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
