解释为什么这样改进；
4. 给出使用建议。
AI 会帮你分析问题 （太模糊、缺乏具体信息等），然后给出改进版本。
六、核心要点：从新手到专家的进阶路径
新手阶段：掌握基本原则
在这个阶段，你需要养成这些好习惯：
给 AI 明确的角色定位。不要说 「帮我写文章」，而要说 「你是一个有 10 年经验的营销专家，帮我写一篇针对年轻人的产品推广文章」。就像给演员一个明确的角色设定，他才知道该怎么演。
用具体例子替代抽象描述。与其说 「写得生动一点」，不如给一个具体例子：「像这样写：『咖啡的香味像温暖的拥抱，瞬间包围了整个房间』」。例子胜过千言万语。
设计逃生机制。永远告诉 AI：「如果你不确定答案，请说 『我需要更多信息』，不要猜测。」 这会让 AI 更诚实、更可靠。
进阶阶段：掌握系统方法
利用元提示，让 AI 帮你改进提示词，就像请写作老师修改你的作文。这是最快的提升方法。
建立分层架构。把通用规则和具体需求分开，提高复用性。就像建立公司制度一样，有基本法，也有具体的业务规则。
了解不同 AI 的特点。Claude 适合创意工作，Llama 适合技术任务。选对 AI 就像选对员工，事半功倍。
专家阶段：形成自己的方法论
建立案例库，记录每次 AI 表现不佳的情况，总结规律，形成自己的最佳实践。
成本优化。用大模型优化提示词，用小模型执行任务，在质量和成本之间找到最佳平衡。
持续迭代。提示词不是一次性的，要根据实际效果不断优化，就像产品需要不断迭代一样。
从 「一次性任务」 到 「长期合作」。好的提示词是一种投资，一旦写好，可以重复使用成千上万次。就像建立一套好的工作流程，一次投入，长期受益。
从 「完美主义」 到 「迭代优化」。不要期望第一次就写出完美的提示词。先写一个基础版本，然后根据实际效果不断改进。
就像创业一样，MVP（最小可行产品）先行，然后快速迭代。
记住：写好提示词不是个技术活，而是沟通的艺术。
它需要你站在 AI 的角度思考：它需要什么信息才能帮你完成任务？就像管理一个新员工，清晰的沟通和合理的期望设定，永远是成功的关键。
当你掌握了这些方法，你会发现，AI 不再是一个难以捉摸的黑盒子，而是一个听话、高效、可靠的助手。它能帮你写文案、分析数据、解决问题，甚至创造出你意想不到的内容。
这就是提示词的力量：它不仅仅是文字，更是你与 AI 之间的沟通桥梁，是你管理 AI 团队的核心技能。
本文来自微信公众号：我叫秋水，作者：秋水
