大模型能力未被充分释放，往往源于我们与AI的沟通方式不当。本文将揭示如何通过精准的提示词设计，将AI从平庸的应答机器转变为专业助手，特别解密俄罗斯套娃法这一让AI自我优化的高阶技巧，帮助用户实现从模糊需求到精准输出的跃迁。
大家都知道，大模型本应能替我们处理许多重复、繁琐的工作，但现实中，我们常常打开它试两下，就忍不住吐槽：“这什么破AI，还不如我自己来！”——结果气呼呼地关掉界面，转身继续亲手埋头苦干。
其实很多时候，不是大模型不好用，而是我们没学会如何跟它有效沟通。就像吩咐一个聪明但缺乏经验的助手，任务交代不清楚，结果自然不尽人意。写好提示词，正是解锁大模型能力的关键一步。一段清晰的指令，往往就能让它生成几乎拿来即用、只需稍作调整的内容。与其抱怨工具不好，不如花几分钟学会如何用好它——你会发现，很多重复性工作，真的可以交给AI高效完成。
学习提示词工程，就像我们通过中文清晰表达想法一样重要。大模型如同一名知识广博的通才，但它需要明确的指引才能高效工作。精心设计的提示词，就像为它划定一个清晰的思考范围，使其能够聚焦在相关领域内进行推理和回应。这样一来，大模型不仅能更准确地理解你的需求，也能更可靠地完成那些重复、简单的任务，真正成为你日常工作中的得力助手。
ROLE 角色：像导演一样赋予角色
不要将大模型视为一个全能问答机，而是想象你在为一位才华横溢的演员（大模型）撰写“角色剧本”。你给出的“角色”提示，就是剧本大纲。
ACTION行动：像老板一样下达具体可行的命令
大模型就像一名能力出色但需要明确指引的助手。如果你只说“帮我写点什么”，它可能无法给出你真正想要的内容。清晰的行动指令，能确保大模型理解角色、任务与目标，从而输出符合预期的结果。
Steps步骤：像一个质检一样，用规则约束他的行动
即使明确了行动目标，大模型仍可能因执行路径模糊而“跑偏”。清晰的步骤如同给AI一张带检查点的路线图，确保它按你的逻辑推进，并输出符合预期的交付物。
Format格式：像一个老板一样验收数据
格式是AI交付物的骨架与界面。即使内容正确，格式混乱也会让结果难以直接使用。明确的格式要求，相当于为你与AI的协作制定了清晰的交互规范与交付标准，能省去大量整理、重构的时间，让输出“开箱即用”。
作为二十年汽车销售专家，结合您的预算和核心需求，我筛选了当前市场上符合条件、已上市的六款新能源轿车，并整理了以下评估表格。
下表从安全、智能驾驶、价格三个核心维度进行了量化评分（10分制），并给出了综合推荐指数。
评分维度说明
-安全评估：基于国内外权威碰撞测试成绩（如中保研C‑IASI、C‑NCAP、Euro NCAP）、标配气囊数、主动安全配置（AEB、车道保持等）以及车身结构材料。
-智能驾驶评分：核心考察硬件配置（激光雷达、摄像头、算力芯片）与软件能力，重点关注是否支持“高阶智能驾驶”，如城区/高速NOA、车位到车位全场景辅助、OTA持续升级潜力等。
-价格：指当前市场官方指导价或权益后到手价（截至2025年12月）。
-推荐指数：综合前三项表现，同时兼顾品牌服务、补能体系、整车质感等长期使用价值。
车型点评与最终建议
-首选推荐（安全与智驾双优）：阿维塔12与享界S9是“安全优先+高阶智驾”的最优解。两者均全系标配华为高阶智驾系统（乾崑ADS 4.0/ADS 3.3）与多激光雷达，软硬件均为行业第一梯队，能实现高安全冗余的全场景智能驾驶。阿维塔12价格门槛更低，享界S9在豪华舒适配置上更突出。
-均衡之选（品牌、安全与智驾兼顾）：蔚来ET7在安全、智能驾驶（NAD 2.0）和豪华体验上表现均衡，独特的换电体系是其核心优势。宝马i5和奔驰EQE在被动安全与豪华质感上底蕴深厚，但智驾功能相对保守，适合更信赖传统豪华品牌、对激进智驾需求不高的用户。
-安全至上之选：沃尔沃S90新能源在被动安全与健康环保方面依然是行业标杆，但其智驾系统（Pilot Assist）以稳定可靠为主，功能上不属于“高阶”范畴。
总而言之，若您将高阶智能驾驶视为不可或缺的刚性需求，阿维塔12或享界S9是最佳选择。若您更看重品牌传承、豪华质感与长期使用的安心感，蔚来ET7、宝马i5或奔驰EQE同样值得亲身试驾对比。
俄罗斯套娃法解决您的需求
你可以将大模型理解为一名通才助手。它既能够根据你的指令完成任务，也深谙“如何写出一个好指令”的规则。
这意味着，你可以请这位“助手”先帮你优化和打磨你给它的指令本身，从而获得更精准、更专业的输出结果。
通俗解释：这就像你要写一份重要的邮件，但不确定如何表达最有效。于是，你先写个草稿，请一位擅长沟通的同事帮你润色和调整语气，再用优化后的版本正式发送。这里的“同事”，就是大模型本身。
这个过程分为清晰的两步，核心是让模型从“执行者”暂时转变为“指令优化顾问”。
第一步：发出“优化指令”的指令
你首先需要给模型一个明确的“角色”和“任务”，让它进入优化模式。
示例指令：
你是一名具有二十年提示词prompt攥写经验的prompt提示词专家，现在你需要对用户的需求进行攥写prompt。
我的需求是：【你的角色】【你的需求】【需要大模型做的动作】【输出格式】【特殊要求】。请你根据这个需求，帮我优化生成一个更专业、清晰、能让大模型高效执行的提示词。
并且你输出的内容，需要能够完成用户的需求，禁止胡编乱造，输出的内容需要简洁，角色需要赋予二十年经验的专家”，由于用户会将生成的prompt交给另一个大模型，所以你只需要生成Prompt给到用户，禁止做多余动作，并且提醒用户使用下一个模型的时候打开联网搜索以保证数据的时效性。
你是一个拥有二十年经验的汽车销售专家，专注于新能源汽车市场。你的任务是为客户推荐预算在五十万人民币以内的新能源轿车，且必须严格遵循以下优先级标准：安全性首位，必须具备高阶智能驾驶功能。
请执行以下步骤：
1）数据收集与筛选：查询当前已上市的新能源轿车，初步筛选出安全评级高（参考C-NCAP、中保研等权威测试）、配备高阶智能驾驶系统（如城区NOA、高速领航辅助等）、且裸车价≤50万元人民币的车型。
2）多维度评估：对筛选出的车型，从以下三个核心维度进行量化评分（可采用10分制或百分制）：
-安全性能：综合主被动安全配置、车身结构、电池安全技术及权威碰撞测试成绩。
-智能驾驶：评估硬件配置（传感器、芯片算力）、软件功能实现范围（如覆盖场景、体验流畅度）及品牌技术背书。
-价格因素：考虑车型在50万预算内的性价比、配置丰富度及市场定位。
3）生成推荐文档：将最终评估结果整理成一份Excel表格，表格必须包含以下列，并按“安全性能”评分降序排列：
-新能源车品牌
-型号
-安全性能（请在此列注明具体评分及核心安全亮点，如“9.5/10 (超高强度车身，多项主动安全标配)”）
-智能驾驶（请在此列注明具体评分及系统名称/核心功能，如“9/10 (华为ADS 2.0，全向防碰撞)”）
-价格（请注明官方指导价或市场参考价，单位：人民币万元）
第二步：使用优化后的指令
将模型优化生成的新提示词，复制并再次提交给模型（或用于其他对话），让它基于这个“升级版指令”执行最终任务。
输出：
作为一名有二十年经验的汽车销售专家，我理解您在预算内对安全和高阶智能驾驶功能的极致追求。根据您的需求，我筛选并评估了当前市面上符合条件的新能源轿车，核心推荐如下。
下面的表格汇总了五款重点车型，并已按您要求的“安全性能”评分进行降序排列，方便您优先比较。
符合条件的新能源轿车推荐
如何根据您的需求做选择
在表格基础上，您可以根据自己的侧重点来做决策：
-如果追求极致安全与技术标杆：理想L6和蔚来乐道L60是最稳妥的选择。它们都在当前最严苛的第三方碰撞测试中取得了顶尖成绩，安全性能有权威数据支撑，智能驾驶系统也处于第一梯队。
-如果看重顶尖智能驾驶体验：阿维塔12是首选。华为ADS系统在城区复杂路况的通行能力和用户体验上口碑突出，能最大程度减轻驾驶疲劳。
-如果追求全面均衡与高性价比：比亚迪汉L是经典之选。它在安全、智驾、续航、豪华感上做到了均衡，没有明显短板，市场保有量大。
-如果预算敏感但不愿妥协核心配置：东风奕派eπ007+ 提供了越级的安全和智驾硬件，能以较低预算满足您对安全和基础智驾功能的要求。
最终购车行动指南
1）务必亲自试驾体验：智能驾驶系统的表现因人而异，请务必亲身试驾，重点体验：
-高速NOA：在封闭道路上的车道保持、自动变道超车是否流畅、决策是否让人安心。
-城区智驾（如支持）：在复杂路口、人车混行路段的处理能力。
-AEB主动安全：让销售顾问演示或体验车辆对前车急刹、行人“鬼探头”等场景的预警和制动效果。
2）核实具体车型配置：同一车系下，不同价位版本的智驾硬件（如激光雷达数量）和软件功能（如城区NOA是否开通）可能不同。下单前请确认您选择的版本是否包含您需要的全部智驾功能。
3）关注后续服务与更新：了解所选智驾系统的软件更新政策（是否为终身免费OTA），以及品牌在您常用城市的辅助驾驶地图开通进度。
希望以上专业的分析和建议能帮助您做出明智的选择。如果您能告知更具体的用车场景（例如，是主要在城区通勤还是频繁跑长途），我可以为您提供更具针对性的分析。
本回答由 AI 生成，内容仅供参考，请仔细甄别。
项目背景：上级领导下达命令，现在去写一篇跟这篇文章内容相似的公文
思维链：（分步骤实行）
STEP-1
获得了一个分析文章的prompt
复制发送给下一个大模型（必须新建，不然大模型会参考上下文）
STEP-2
把文章复制到txt文档，随后投喂给大模型
得到一个分析内容
STEP-3
同STEP-2
输出内容
STEP-4
将STEP-3生成的输入给下一个大模型
以下是生成的文章：
“东数西算”工程两周年：迈向绿色集约的全国一体化算力新格局
在国家“双碳”战略目标与数字经济发展浪潮交汇的关键时期，作为国家重要战略工程的“东数西算”已正式启动满两年。该工程不仅是优化我国算力资源空间布局、促进东西部协同发展的关键举措，更是一条以技术创新与模式革新驱动算力基础设施向绿色集约化转型的“必由之路”。当前，工程已从全面启动迈入深化实施的新阶段，绿色算力发展的成效正日益显现。
一、 顶层设计：构建绿色集约的政策与标准体系
国家层面出台的系列政策为“东数西算”的绿色低碳发展提供了清晰的路线图。国家发展改革委、工业和信息化部等部门联合印发的《关于加快构建全国一体化算力网的实施意见》明确提出，要推动算力设施绿色低碳发展，提升可再生能源利用水平，全面推进算力基础设施能效提升。目标到2025年，国家枢纽节点地区数据中心端到端网络单向时压降至20毫秒内，可再生能源使用率显著提升，新建数据中心电能利用效率（PUE）普遍不超过1.25。
政策目标的实现，离不开标准体系的支撑。以PUE（电能使用效率）为代表的能效标准已成为数据中心建设的硬性约束。工信部等六部门发布的《算力基础设施高质量发展行动计划》进一步强化了对绿色低碳的要求。国家发改委高技术司负责人近期在公开解读中指出：“‘东数西算’工程正从政策引导走向标准落地，通过强化能效指标约束、鼓励使用绿电、推广先进节能技术，引导全国算力基础设施沿着绿色、高效、集约的方向健康发展。”
二、 产业实践：技术创新驱动全链条绿色发展
在政策引领下，一场围绕绿色算力的产业创新浪潮正在“东数西算”的各个枢纽节点蓬勃兴起。产业链上下游企业正通过技术创新，协同推进算力能效的跃升。
首先，在能源供给侧，“绿电”正成为算力中心的新标配。 宁夏、甘肃、内蒙古等西部枢纽节点依托丰富的风、光资源，大力推动数据中心直接使用可再生能源，或通过“源网荷储”一体化、绿色电力交易等方式提升绿电消纳比例。例如，中国移动宁夏中卫数据中心园区，规划绿电使用占比远期目标将达100%。
其次，在基础设施侧，节能技术突破层出不穷。 在冷却环节，宁夏中卫、甘肃庆阳等地的大型数据中心广泛应用自然冷却、液冷等先进技术，有效降低散热能耗。华为在贵安建设的云数据中心，通过采用间接蒸发冷却等创新方案，年均PUE可低至1.12。在电源环节，模块化UPS、高压直流供电等高效供电技术得到普及，进一步减少了电能转换损耗。
再者，产业链协同效应显现。 这不仅体现在服务器、制冷设备等硬件制造商的绿色产品迭代上，也体现在算力运营与调度层面。通过国家一体化算力调度平台的探索建设，未来有望实现“东数西训”“东数西存”等场景下，算力任务向清洁能源富集、气候条件适宜地区的智能调度，从全局视角优化能耗。
三、 数据支撑：绿色算力发展成效初步显现
来自权威机构的最新数据，勾勒出“东数西算”工程在绿色算力领域的切实进展：
-算力规模与能效提升： 根据中国信息通信研究院发布的《中国综合算力指数（2023年）》白皮书，我国算力总规模持续高速增长。同时，全国数据中心平均PUE由“十三五”末期的约1.6，优化至目前的约1.5，其中新建大型、超大型数据中心PUE普遍低于1.3。在“东数西算”成渝、甘肃等枢纽节点，一批先进数据中心的PUE已达到1.2左右的国际领先水平。
-可再生能源利用加速： 赛迪研究院研究报告显示，我国数据中心使用可再生能源的比例正在稳步提升。预计到2025年，国家枢纽节点数据中心集群可再生能源使用率将大幅提升。
-产业拉动与区域协同： 据国家发改委评估，“东数西算”工程启动以来，每年拉动社会投资超过4000亿元。在有效带动西部数字产业发展的同时，也通过将东部算力需求有序引导至西部，促进了土地、能源等资源的集约利用，为东部地区绿色发展释放了空间。
四、 专家观点：绿色算力是数字经济的必然选择
多位领域专家从不同角度阐释了“东数西算”对绿色发展的深远意义。
政策研究专家认为，“东数西算”是国家从宏观层面对数字基础设施进行的重大生产力重组，其绿色内涵与“双碳”目标高度契合，是推动数字经济与绿色经济深度融合的典范。产业技术专家指出，绿色算力不是成本负担，而是通过技术创新驱动效率革命，最终实现降本增效与可持续发展的双赢。企业实践者则深刻感受到，在西部建设绿色数据中心，不仅能获得稳定廉价的清洁能源支持，更提升了企业ESG（环境、社会和治理）价值，是面向未来的核心竞争力。
总结展望
走过夯基垒台的两年，“东数西算”工程已步入“深化拓展、全面推进”的关键期。它不仅仅是将数据“从东移至西”的地理迁移，更是一场以国家力量推动的、涵盖技术革新、产业升级、能源结构和区域发展模式的系统性变革。展望未来，随着全国一体化算力网的加速构建和绿色算力体系的不断完善，“东数西算”必将进一步夯实我国数字经济发展的绿色底座，为构建新发展格局、实现“双碳”目标提供更为强劲、可持续的算力引擎。
《关于深入实施“东数西算”工程 加快构建全国一体化算力网的实施意见》发布两周年
## “东数西算”工程铺就绿色算力发展之路
2025年12月30日09:12 | 来源：证券日报
2025年12月29日，《关于深入实施“东数西算”工程 加快构建全国一体化算力网的实施意见》（以下简称《意见》）发布满两周年。两年间，“东数西算”工程持续深化拓展，积极推动算力协同联动，显著增强绿色算力供给能力，进一步夯实了算力基础设施的绿色根基。
《意见》在建设目标中明确提出，到2025年底，算力电力双向协同机制初步形成，国家枢纽节点新建数据中心绿电占比超过80%。盘古智库高级研究员吴琦对《证券日报》记者分析称，在绿色发展的引领下，数据中心纷纷加快绿色化转型步伐，积极采用太阳能、风能、水能等可再生能源，大幅提升数据中心绿电使用比例。更高的节能要求成为推动数据中心产业技术创新的强大动力。
政策助力绿色数据中心“蝶变”
算力是数字经济的核心驱动力。当前，数字经济迈向高质量发展阶段，迫切需要推动数据中心实现科学布局、供需适配、绿色集约与互联互通。随着“东数西算”工程推进，全国一体化算力网加速构建。提升数据中心绿电使用比例，成为政策发力的关键方向之一。
数据中心作为承载数字要素流通的新型基础设施，支撑数字经济向纵深发展。从功能属性来看，数据中心能够通过整合数据资源、算力设施和算法系统，为各行业产业的布局规划提供精准策略支持。然而，数据中心的服务器、网络设备等设施的稳定运行，需要电力系统支撑其高负荷运转，这使得数据中心成为“耗能大户”。
为推动绿色数据中心蓬勃发展，政策持续加码。例如，4月份，《2025年数字化绿色化协同转型发展工作要点》印发，围绕四个方面部署了22项重点任务，第一个方面就是推动数字产业绿色低碳发展。包括推动数据中心绿色化转型、推动基站绿色化运行、推进电子信息产品绿色制造和使用、引导数字科技领先企业零碳发展。
同时，随着相关技术文件的公布，全国一体化算力网标准体系建设基本完善。这不仅为绿色数据中心建设提供了统一的技术规范和评价准则，更规范了算力服务的运营流程，有效提升了算力服务的质量与可靠性，推动绿色数据中心产业健康发展。
在数字经济蓬勃兴起的当下，绿色数据中心建设已成为时代发展的必然要求、大势所趋，政策层面的持续发力与标准制定的稳步推进，为绿色数据中心发展筑牢了坚实根基、指明了清晰方向。中国移动通信联合会教育与科学技术研究院执行院长陈晓华在接受《证券日报》记者采访时表示，从宏观战略布局到微观技术规范，多方协同共进，正有力推动绿色数据中心朝着能效卓越、低碳环保、智能高效的方向大步前行，为数字经济的可持续高质量发展注入源源不断的绿色动力。
陈晓华认为，随着算力需求的爆发式增长与“双碳”战略的深入践行，数据中心有望突破能源效率与环境承载的双重瓶颈，实现从“能耗大户”向“绿色引擎”的华丽蜕变。
绿色数据中心
激发多维创新活力
随着数字化浪潮的汹涌来袭，各行业对算力的需求呈现爆发式增长态势，数据中心建设也迎来新的发展高峰。第二十届中国IDC产业年度大典上公布的数据显示，2025年我国算力市场规模预计将达8351亿元，同比增长超30%。这一数据充分彰显出我国算力产业蓬勃向上的发展态势与巨大的市场潜力。
山东圣阳电源股份有限公司算力业务事业部总监刘荣麒在接受《证券日报》记者采访时表示，“双碳”目标以及相关政策为数据中心产业链企业提供了清晰的绿色发展目标。企业在为客户提供服务时，需助力客户降低算力能耗。
刘荣麒说：“绿色发展也催生了产业的创新浪潮，以数据中心电源为例，近年来随着AI算力需求的爆发式增长，行业对高密度、高效率供电方案的需求愈发迫切。同时，绿色数据中心追求提高能源利用效率、降低散热需求、支持可再生能源接入等目标，这极大地推动了数据中心电源高压直流技术的发展。高压直流技术摒弃了复杂的交流并网技术，有助于数据中心更广泛地采用太阳能、风能等绿色新能源，减少对传统能源的依赖，推动绿色数据中心发展。”
冷却技术的创新是绿色数据中心建设的又一重要突破。随着数据中心算力的不断提升，散热成为保障数据中心稳定运行的关键环节。传统的风冷技术已难以满足绿色数据中心高效散热的需求，液冷技术因此成为研究热点并取得重大突破。一些领先的绿色数据中心采用浸没式液冷技术后，PUE（电源使用效率）进一步降低，同时也为高密度计算设备的应用创造了条件，推动了数据中心向更高算力、更低能耗的方向发展。
中国城市发展研究院投资部副主任袁帅对《证券日报》记者表示，绿色数据中心建设对产业链上下游企业的协同创新起到了强大的推动作用，在绿色数据中心建设的浪潮下，数据中心运营商、设备制造商、能源供应商、软件开发商等产业链上下游企业紧密携手，共同开展技术创新和产品研发。绿色数据中心建设作为数字经济发展的重要支撑，正以其强大的驱动力推动着产业技术创新发展，在各个层面都激发了产业的创新活力，引领着产业向绿色、高效、智能的方向大步迈进。（本报记者 郭冀川）
“俄罗斯套娃法”。简单来说，就是让大模型自己生成高质量的prompt，一步步引导它输出我们想要的内容。
与其每次手动设计复杂的提问，我们可以先让大模型帮我们生成清晰、具体的指令，再用这些指令去执行实际的重复性任务。这样不仅能提高效率，还能减少反复调试的时间。
更进一步，我们还可以把这一过程固化成一个自动化工作流，让大模型自动处理那些机械、重复的工作环节，从而让我们更专注于创造性的部分。
让AI融入我们的产品，为产品赋能，这已经是可见的趋势。希望这个方法能给大家带来启发，也欢迎一起交流探讨。
祝工作顺利！
本文由 @Junliu 原创发布于人人都是产品经理。未经作者许可，禁止转载
题图来自Unsplash，基于CC0协议
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。
