感觉大模型很牛，但自己用起来总有点不得劲？这太正常了。多数人跟 AI 聊天，就像跟一个新来的天才同事说话，话说一半，背景不说，指望他能完美 get 到你的点。结果呢？AI 给你的答案，要么平平无奇，要么错得离谱。
问题出在哪？沟通.
提示词工程就是解决这个问题的"沟通显学"。它不是说让你写代码，而是教你怎么跟 AI 好好说话。通过设计和优化你给 AI 的指令（也就是提示词），让 AI 给的结果更加优质
那这里就有两个核心概念你必须搞懂：
User Prompt（用户提示词） 和 System Prompt（系统提示词）
这篇文章，就是想跟你聊透这两个东西。
往期干货：
一、提示词工程基础：从指令到对话
1. 什么是提示词工程？
提示词工程、Prompt Engineering、指令、问题、需求、... 我在网上看关于 AI 的教程时，每个人的叫法都不一样，搞得非常乱。但是到底该怎么说呢？我决定让 AI 来说，我觉得它说的还是挺清晰的：
那刚好，一开头就教大家一个技巧：
问题 + 痛点（背景）+ 要求
不懂的任何概念可以让 AI 用"最小白的口吻解释"
它回复的最后还有一句："简单来说：你现在问我这个问题的方式，其实就是在用"提示词"跟我对话。你说得越清楚（比如要求我用小白口吻解释），我就能给你越好的回答。这就是提示词工程的本质！"
它的核心，就是怎么设计、优化你提给 AI 的问题，让它能更精准给你想要的输出。它不是编程，更像是在跟一个超级聪明的“外星人”沟通，你需要学习它的语言，或者说，教会它理解你的语言
我特别喜欢一个比喻：你可以把大模型想象成一个才华横溢但刚入职的员工。他不知道你的背景、你的风格、你的工作准则，甚至你的口头禅。他还特别健忘，上一秒说的话，下一秒可能就忘了。所以，你需要给他非常明确的指令。你把需求解释得越清楚，他给你的活儿就越漂亮。
所以，提示词工程的本质，就是把我们脑子里那些模糊的、需要靠“默契”才能理解的想法，翻译成 AI 能懂的、具体的“工作指令”。一个牛逼的提示词工程师，就像一个顶级的项目经理，能把任务拆解得明明白白，把边界划得清清楚楚，然后引导 AI 这个员工，交出一份让你惊艳的答卷
二、User Prompt vs. System Prompt：核心概念区分
现在我们来聊聊今天的主角：User Prompt 和 System Prompt。这两个东西，是提示词工程的基石，搞懂了它们，你就入门了
我给你画个表格，一目了然：
如果把 AI 应用比作一场话剧：
Sys Prompt 就是演员的角色剧本和导演的总纲。它规定了演员的性格（是霸道总裁还是邻家小妹儿）、背景（是来自火星还是来自中世纪）、知识领域（是懂代码还是懂历史）和表演风格（是严肃还是搞笑）
User Prompt 则是导演在每一幕给出的具体指令，比如“现在，给我一个愤怒的表情”、“跟观众解释一下你为什么这么做”
Sys Prompt 给 AI 搭了一个框架，让它有了一个稳定的“人格”。而 User Prompt 则是在这个框架里，驱动 AI 去完成一个个具体的任务。顺便说一句:在我们平时玩的那些 AI 聊天工具里，Sys Prompt 通常是藏起来的，是平台提前给你设定好的。但在更专业的场景，比如你通过 API 开发自己的 AI 应用，或者自定义 GPTs 时，你可以做为开发者去定义 Sys Prompt，这让你能创造出独一无二的、只属于你的 AI 智能体
1. 用户提示词 User Prompt
这是我们最常接触到的提示词形式，即用户在对话框中直接输入给 AI 的单次指令。它通常是任务导向的，用于解决一个具体、即时的问题。
特点：即时性、任务驱动、上下文依赖于当前对话。
例子：“帮我总结一下这段会议录音”、“将这段中文翻译成英文”、“写一首关于秋天的诗”。
数据类型：文生文/文生图/文生视频/图生视频
- 文生文：prompt（输入）+文本（输出）
- 文生图：prompt（输入）+图片（输出）
- 文生视频：prompt（输入）+视频（输出）
- 图生视频：图片&Prompt（输入）+视频（输出）
而输入（prompt）是否明确清晰决定了输出（respond）质量是否优质/符合预期！
基础原则
① 清晰的语言
指令要直接了当，开门见山。在指令中包含“必要的”细节，确保在提问中提供重要的细节或上下文。不要让模型费力地去理解你对他们提出的确切要求。
描述清楚提问的结果将用于哪些方面、将面向哪些受众，结果的最终目标或成功完成的样子。例如，使用列表或表格来更好地确保大模型按照你希望的方式执行指令。
② 设置角色
使用大模型时，赋予其角色，可以显著提高其性能。正确的角色可以将模型从一个普通助手变成你的虚拟领域专家！
在专业的平台（或使用开发 API） 时，仅使用 System 参数（如果有）设置大模型的角色。其他所有内容，如具体任务的说明，都应放在 User 的内容中。
- bad case： 给我一些关于如何提高记忆力的建议。
- good case： 你是一位世界记忆大师，拥有 20 年教学经验，深谙记忆的底层逻辑。请结合认知心理学的原理，为一名需要准备法律考试的大学生，设计一个为期 30 天的记忆力强化计划。
③ few-shot or multishot prompting
通过在提示词中提供一些精心制作的示例，可以显著提高模型输出的准确性、一致性和质量。在某些情况下，提供示例可能更容易。例如，如果您打算让模型复制一种难以明确描述，特定风格的回复。
示例提供你期望的模型回复的预期结果，包括但不限于写作风格、格式和具体内容。
限制字数/格式
如果大模型的回复过于冗长，可以要求模型生成具有给定目标长度的输出，限制回复过长的内容。同理，您可以要求生成更长的内容，以满足类似写作的场景（但最大长度仍受限于大模型的上下文总长度）。
可以用句数、段落数、要点数等来指定目标输出长度。
RTF 结构化提示词
RTF 框架由三个核心部分组成：
- R (Role - 角色): 你希望 AI 扮演什么角色？
- T (Task - 任务): 你希望 AI 完成什么具体任务？
- F (Format - 格式): 你希望 AI 以什么格式输出结果？
Role: “资深教育专家”的角色设定，确保了文章的专业性和通俗性。
Task: 任务被清晰地分解为四个具体要点，并包含一个示例要求，这应用了“清晰的语言”和“分块”原则。
Format: 格式要求非常具体，从 Markdown 的使用、标题级别、列表类型，到语言风格和字数限制，全方位地约束了输出，确保结果高度符合预期。
RTF 框架的优点在于其简洁性和普适性。几乎所有单次任务都可以套用这个框架进行思考和构建，它能强制我们思考提示词的关键要素，是 User Prompt 的最佳范式
2. 系统提示词 System Prompt
这是一个更底层、更持久的指令集，它用来预先定义一个 AI 助手的角色、个性、能力边界、行为准则和输出格式。在整个会话或应用中持续生效，影响着 AI 对后续所有 User Prompt 的响应方式。
特点：持久性、角色定义、全局性约束。
例子：“你是一个专业、严谨、富有同情心的心理咨询师。在回答用户问题时，始终保持中立和客观，多使用开放式提问，避免给出直接建议。你的回答不应超过 300 字。”
系统提示词在哪儿用？
前 4 个基本上是在工程/技术侧，以开发者模式定义，我们实操起来成本会比较高；最后一个我们可以带着实操：搭建 GPTs 可以用豆包（桌面版，免费）、GPT（网页版，需要充钱），这里后面就拿 豆包 来作为演示
系统提示词原则
首先必须谨记 三个原则：
- 系统提示词并不一定非要长篇大论，需要根据需求去设定，每个模块甚至每句话都需要先想清楚是否必须
- 提示词工程是需要迭代的：尝试编写提示，查看结果，然后逐步完善提示，以尽可能接近您需要的结果
- 每一次调整可能都让结果更加偏离目标。记得备份每个版本是兜底，越调越偏，这种情况下，我倾向于放弃
通过这个对比可以看出，其实模型的回答并没有太大区别，反正我是没看出来。同时也说明了一件事：系统提示词的效果取决于底模的指令遵循能力与上下文处理能力；对于能力较弱的模型，系统提示词过长反而会导致指令解析不完整，从而降低输出质量。
版本二的提示词我直接放出来，大家看下多长：
但，仅从模型 2 个版本答案来看，其实并没有太多区别。因为在 AI 的视角， "小红书风格"已经形成了一个固定的认知了：抓人眼球、emoji 表情装饰、"宝子们"、"家人们"等常用词....
所以其实不需要太多词来提醒 AI，AI 就可以知道你所说的小红书风格是什么样子。就像李继刚说的那样，我们再去写 Prompt 的时候要学会压缩表达
一段话, 意思不变, 如何使用一句话来表达?
一句话, 意思不变, 如何使用一个词来表达?
一个词, 意思不变, 是否可能使用「一个字」来表达？
Prompt 并不是越长越好，你说我把所有情况都给 AI 提前设定好，这样 AI 的输出一定就会准确。错！首先不说你没有办法穷举所有情况，就算你枚举出所有情况，AI 也会判断错误，而且那还需要什么 AI？一个判断逻辑的脚本就解决了的问题。但是这一趟下来，你是真的提效了么？还是为了什么。没有必要。
没有完美的提示词，只有能解决你问题的提示词才是好的提示词。
系统提示词怎么写
① Markdown 结构化
语法 这个结构支持 Markdown 语法, 也支持 YAML 语法, 甚至纯文本手动敲空格和回车都可以.
结构 结构中的信息, 可以根据自己需要进行增减, 从中总结的常用模块包括:
对信息进行组织, 使其遵循特定的模式和规则, 从而方便有效理解信息。结构化 Prompt 的思想通俗点来说就是像写⽂章⼀样写 Prompt。
结构化编写 Prompt 本身算是提示词编写的进阶学习内容，列举一套基础的结构化框架，可以通过一些特定的标准，将提示词结构为一些固定范式，例如：
结构化提示词的优势十分明确：
- 层次清晰，无论是对用户还是模型，都具备更高的可读性与逻辑性。
- 拓展性强，可根据整体 Prompt 的复杂度灵活增减模块。
- 语义与格式统一，方便后期的调试、优化与版本迭代。
但真正重要的并不是结构本身，而是背后的“结构化思维链”。 它遵循从 Role（角色）→ Profile（简介）→ Skill（技能）→ Rules（规则）→ Workflow（工作流）→ Initialization（初始化）→ 执行阶段 的递进逻辑。
在理解这一逻辑后，要明白：每个模块的存在都应有其必要性。若没有新增的结构需求，不应为了模仿他人的框架而生搬硬套。结构化的意义不在于堆砌模块，而在于提升 Prompt 的可控性与一致性。核心标准只有四个词：清晰、简明、有效、统一。
例如前面的“小红书爆款写作专家”这一案例，就很好地体现了结构化的精髓——不是模块越多越好，而是能否在有限结构中实现最优输出。
#结构化有利于具有稳定性和有效性的内容输出（理性框架）
#非结构化适合对连续对话有足够掌控能力的表达者和创意工作者（感性创意）
给一个例子：
范式框架
从这些范式中可以看到，一个好的的提示词并非凭直觉堆砌，而是依托于清晰的逻辑骨架与表达范式的。每一种框架都有其适用场景：
- S.T.A.R 强调复盘与成果导向；
- A.P.E 更适合快速明晰任务意图；
- B.R.O.K.E 在多角色、多目标的复杂任务中更有优势。
但所有范式的核心都指向同一个目标——让模型在清晰的语境中理解你的意图。
接下来，我们要做的不是死记这些模板，而是学会根据任务特点“选框架、填内容、测输出”，逐步形成你自己的提示词范式。
三、Prompt 优化与版本管理
既然提示词有格式、有范式，那就代表有规则可循。而一切有规则可循的都可以被自动化，或者严谨一点叫做半自动化。目前市面上有很多专门优化提示词并且能进行提示词版本管理的工具，比如 PromptLayer、PromptPerfect、Prompilot 等等，包括很多平台所支持的"提示词优化"/"一键润色"的功能，都能实现将你初版或者说不成熟的 Sys Prompt 进行一个调整优化。包括很多大佬甚至不满足于平台上的提示词润色功能，自己做一个提示词优化助手。
在提示词工程中，Prompt 的版本管理可以拆分为两个核心部分：
- 如何有效优化
- 如何管理版本
在实际项目中，提示词往往需要多次迭代，但每一次调整都有可能让输出效果变差。
所以，Prompt 优化并不是越改越好的线性过程，而是一个验证 → 记录 → 回撤 → 再验证的循环。
而几乎所有 AI 生产平台现在都会提供类似的功能：「一键润色」或「一键优化提示词」
这些功能的背后，其实是一套更高阶的 Prompt 结构就是 Meta Prompt（元提示词），它的本质是“用一个提示词去优化另一个提示词”，其实还是可以叫做 Sys Prompt。
例如你可以写一个 Meta Prompt，提示词优化助手。让模型帮你分析你的 Prompt 中：
- 是否存在歧义？
- 是否缺乏角色、目标或输出限制？
- 是否语义过长或结构不清？
这种方式能快速发现问题，但最终仍需人工判断优化方向。
但还是那句话：迭代不一定是正收益，也可能是负收益。
所以，版本管理就变得至关重要。
1. 版本管理的重要性
当你在不断测试、修改提示词时，版本记录能帮助你快速回溯：
- 哪一版的 Prompt 效果最好？
- 哪一版调整后性能下降？
- 哪一版的修改方向值得保留？
建议采用以下三种方式进行管理：
版本命名法
一般来说在公司里做的一些 Agent 或者单纯的去产出一些 prompt，都会有专门的后台进行版本管理，但是也不一定。比如工程那边没搭建起来这个链路，可能最笨的办法就是自己去记录了，我之前自己写的 Prompt 都是直接用备忘录存放着的，感觉还不错
因为苹果的备忘录说实话是真的不错，非常方便管理！！！不管是作为学习笔记、碎碎念亦或者是项目纪要都可以用苹果备忘录，搜索的底层逻辑是关键词匹配（非止标题），所以检索效率也是比较稳定的。所以可以在备忘录里维护，通过版本命名法进行迭代维护。如果公司真的没有人力去做 Prompt 迭代的后台的话，同时又不用钉钉或者飞书。（那真的是很极端了，这个公司不呆也罢......）
表格记录
表格记录的话，基本上公司目前不是用飞书就是钉钉。所以用多维表格当然是最便捷的，但是只适合做变更记录或者日志记录，不适合 Prompt 的迭代。一般是直接在文档中建立表格并且结合版本命名法（以更新日期为版本号，例如 20251110）.
工具托管
工具的话我推荐 PromptPilot，字节的一款专门管理 Prompt 的工具平台。可以根据你的描述生成一个 Sys Prompt，并且可以调试 Prompt，通过不同的模型来测试同一个 Prompt 的效果。对于新手以及懒得做版本管理的同学简直是福音，因为它也会保存你每一版的 Prompt，你可以自由切换。但，既然这么好用，那肯定不是免费的，不过也不算贵，积分制。
具体这个工具怎么用，大家还是自己挖掘吧，说的太多感觉在给字节免费做广告....不过还是建议大家自己去通过表格或者备忘录的形式去整理和梳理版本，这会非常锻炼你的版本维护和系统化能力，这很关键.
好了，今天就先说到这儿吧，下次我们聊一下关于 Multi_Agent 架构的大厂实战项目，目前正在整理和脱敏中......
