Sign up to save your podcasts
Or
Share 32.系统性讲解如何写好AI提示词 | Prompt Engineering
Share to email
Share to Facebook
Share to X
Share to email
Share to Facebook
Share to X
Or
32.系统性讲解如何写好AI提示词 | Prompt Engineering
我们和大语言模型的协作模式还有优化的空间吗？AI从基础模型进化到高性能模型，又会如何影响提示词工程发展？AI除了可以帮我们解决工作/生活中的难题和dirty work，还能搞多模态的创作你知道吗？
很多人都知道AI提示词很重要，但大多数人不是写不好，而是根本不知道还能这样写。因此我想尝试系统性地讲一讲“提示词工程”这件事——为什么它不是写几句话那么简单，为什么它值得被当成一个“工程问题”来对待，又为什么你总觉得AI不好用，其实只是你和它没建立起合适的协作方式。我会从一个实际AI使用者/创作者和AI业内人的角度，讲写提示词的结构方法、使用策略、还分享了少有人讨论的写指令的风格范式，以及一点通俗易懂的底层原理。如果你总觉得“AI没想象中那么强”，那这期可能就是为你做的~
此篇教程不需要技术背景可以放心食用，听完就能上手。我还准备了10个实用提示词模板，放在评论区自取。如果你觉得这篇对你有帮助，欢迎评论转发分享给其他朋友。如果你也有很多用AI的感想，欢迎评论区交流~
-
00:32 我为什么想做这个教程？
02:14 我计划怎么给大家“完善地”讲解提示词工程？
04:54 我现在最常用的AI工具，以及我都用它们干什么？
07:15 我从小到大最擅长的一件事：提需求
——会提需求，你的人生就会变成爽文
Part0. 从“提问”开始讲08:33 一切皆可问，你和AI之间的“合作关系”，更像是建立你自己语言习惯的过程
10:41 很多人在意图澄清方面都有巨大欠缺
——Prompt工程的第一个关键变量，不是模型有多强，是你对所处任务的理解有多深
Part1. Prompting 框架13:05 Google官方课程「Prompting Essentials」
——如何将一个模糊的需求拆解成多个具体的、可执行的步骤
- 1.1 Task（任务）
- 1.2 Context（上下文）
- 1.3 References（参考）
- 1.4 Evaluate（评估）
- 1.5 Iterate（迭代）
21:14 AI从基础模型进化到高性能模型，又会如何影响提示词工程发展？
2.1 Lazy Prompting
22:51 吴恩达为什么说有时用懒提示反而更高效？
26:10 适用于哪种模型？写懒提示居然还有个意想不到的“好处”？
26:57 你可能会想知道的和「大模型记忆力」有关的3个底层机制
——AI到底记不记得住我说过的话？能记住多少？
29:08 什么是token？
30:28 什么是Context Window（上下文窗口）？
32:10 用deepseek推理模型写歌的一些离谱尝试
34:09 什么是session？
2.2 Structured Prompting
35:42 工业化写法，稳定、高可控、利于复用
- 策略1. 少样本提示 (Few-shot)
- 策略2. 给明背景信息（Additional Context）
- 策略3. 指定完成任务的步骤（Decomposition）
- 策略4. 思维链提示法（CoT）
- 策略5. 使用标签 (XML Label）
2.3 Vibe Prompting
42:34 本人自创hhh，半结构半感性，创意感强
44:05 工作场合需要传达语气，创造氛围的场景也非常有用
45:01 当我用氛围提示法让GPT-4o吹我这篇播客
46:02 Sam Altman推崇的提示词工程师是噱头吗？
47:15 AI能力的边界在哪里？
47:28 关于提示词工程后面还可以讲什么？
50:51 片尾曲：我用SunoV4.5 创作的R&B
-
*BGM（all music made by me via ai）：
Sweet Sunday - Fiona Huang (片尾曲)
Dance Until Dawn - Fiona Huang (片头曲)
-
*大纲以外的补充和延申：
我最常用的AI:
ChatGPT-4o：全能，多模态
Gemini：超长上下文处理
Deepseek-R1：最佳使用方式是用腾讯元宝切成DS-R1+联网模式
Notebooklm：读paper读长文档
Recraft：有我最爱的胶片风格
Whisk：图片质感佳
Veo2：V3要花钱
Suno：最好的AI音乐模型
-
红衫资本分享的AI's Killer Apps：
AI's Trillion-Dollar Opportunity: Sequoia AI Ascent 2025 Keynote (from Youtube)
-
语言模型的分词（tokenization）机制举例：ChatGPT采用了一种叫做 Byte Pair Encoding (BPE) 的算法。这个算法的基本思路是：把一个字符串拆成尽可能常见的子词组合，以便最大化压缩 token 数量。但具体分成几个 token，还要看模型的词表中有哪些“片段”被定义为常见组合。想了解的可以在这个工具里测试：OpenAI tokenizer tool。
分词示意图：
-
关于memory的补充：
一文看懂LLM记忆力机制
-
Google Prompting Essentials (from Coursera / Google Career Skills / Youtube)
The Benefits of Lazy Prompting (知乎上有中文版：吴恩达来信：Lazy prompting的好处)
-
我用Suno三代模型写的歌，你能听出各模型的特点吗:)
V3.5：Pages of Peace - Fiona Huang
V4.0：Silent Night at Home, with Phoebe - Fiona Huang
V4.5：Sweet Sunday - Fiona Huang
-
极简歌词MV尝试：Whisk+即梦AI+Suno
Sweet Sunday MV
-
*过往精彩：
29.当代致富经：纳瓦尔宝典和纳瓦尔最新3h播客访谈都讲了什么
21.AI天选场景诞生-赛博算命，deepseek负责逻辑人类负责相信
22.偷火种不如造核弹，AI芯片是怎么炼成的？解码英伟达之道
23.经济下行期如何做预期管理与职业布局？裁员风暴下的实用生存指南
-
𝕭𝖊𝖎𝖏𝖎𝖓𝖌 𝕮𝖆𝖗𝖊𝖊𝖗 𝖂𝖔𝖒𝖆𝖓
北京职女
𝑻𝒉𝒆 𝒐𝒏𝒍𝒚 𝒘𝒂𝒚 𝒕𝒐 𝒅𝒐 𝒈𝒓𝒆𝒂𝒕 𝒘𝒐𝒓𝒌 𝒊𝒔 𝒕𝒐 𝒍𝒐v𝒆 𝒘𝒉𝒂𝒕 𝒚𝒐𝒖 𝒅𝒐.
View all episodes
By 田子鹅我们和大语言模型的协作模式还有优化的空间吗？AI从基础模型进化到高性能模型，又会如何影响提示词工程发展？AI除了可以帮我们解决工作/生活中的难题和dirty work，还能搞多模态的创作你知道吗？
很多人都知道AI提示词很重要，但大多数人不是写不好，而是根本不知道还能这样写。因此我想尝试系统性地讲一讲“提示词工程”这件事——为什么它不是写几句话那么简单，为什么它值得被当成一个“工程问题”来对待，又为什么你总觉得AI不好用，其实只是你和它没建立起合适的协作方式。我会从一个实际AI使用者/创作者和AI业内人的角度，讲写提示词的结构方法、使用策略、还分享了少有人讨论的写指令的风格范式，以及一点通俗易懂的底层原理。如果你总觉得“AI没想象中那么强”，那这期可能就是为你做的~
此篇教程不需要技术背景可以放心食用，听完就能上手。我还准备了10个实用提示词模板，放在评论区自取。如果你觉得这篇对你有帮助，欢迎评论转发分享给其他朋友。如果你也有很多用AI的感想，欢迎评论区交流~
-
00:32 我为什么想做这个教程？
02:14 我计划怎么给大家“完善地”讲解提示词工程？
04:54 我现在最常用的AI工具，以及我都用它们干什么？
07:15 我从小到大最擅长的一件事：提需求
——会提需求，你的人生就会变成爽文
Part0. 从“提问”开始讲08:33 一切皆可问，你和AI之间的“合作关系”，更像是建立你自己语言习惯的过程
10:41 很多人在意图澄清方面都有巨大欠缺
——Prompt工程的第一个关键变量，不是模型有多强，是你对所处任务的理解有多深
Part1. Prompting 框架13:05 Google官方课程「Prompting Essentials」
——如何将一个模糊的需求拆解成多个具体的、可执行的步骤
- 1.1 Task（任务）
- 1.2 Context（上下文）
- 1.3 References（参考）
- 1.4 Evaluate（评估）
- 1.5 Iterate（迭代）
21:14 AI从基础模型进化到高性能模型，又会如何影响提示词工程发展？
2.1 Lazy Prompting
22:51 吴恩达为什么说有时用懒提示反而更高效？
26:10 适用于哪种模型？写懒提示居然还有个意想不到的“好处”？
26:57 你可能会想知道的和「大模型记忆力」有关的3个底层机制
——AI到底记不记得住我说过的话？能记住多少？
29:08 什么是token？
30:28 什么是Context Window（上下文窗口）？
32:10 用deepseek推理模型写歌的一些离谱尝试
34:09 什么是session？
2.2 Structured Prompting
35:42 工业化写法，稳定、高可控、利于复用
- 策略1. 少样本提示 (Few-shot)
- 策略2. 给明背景信息（Additional Context）
- 策略3. 指定完成任务的步骤（Decomposition）
- 策略4. 思维链提示法（CoT）
- 策略5. 使用标签 (XML Label）
2.3 Vibe Prompting
42:34 本人自创hhh，半结构半感性，创意感强
44:05 工作场合需要传达语气，创造氛围的场景也非常有用
45:01 当我用氛围提示法让GPT-4o吹我这篇播客
46:02 Sam Altman推崇的提示词工程师是噱头吗？
47:15 AI能力的边界在哪里？
47:28 关于提示词工程后面还可以讲什么？
50:51 片尾曲：我用SunoV4.5 创作的R&B
-
*BGM（all music made by me via ai）：
Sweet Sunday - Fiona Huang (片尾曲)
Dance Until Dawn - Fiona Huang (片头曲)
-
*大纲以外的补充和延申：
我最常用的AI:
ChatGPT-4o：全能，多模态
Gemini：超长上下文处理
Deepseek-R1：最佳使用方式是用腾讯元宝切成DS-R1+联网模式
Notebooklm：读paper读长文档
Recraft：有我最爱的胶片风格
Whisk：图片质感佳
Veo2：V3要花钱
Suno：最好的AI音乐模型
-
红衫资本分享的AI's Killer Apps：
AI's Trillion-Dollar Opportunity: Sequoia AI Ascent 2025 Keynote (from Youtube)
-
语言模型的分词（tokenization）机制举例：ChatGPT采用了一种叫做 Byte Pair Encoding (BPE) 的算法。这个算法的基本思路是：把一个字符串拆成尽可能常见的子词组合，以便最大化压缩 token 数量。但具体分成几个 token，还要看模型的词表中有哪些“片段”被定义为常见组合。想了解的可以在这个工具里测试：OpenAI tokenizer tool。
分词示意图：
-
关于memory的补充：
一文看懂LLM记忆力机制
-
Google Prompting Essentials (from Coursera / Google Career Skills / Youtube)
The Benefits of Lazy Prompting (知乎上有中文版：吴恩达来信：Lazy prompting的好处)
-
我用Suno三代模型写的歌，你能听出各模型的特点吗:)
V3.5：Pages of Peace - Fiona Huang
V4.0：Silent Night at Home, with Phoebe - Fiona Huang
V4.5：Sweet Sunday - Fiona Huang
-
极简歌词MV尝试：Whisk+即梦AI+Suno
Sweet Sunday MV
-
*过往精彩：
29.当代致富经：纳瓦尔宝典和纳瓦尔最新3h播客访谈都讲了什么
21.AI天选场景诞生-赛博算命，deepseek负责逻辑人类负责相信
22.偷火种不如造核弹，AI芯片是怎么炼成的？解码英伟达之道
23.经济下行期如何做预期管理与职业布局？裁员风暴下的实用生存指南
-
𝕭𝖊𝖎𝖏𝖎𝖓𝖌 𝕮𝖆𝖗𝖊𝖊𝖗 𝖂𝖔𝖒𝖆𝖓
北京职女
𝑻𝒉𝒆 𝒐𝒏𝒍𝒚 𝒘𝒂𝒚 𝒕𝒐 𝒅𝒐 𝒈𝒓𝒆𝒂𝒕 𝒘𝒐𝒓𝒌 𝒊𝒔 𝒕𝒐 𝒍𝒐v𝒆 𝒘𝒉𝒂𝒕 𝒚𝒐𝒖 𝒅𝒐.