提示词工程

通过结构化、精准化的指令设计，提升 AI 输出质量和效率的方法论。核心原则是”给 AI 精准喂料，它才能吐出金子”

核心定义

提示词工程（Prompt Engineering）是设计和优化输入给 AI 的指令，以获得高质量、符合预期的输出的实践。

核心原理：输入越结构化、维度越完整，AI 的理解越精准，输出质量越高。

经典框架模板

小红书 6 步精准指令公式

来源：2026-04-29-deepseek-xiaohongshu-formula

【我是谁】XX领域/身份的博主
【我需要】标题/互动话术/痛点文案
【给对象】XX岁+有XX痛点的群体
【痛点关键词】3-5个精准词
【内容重点】必含数据/场景/对比
【避雷要求】禁用XX/必须带XX

公文写作结构化指令

来源：2026-04-29-deepseek-official-document-tips

请撰写一份[公文类型：通知/请示/报告/函]
主题：[具体主题]
背景信息：[详细背景资料]
格式要求：包含引言、主体、数据分析
结构要求：[具体结构要求]

内容创作通用 Prompt 模板

来源：2026-04-29-deepseek-content-creation

生成初稿：

写一篇关于[文章主题]的文章。
要求：结构完整，包含引言、正文要点、结论

SEO 优化：

请为以下内容优化 SEO 关键词：
[粘贴文章内容]
要求：替换核心关键词、添加长尾关键词

网文创作专用指令

来源：2026-04-29-deepseek-novel-tutorial

世界观构建：

输入关键词如"修仙+宗门斗争+系统流"
要求：生成包含势力分布、修炼体系、核心矛盾的世界观框架
并提供「冲突升级模板」和「多线并进大纲」

人物角色卡生成：

输入："病娇反派+美强惨背景"
输出包含：姓名、特征、名台词、黑化触发点

核心原则

1. 结构化优于碎片化

• 多维度定义远优于单句模糊指令
• 小白指令：“帮我找秋季穿搭灵感”
• 结构化指令：完整 6 维度定义 → 针对性强的 10 个选题

2. 明确身份与受众

• 必须定义”我是谁”（创作者身份）
• 必须定义”给谁看”（目标受众画像）
• 必须定义”痛点是什么”（精准关键词）

3. 包含正向要求和负向约束

• 【内容重点】明确必须包含什么（数据、场景、对比）
• 【避雷要求】明确禁止什么（禁用词、风格禁忌）

4. 示例驱动效果更佳

• 提供具体示例能显著提升输出质量
• 好的示例胜过千言万语的描述

不同素材中的观点

关于精准喂料原理

来源：2026-04-29-deepseek-xiaohongshu-formula

“给AI精准’喂料’，它才能吐出金子！“

关于结构化的价值

来源：多篇素材共同印证

• 结构化指令能解决”AI 写的像流水账”的普遍问题
• 具体化的指令不仅促进 AI 的理解，也能更加贴合实际需求

关于背景信息的重要性

来源：2026-04-29-deepseek-official-document-tips

“提供详尽的背景信息是另一个提升公文质量的策略…以确保生成内容的精准度与权威性。“

关于分轮独立执行的重要性

来源：2026-05-17-ai-pm-interview-claude-workflow

• 同一份素材让Claude跑多轮时，必须每轮只做一件事。混在一起跑Claude会偷懒，每件都做得不深
• 面试复盘场景验证：Prompt A建题库、Prompt B诊断答崩点、Prompt C生成标准答案——三轮分开跑效果远优于一次性要求
• “不要让Claude安慰你”——在诊断类prompt中加入”注意：不要安慰我，直接指出问题”能显著提升反馈质量

关于个人上下文喂入的价值

来源：2026-05-17-ai-pm-interview-claude-workflow

• 诊断类prompt必须喂入个人简历/项目信息，否则Claude只能给出网络通用模板（“你应该用STAR结构”）
• 喂入简历后Claude能精确指出”你的XX项目里有现成数据但你没拿出来”——从通用建议升级为个性化诊断
• 简历是个人知识库的第一份语料，面试转录是第三份——持续喂入让Claude从通用助手变成个人教练

关于短剧提示词的结构化约束

来源：2026-05-17-ai-short-drama-workflow

• 短剧提示词的关键不在于“写得有文采”，而在于把每集结构锚点、爽点间隔、底牌揭示时机、对白上限和分镜要求写死
• 三类题材模板都要求角色首次出场附带外貌、服装、年龄感和镜头建议，说明角色一致性本质上依赖前置约束而不是后期修补
• “供小云雀解析”的分镜字段证明：当提示词要驱动下游 Agent/视频系统时，必须把机器可解析的结构信息显式写出来

关于上下文工程的升级：从 Prompt Engineering 到 Context Engineering

来源：2026-05-18-woshipm-ai-agent-productivity

• 当给 Agent 加载了 agents.md（系统提示词，包含完整的角色、业务背景、偏好、工具列表）后，用户提示词可以简化到”给我写封商务开发邮件”——因为上下文已经全部就绪
• 用访谈式提示词构建 agents.md 是最佳实践：让聊天模型问 15-20 个问题（工作角色、公司业务、目标客户、沟通风格、常用工具等），自动生成结构化 agents.md 文件
• agents.md 应保持在 200 行以内，memory.md 只保存”实质性修正”而非每处微小调整，避免文件过于臃肿影响 Agent 表现
• memory.md 自动化是核心：在 agents.md 中添加两行指令”每个任务前读取 memory.md”和”学到新东西时更新 memory.md”，Agent 会记住”别写得那么正式”等偏好并随时间改进

实用信息

适用场景

• 各类文案创作（小红书、公众号、广告、新闻）
• 公文写作（通知、请示、报告、函）
• 创意写作（小说、故事、剧本）
• 技术文档和专业内容

进阶技巧

1. 场景化思考：把自己想象成需求方，想想你会给下属什么样的详细指令
2. 迭代优化：第一版输出不理想时，针对性调整提示词，而非重来
3. 组合使用：先用结构化指令出初稿，再用优化指令调整细节
4. 保存模板：把验证有效的提示词保存为模板复用
5. 上移一层为上下文工程：将常用背景信息写入 agents.md 等上下文文件，而非每次重复提供

相关页面

• DeepSeek
• AI 内容创作