AI 提示词完全指南：2026 Prompt 工程入门

这份 AI 提示词指南是写给谁的

如果你属于下面任意一种情况，这篇都是给你写的：

• 听过 AI 但不会用、用了但用不好
• 同事每天用 ChatGPT 提效 3 倍，你折腾半天还在「再生成一次」
• 学过几个 prompt 模板但换个场景就抓瞎
• 想搞清楚「prompt 工程」到底是不是值得学的真技能

AI 提示词（prompt）是 2026 年最高 ROI 的通用技能之一。学得最浅的那批人（写得糙、问得乱），效率比不用 AI 的人提高 30%；学得最深的那批人（懂工程化、有自己的 prompt 库），效率能翻 5 倍以上。这中间的差距，靠的不是模型订阅费，是「会不会写 prompt」。

这份 Pillar 指南把 prompt 体系完整梳理一遍——从「prompt 是什么」到「怎么把 prompt 工程化」，再到「62 个能直接抄的官方模板」。读完不用再看零散教程，按这里给的链接深挖任何一个细节即可。

一、Prompt 是什么：先把概念搞清楚

1.1 一句话定义

Prompt（提示词）就是你发给 AI 的那段话。打字、说话、传图、贴表格——加起来就是一个 prompt。

不是程序员的秘密武器，不是某种神秘咒语。对 AI 说人话，本身就是 prompt。区别只在于：同样一件事，有人三两句就让 AI 给出能用答案，有人折腾半小时还在「再改改、再生成」。差距全在 prompt 写得好不好。

详细的概念和起源见 Prompt 是什么。

1.2 Prompt 的 4 个基本要素

把市面上写得好的 prompt 全拆开看，几乎都包含同样 4 个零件。这是 Anthropic、OpenAI 官方文档反复讲的同一套框架：

不是每个 prompt 都要塞满 4 个要素。问「番茄炒蛋怎么做」只要任务就够了。但当你发现 AI 答得跑偏，回头检查一下，多半是这 4 个零件少了某一个。

1.3 Prompt 和「随手聊天」的本质区别

很多人把「跟 AI 聊天」和「写 prompt」当成同一件事。本质上是没错——你发的每句话都是 prompt。但「有意识写 prompt」和「随手聊天」结果差很多：

• 聊天靠模糊感觉，prompt 靠明确目标
• 聊天没结构，prompt 有结构
• 聊天用一次就完，prompt 能复用

第三条尤其重要。写得好的 prompt 是模板，把变量换掉就能反复用。比如调好一个「会议纪要 prompt」，以后每次开完会粘录音转写进去就能直接出纪要——这才是 prompt 真正省时间的地方。

二、Prompt 工程是什么：从「写好」到「做好」

2.1 一句话定义

Prompt 工程（Prompt Engineering）是把「写 prompt」当成一件可以测、可以调、可以复用的事来做。

普通人写 prompt 是「想到啥写啥，AI 答得不行就再聊一句」。Prompt 工程师是「先想清楚成功的标准是什么，写一版 prompt，跑一批测试用例，看数据，再改 prompt」。区别就在「有没有可量化的反馈循环」这一条。

详见 Prompt 工程是什么。

2.2 工程化的 4 个核心动作

Anthropic 官方把 prompt 工程拆成这 4 步循环，所有正经做 AI 产品的团队都按这套走：

1. 定义成功标准：「什么叫好」必须能用人或代码判断。模糊的「让 AI 显得专业」不是标准。
2. 建评测集：挑 20-100 个真实输入，每个写好理想答案。没评测集，所有优化都是自我安慰。
3. 写第一版 prompt：把 4 个基本要素写齐。Anthropic Console、OpenAI Playground 都内置 prompt generator 帮你起草。
4. 跑测 → 看坏案例 → 改一处 → 再跑：一次只改一处。3 到 5 轮后 prompt 通常稳定在高水位。

2.3 什么场景该上工程化，什么场景不用

普通人 90% 场景属于第一类——把 4 要素写齐就够。但只要这件事会被很多人反复用、错了有代价，就要按工程化方式上。

2.4 Prompt 工程师还是不是好职业

2023 年这岗位很火，月薪传出过 5 万到 30 万的 case。到 2026 年趋势变了：

• 纯 prompt 工程师（只调 prompt 不做别的）岗位在缩水——模型越来越聪明，普通 prompt 也能给出像样回答
• prompt 工程能力反而成了产品经理、运营、开发的标配技能

换句话说，「prompt 工程师」作为独立岗位在退场，但 prompt 工程作为通用技能在普及。

三、官方 5 大原则：写好 prompt 的核心方法

这部分是日常写 prompt 最该背的 5 条铁律，来自 Anthropic 和 OpenAI 2026 年最新官方文档的交集共识。完整带改造对比的版本见 怎么写好 prompt 和 ChatGPT 提示词最佳实践。

原则 1：清晰直接（Be Clear and Direct）

Anthropic 把这条放第一位。金句：

「把 prompt 给一个完全不懂你项目的同事看，他看不懂，AI 也看不懂。」

不要假设 AI 知道你的背景，不要用「那个、之前的、像我说的那样」。所有必要信息明明白白写出来。

原则 2：给具体例子（Use Examples）

理论描述 100 字，不如一个真实例子 30 字管用。Anthropic 文档反复说：「示例是引导输出最可靠的方式」。给 3 到 5 个真实例子（专业叫 few-shot），效果最稳。

原则 3：结构化分段

Prompt 一长就乱。用 XML 标签（<context> <task> <example>）或 markdown 标题（## 任务、## 约束、## 示例）把不同部分包起来，AI 看一眼就知道每段在说什么。Claude 对 XML 尤其敏感，ChatGPT 和国产模型对 markdown 反应最好。

原则 4：给 AI 一个具体角色

具体的角色 = 调对训练语料 = 立刻有行业气味。「你是个老师」太空。「你是一位带过 200 个 6 年级学生的奥数辅导老师」才有用。

详细做法见 System prompt 是什么。

原则 5：让 AI 一步步想（Chain of Thought）

复杂推理题、数学题、决策题，加一句「请一步一步思考」就能显著提准确率。这是 2022 年 Google 论文证明的现象，到 2026 年仍然有效（虽然新模型自带这个倾向，写出来更稳）。

详细玩法见 思维链 CoT 是什么。

四、Prompt 的高级技巧

掌握 5 大原则之后，再加这 5 招，prompt 质量再上一台阶。

技巧 1：让 AI 先反问你

最反直觉的一招——别强迫 AI 一次给完答案。复杂任务前加：

在正式开始之前，请先问我 3 个能让答案更精准的问题。等我回答完，你再开始。

适合「咨询、规划、决策」场景。能避开 90% 的「答非所问」。

技巧 2：负面要求改成正面要求

「不要太长」AI 听不懂。「长度控制在 200 字以内」AI 立刻明白。

「不要太正式」改成「用朋友聊天的语气，可以用口语」。

「说什么、给什么」永远比「不要说什么、不要给什么」管用。

技巧 3：让 AI 改 AI

第一版输出之后，加一句：

现在请用「资深编辑」的视角审视你刚才写的内容，找出 3 处最可以改进的地方，给出改进版。

AI 改自己的稿子比改人的稿子凶，质量再提一档。

技巧 4：明确输出格式

提前指定格式能省你 50% 的整理时间：

• 「请用 markdown 表格输出」
• 「请输出 JSON，键名用英文小写」
• 「请输出可以直接复制进飞书文档的格式」
• 「全文 300 字以内，分 3 段，每段开头加一个 emoji」

技巧 5：把 prompt 存起来反复用

调好之后用占位符（[变量]）替换具体内容，存进 Notion / 飞书 / 备忘录。下次类似任务复制改两个占位符就能跑。所有用 AI 用得溜的人都有自己的 prompt 仓库——这是新手到熟手最大的差别。

五、思维链 CoT：让 AI 答推理题不再翻车

5.1 一句话定义

思维链（Chain of Thought, CoT）是让 AI「先把推理过程一步步写出来，再给答案」的技巧。

不加 CoT，AI 拿到推理题往往拍脑袋直接给答案——对错全凭运气。加了 CoT，AI 把「第一步怎么想、第二步怎么算、第三步怎么验证」全写出来，准确率能从 50% 跳到 90%+。

详见 思维链 CoT 是什么。

5.2 最简单的 3 种用法

用法 1：零样本 CoT——什么都不教，直接在问题末尾加「请一步一步思考」。

用法 2：少样本 CoT——给几个「带推理过程的例题」让 AI 模仿。

用法 3：结构化 CoT——让 AI 按你定的「思考步骤」走（先列已知 → 找约束 → 列方案 → 评估 → 给建议）。

5.3 CoT 在哪些场景最有用

判断标准：「这道题需要先想再答，还是直接答就行？」 需要先想的，CoT 就有用。

5.4 CoT 在新一代模型上是否过时

到 2026 年，Claude 4.7、GPT-5、Gemini 3 Pro 都自带「自适应思考」能力——遇到复杂题会自动启用内部推理，不用你提醒。

那 CoT 还有用吗？还有，但用法变了：

• 新模型 + 简单题：不用 CoT，模型自己判断
• 新模型 + 复杂题：CoT 可以「强化要求」（规定思考步骤、要求自检）
• 国产模型（豆包、Kimi、DeepSeek、文心）：CoT 仍然普遍有效
• 老模型（GPT-3.5、本地小模型）：CoT 是命门，不加几乎答不对

六、System Prompt：给 AI 一个固定身份

6.1 一句话定义

System prompt（系统提示词）是「在对话开始之前」就给 AI 设好的总指令——你是谁、按什么规则回答。

普通聊天框输入叫 user prompt，每次说的话；system prompt 是「上帝视角的旁白」，在每一轮对话之前默默对 AI 说一句「你是儿科医生，请用通俗中文回答」，然后用户才开始问问题。

详见 System prompt 是什么。

6.2 普通用户在哪能写 system prompt

聊天框看不到 system prompt 输入框。能改的场景一般是 3 种：

1. API 调用（写代码调 AI）
2. 平台搭建工具（OpenAI GPTs、Claude Projects、Coze、Dify、扣子、智谱清言智能体）
3. 本地部署模型（Ollama、LM Studio）

ChatGPT 网页版有「Customize ChatGPT」（定制说明），算是轻量版 system prompt。Claude 有 styles 和 Projects。

6.3 System prompt 的 3 大收益

1. 稳定输出风格：不靠每次提醒，AI 就知道用什么口吻
2. 约束 AI 不乱来：写「不许编价格、不许讨论竞品」，每次回答前先校验
3. 注入业务知识：把公司 FAQ、产品价目塞进 system prompt，AI 有了「先天知识」

6.4 System prompt 写作 4 条铁律

1. 越具体越好：「你是个老师」→「带过 200 个 6 年级学生的奥数辅导老师」
2. 把约束写在前面：越靠前的内容模型遵守得越严
3. 不要超过 500 字：太长抓不到重点
4. 测两轮再上线：跑 10 个真实问题验证角色稳定性、红线可靠性

七、ChatGPT 官方 7 招：OpenAI 最新最佳实践

OpenAI Help Center「Prompt engineering best practices for ChatGPT」官方文档浓缩成 7 招，完整版带改造对比见 ChatGPT 提示词最佳实践：

1. 清晰具体：越具体越好，把脑子里那些「不言而喻」的细节写出来
2. 提供上下文：背景给足，AI 不用猜
3. 分步骤拆解：复杂任务塞进一个 prompt 处理不过来，拆成几个串联
4. 用例子代替描述：3 个真实示例 = AI 立刻明白「我要的是这种感觉」
5. 明确指定格式：要 markdown 表就说要表，别让 AI 自由发挥
6. 给 AI 明确角色：「Specifying role, audience, or format produces the most accurate results」
7. 当对话反复迭代：第一版 prompt 几乎不可能完美，3 轮内能调到高质量

这 7 招在 Claude、Kimi、豆包、DeepSeek 上同样适用——底层逻辑全模型共通。

八、Anthropic Prompt Library：62 个能直接抄的官方模板

8.1 这是什么

Anthropic Prompt Library 是 Claude 官方发布的 62 个开箱即用的 prompt 模板库，覆盖商务办公、写作、编程、生活、学习思辨六大类。

为什么权威？因为这些模板是 Claude 训练团队亲手调的——他们最清楚什么样的写法能让模型给出最稳定、最高质量的回答。把模板搬到 ChatGPT、Gemini、Kimi、文心一言上同样好用。

完整 62 个中文版精选见 Anthropic Prompt Library 中文版。

8.2 6 大类目挑高频的看

• 商务办公（13 个）：会议纪要、备忘录、邮件、面试题
• 办公自动化（7 个）：Excel 公式、SQL、CSV 测试数据、SOP 拆解
• 写作（14 个）：润色、通俗化、风格改写、翻译
• 编程（10 个）：代码解释、Python 调试、SQL 转换、性能优化
• 创意娱乐（11 个）：解梦、谜语、知识竞赛、幽默助手
• 生活学习（7 个）：菜谱、冥想、励志、利弊清单

8.3 高频模板示例：Excel 公式专家

你是一位精通 Excel 公式的专家。请根据下面的需求，给我一个可以直接复制到 Excel 里的公式。
我的表格结构：

[描述每列代表什么，比如：A 列是日期，B 列是销售额，C 列是部门]
我想要实现：

[描述你想算什么，比如：算出 2025 年 Q1 销售部的销售额总和]
输出要求：

公式用代码块包裹，方便我复制
公式下面用 80 字以内解释每个函数在干什么
如果有更简单的写法，再给一个备选

8.4 高频模板示例：会议纪要生成器

你是一位专业的会议秘书。请把下面的会议内容整理成结构化的会议纪要。
输出格式（严格遵守）：
会议主题
[一句话概括]
与会人员
[列出名字]
关键决议（3-5 条）

…
…
待办事项（带负责人和截止时间）

 任务 | 负责人 | 截止日期
遗留问题

问题 1：[简述]，下次会议讨论
要求：

全文不超过 500 字
不要加任何主观评价
待办必须明确「谁、做什么、什么时候交」
会议内容：
[粘贴你的录音转写或会议记录]

剩下 60 个模板和中文化精选见 Anthropic Prompt Library 中文版。

九、分场景的 Prompt 策略

9.1 写作场景

写邮件：明确收件人、目的、关键信息、长度。

写文案：先给 3 个风格示例，再说要求。

润色：先告诉 AI 是什么平台用、目标读者是谁，再让它改。

翻译：说清是「直译」还是「意译」、目标受众的语言习惯。

9.2 分析场景

数据分析：上传 Excel / CSV，让 AI 用 markdown 表输出结论。

报告解读：分步走——先提取关键数据 → 再分析 → 最后写备忘录。

竞品分析：用 4 维表对比（功能、价格、用户群、风险），最后让 AI 给一句话建议。

9.3 学习场景

讲解概念：让 AI 用「费曼学习法」（生活类比 + 3 个核心概念 + 1 道练习题 + 常见误区）。

做题辅导：用 CoT 让 AI 一步步讲解，最后让它出 3 道同类型变式题。

记笔记：让 AI 把长文档浓缩成「3 个一句话结论 + 5 个关键数据 + 3 个待追问」。

9.4 决策场景

让 AI 先反问 3 个问题 → 你答完 → 它列每个选项的利弊 → 给建议和理由。

关键：要求 AI「直接、不安慰、把你当成熟成年人」，否则回答会很水。

9.5 编程场景

写代码：给清楚语言版本、运行环境、输入输出示例。

改 bug：给报错完整 traceback + 期望行为 + 实际行为 + 代码。

代码解释：让 AI 用通俗语言、按执行顺序讲。

详细模板见 Anthropic Prompt Library 的「编程类」部分。

十、Prompt 的常见坑和解决办法

十一、不同模型的 Prompt 偏好差异

虽然「角色 + 任务 + 上下文 + 格式」是全模型共通的，但每家模型对细节有偏好：

底层逻辑全部通用，差异只在 10% 的表达偏好上。学一套写法，全平台通吃。具体工具的对比见 国产 AI 大全 和 ChatGPT vs Claude。

十二、自学路径：30 天从零到熟手

Week 1：建立基本概念

• Day 1-2：读 Prompt 是什么，理解 4 要素
• Day 3-4：读 Prompt 工程是什么，理解工程化思路
• Day 5-7：选一个 AI 工具（ChatGPT / Claude / 豆包 / Kimi）每天用 30 分钟，故意尝试 4 要素写法

Week 2：掌握官方写法

• Day 8-10：读 怎么写好 prompt，每条原则各试 3 个真实任务
• Day 11-13：读 ChatGPT 提示词最佳实践，对比 5 大原则的差异
• Day 14：建一个 Notion / 飞书页面，把这周用过觉得好的 prompt 存进去

Week 3：高阶技巧

• Day 15-17：读 思维链 CoT 是什么，找 5 个推理任务试不带和带 CoT 的对比
• Day 18-20：读 System prompt 是什么，搭一个 Claude Project 或 GPT，给自己用
• Day 21：用 Anthropic Prompt Library 里的 3 个模板做改造，适配你的工作场景

Week 4：场景化和工程化

• Day 22-25：把你工作中最高频的 5 个任务，每个调出一个稳定 prompt
• Day 26-28：每个 prompt 加占位符，存成模板
• Day 29-30：教会你身边一个同事用其中一个 prompt——讲明白意味着你真懂了

30 天后，你会从「随手聊天的用户」变成「有自己 prompt 仓库的熟手」。继续往前一步就是工程化（建评测集、跑批测试），那是另一个 30 天的事。

十三、不同身份的 Prompt 高频场景

学生

• 学习辅导：用 CoT 让 AI 一步步讲解
• 论文写作：先让 AI 出大纲 → 分段写 → 整体校对
• 外语学习：让 AI 扮演陪练，模拟对话场景
• 简历优化：用 ChatGPT 提示词最佳实践 里的 HR 模板

职场人

• 写邮件：模板化，用 5 大原则的「清晰直接」原则
• 会议纪要：直接抄 Anthropic Prompt Library 里的会议纪要 prompt
• 写周报：参考 怎么用 AI 写周报
• PPT 大纲：让 AI 用结构化思维出大纲，自己再做美化

创作者

• 小红书爆款：用 few-shot（给 3 个真实爆款示例）
• 公众号长文：分步骤写——大纲 → 分段 → 优化
• 视频脚本：用结构化 CoT 让 AI 按「开场钩子 → 主体 → 结尾」走

程序员

• 写代码：明确技术栈、版本、输入输出示例
• 改 bug：给 traceback + 期望 + 实际 + 代码
• 代码 review：用 system prompt 设定「资深工程师」角色
• 写文档：让 AI 把代码转成 markdown 说明

普通家庭用户

• 辅导孩子：让 AI 扮演小学老师，温和不直接给答案
• 菜谱：直接抄 Anthropic Prompt Library 里的冰箱菜谱模板
• 写信：用「角色 + 任务 + 长度」三件套
• 翻译：说清场景（商务 / 旅游 / 学术），效果差很多

十四、Prompt 的伦理与边界

14.1 哪些事不该让 AI 做

• 涉及医疗、法律、税务的关键决策：让 AI 给参考，最终一定要专业人士确认
• 涉及隐私的敏感信息：不要把身份证号、银行卡号、商业机密等输给 AI
• 替自己做创造性人格表达：日记、求婚信、悼词——AI 写得有「文采」但没有「你」
• 学术作业的全文代写：抄袭风险 + 学不到东西，得不偿失

14.2 AI 幻觉怎么办

AI 会编——这是 2026 年仍然存在的本质问题。新模型只是「编得更像」，不是「不编」。

防幻觉的 3 个 prompt 习惯：

1. 加「如果不确定，写 [需补充] 而不是猜」
2. 关键事实让 AI 给出处链接，你自己核
3. 多模型交叉验证——ChatGPT 答一遍，Claude 答一遍，看一致性

14.3 用 AI 内容的合规性

• 公开发布的 AI 生成内容，注意平台政策（百度、微信、抖音都要求标识）
• 商用 AI 生成图、视频，要看具体模型的商用授权
• 不要拿 AI 生成的事实说法直接当新闻发——核完再发

十五、Prompt 未来 3 年的趋势

趋势 1：模型越聪明，prompt 门槛越低

GPT-5、Claude 4.7、Gemini 3 Pro 都能理解模糊提问、自动补全上下文、主动反问。3 年后，“写好 prompt” 不再是稀有技能——但「写极致的 prompt」依然能拉开差距。

趋势 2：prompt 工程从「调字」变成「调系统」

未来更多事在 prompt 之外——RAG 知识库、工具调用、agent 工作流。单纯调 prompt 的边际收益在递减，整套「prompt + 数据 + 工具」的系统设计在崛起。

趋势 3：可视化 prompt 工具普及

Coze、Dify、扣子、智谱清言等无代码平台让普通人也能搭复杂 AI 应用。「写 prompt」会从纯文字进化成图形化工作流编辑——但底层逻辑还是这套。

趋势 4：模型自带 prompt 优化

Claude Console 的 prompt improver、OpenAI 的 prompt generator 已经可以「让 AI 帮你改 AI 的 prompt」。未来 prompt 工程会变成「写要求 → AI 自动生成 prompt → 你审核」的协作模式。

十六、推荐工具清单

要执行 prompt，挑工具是第二步重要的事：

海外主流

• ChatGPT：综合能力最全，GPT-5 默认聪明
• Claude：写作和长文档最强，Projects 适合做 system prompt
• Gemini：谷歌生态深度集成
• Perplexity：联网搜索 + 引用

国内可用

• 豆包：字节出品，免费、中文最自然
• Kimi：200 万字长上下文，适合读长文档
• DeepSeek：推理能力强，价格低
• 文心一言：百度生态、中文常识扎实
• 通义千问：阿里出品、企业级稳定

横向对比见 国产 AI 大全 和 ChatGPT vs Claude。

Prompt 工程相关工具

• Anthropic Prompt Library：62 个官方模板（中文版）
• Claude Console：prompt generator + prompt improver
• OpenAI Playground：测 prompt 的最快方式
• PromptPerfect、PromptHero：开源社区 prompt 集
• Coze / Dify / 扣子：无代码搭 AI 应用

十七、最常问的 30 个问题

概念类

Q1：Prompt 和 query 是一回事吗？ 差不多。搜索引擎叫 query，AI 叫 prompt。AI 的 prompt 通常更长、更结构化。

Q2：写 prompt 要不要用英文？ 不要。用你最熟悉的语言。中文 prompt 在所有主流模型上都很成熟。

Q3：Prompt 越长越好吗？ 不是。「信息密度高 + 结构清晰」才是好。300 字清晰 prompt 几乎总比 1500 字啰嗦 prompt 效果好。

Q4：Prompt 工程师还是不是热门职业？ 纯岗位在缩水，但 prompt 能力成了所有职业的通用技能。

写法类

Q5：怎么知道一个 prompt 写够好了？ 让一个不懂这事的同事按你的 prompt 也能做出大致正确的结果——能，就是好。

Q6：模板能跨模型复用吗？ 90% 可以。剩 10% 是各模型对结构化标签的偏好差异（Claude 喜欢 XML，ChatGPT 喜欢 markdown）。

Q7：每天写 prompt 多久能熟？ 认真用 2 周能上手，30 天能熟练，3 个月能有自己的方法论。

Q8：网上「智商飙升咒语」真有用吗？ 2026 年基本没用。把任务讲清楚比所有咒语都管用。

进阶类

Q9：CoT 在新模型上还要不要写？ 要。新模型自带推理，但显式写出来更稳。复杂任务必加。

Q10：System prompt 普通用户能改吗？ ChatGPT 的 Customize ChatGPT、Claude 的 Projects、所有智能体平台都能改。详见 System prompt 是什么。

Q11：什么时候该上 prompt 工程化？ 任务会被反复用、错了有代价——必须上。一次性任务不用。

Q12：怎么防 AI 幻觉？ 加「不确定就写 [需补充]」、关键事实让 AI 给出处、多模型交叉验证。

场景类

Q13：写邮件最简单的 prompt 框架？ 角色 + 任务 + 关键信息 + 长度 + 风格。5 句话搞定。

Q14：让 AI 写代码最稳的写法？ 明确语言版本、运行环境、输入输出示例 + 让 AI 标注每段在做什么。

Q15：让 AI 读 PDF 最稳的写法？ 直接上传，让 AI 先提关键章节再分析，不要一次问 10 个问题。

Q16：让 AI 做数据分析最稳的写法？ 上传 Excel，让 AI 用 markdown 表输出结论，要求标出「假设」和「不确定」。

工具类

Q17：免费版 ChatGPT 能用所有 prompt 技巧吗？ 能。所有 prompt 写法不依赖付费版功能。

Q18：国内访问不了 ChatGPT 怎么办？ 用国产替代品：豆包、Kimi、DeepSeek、文心一言 都很强。

Q19：长文档（超过 1 万字）哪个工具最适合？ Kimi（200 万字）、Claude（200K）、Gemini（1M）都很强。

Q20：搭智能体最快的平台？ Coze（字节）、扣子（豆包）、智谱清言、Dify。无代码，1 小时上手。

风险类

Q21：AI 写的东西能直接发吗？ 事实类必须人工核实；创作类要加自己的「人味儿」润色。

Q22：用 AI 帮做作业算抄袭吗？ 看学校政策。多数学校允许 AI 辅助，禁止全文代写。

Q23：商用 AI 生成的图片有版权风险吗？ 看具体模型授权（Midjourney、DALL-E 3、即梦等政策不同），商用前看一次官方条款。

Q24：敏感信息能输给 AI 吗？ 身份证、银行卡、商业机密不要输。一般信息看你信任哪家平台的隐私政策。

学习类

Q25：哪本 prompt 书值得买？ 不需要书。读官方文档（Anthropic、OpenAI）+ 这个站的几篇文章 + 真实场景练习就够。

Q26：30 天学完是不是太快？ 不快。Prompt 不是知识题，是练习题。30 天密集练习相当于看书 3 个月。

Q27：免费课和付费课怎么选？ 免费的够用。Anthropic 在 GitHub 开源了 9 章互动教程，比大多数付费课好。

Q28：怎么判断自己学到什么水平？ 3 个台阶：能写出可用 prompt（30 天） → 能改 AI 写的 prompt（60 天） → 能给同事讲清楚怎么写（90 天）。

未来类

Q29：AI 会让 prompt 工程变得不需要吗？ 不会。模型越聪明，「会引导它的人」拿到的产出越多。

Q30：3 年后还要不要学 prompt？ 要。它会从「稀有技能」变成「数字素养」——就像今天的「会用搜索引擎」。

十八、结尾：把 prompt 当成肌肉记忆

读完这份指南，你已经知道了 prompt 的所有核心要素。但读懂和会用是两件事。

建议你做这 3 件事：

1. 挑 3 个跟你工作最相关的场景，今天就用本文里的模板试一次
2. 建一个自己的「prompt 仓库」（Notion / 飞书 / 备忘录），用过觉得好的 prompt 存进去
3. 持续学习：看 Prompt 是什么、Prompt 工程是什么、Anthropic Prompt Library 这几篇，深挖任何一个细节

Prompt 不是玄学。「角色 + 任务 + 上下文 + 格式」这 4 个字背后，是「把你脑子里的隐含信息说清楚」这件最基础的事。学得越深，你越会发现：写好 prompt 其实是练「把事情想清楚」的功夫——AI 是镜子，照出来的是你的思维清晰度。

去试。每天用一次，30 天后你会感谢今天读完这份指南的自己。

配套阅读清单（按建议顺序）：

1. Prompt 是什么 — 最基础的入门
2. Prompt 工程是什么 — 理解工程化思路
3. 怎么写好 prompt — Anthropic 5 大原则
4. ChatGPT 提示词最佳实践 — OpenAI 7 招
5. System prompt 是什么 — 给 AI 设角色
6. 思维链 CoT 是什么 — 让 AI 答推理题
7. Anthropic Prompt Library 中文版 — 62 个能直接抄的模板

配套工具清单：

• 海外：ChatGPT | Claude
• 国内：豆包等国产 AI 大全 | Kimi
• 对比：ChatGPT vs Claude