惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

V
V2EX
aimingoo的专栏
aimingoo的专栏
S
SegmentFault 最新的问题
博客园_首页
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
IT之家
IT之家
博客园 - 【当耐特】
月光博客
月光博客
C
Check Point Blog
T
The Blog of Author Tim Ferriss
罗磊的独立博客
博客园 - Franky
MongoDB | Blog
MongoDB | Blog
H
Help Net Security
Microsoft Security Blog
Microsoft Security Blog
B
Blog
阮一峰的网络日志
阮一峰的网络日志
腾讯CDC
美团技术团队
N
Netflix TechBlog - Medium
Stack Overflow Blog
Stack Overflow Blog
Y
Y Combinator Blog
L
LangChain Blog
The Cloudflare Blog

人人都是产品经理

为什么你的产品找不到差异化?90%的失败都卡在第一步上(下) – 人人都是产品经理, 3年从30万到1300万用户、获2200万美元融资,这个AI教育产品用“抽卡”破解了获客难题 – 人人都是产品经理, 园区招商系统怎么做才能真正帮到去化?我加了这一个功能,推广链接转发400次阅读过万 – 人人都是产品经理, AI大事件:OpenAI发完网络安全模型又搞药物研发,小鹏汽车要抓”DeepSeek时刻” – 人人都是产品经理, 电商不是卖货,是一场更残酷的产品经理实战 – 人人都是产品经理, 没想到,活动营销又回来了! – 人人都是产品经理, 为何All-in海外KOC:一场关于AI时代窗口期的豪赌 – 人人都是产品经理, 重新理解企业的内部协作 – 人人都是产品经理, 苹果的 AI 战略到底是什么? – 人人都是产品经理, 医疗智能体·第2讲——合规护城河:等保、PIPL与HIPAA的架构实战 – 人人都是产品经理, 向量知识库五步法:从“答非所问”到“精准回复” – 人人都是产品经理, 鸿蒙PC三方库构建总指挥HPKBUILD(sha)库为例 – 人人都是产品经理, 何时该用LLM?AI产品经理的LLM设计指南 – 人人都是产品经理, 医疗信息领域的需求方、决策方、准入方以及关注点(二) – 人人都是产品经理, 即梦涨价:一场被误读的「傲慢」 – 人人都是产品经理, 面试AI PM必答题:Hermes和OpenClaw的区别,如何讲清楚业务价值 – 人人都是产品经理, AI的下一张船票:世界模型——AI产品经理必须理解的技术拐点 – 人人都是产品经理, 小红书做GEO,怎么让AI信你?记住这 3 个重要信息 – 人人都是产品经理, 5 家印度 AI 初创公司,看看印度 AI 再做什么 – 人人都是产品经理, AI项目跨团队协作:产品技术业务如何不打架 – 人人都是产品经理, Agentic Workflow(智能体工作流):让AI从”答案生成器”变成”数字员工” – 人人都是产品经理, lycium_plusplus 项目全景解读:OpenHarmony 三方库构建的“大管家” – 人人都是产品经理, 从爆单救火到前置履约:两套预采策略,把生鲜大促履约效率拉满 – 人人都是产品经理, 什么时候该补货?我用一轮数据做了一个决定 – 人人都是产品经理, 从“机械兜底”到“动态分流”:AI客服重复进线治理的4大底层逻辑 – 人人都是产品经理, 抖音拼效率,红书拼洞察 – 人人都是产品经理, 全民狂欢与退潮——为什么龙虾这波热潮冷却得如此之快? – 人人都是产品经理, Stripe押注!MPP重塑全球支付 – 人人都是产品经理, 小红书GEO:AI引用你的内容,不是因为你对,而是因为你看起来可信 – 人人都是产品经理, 前百度副总裁押注办公Agent,日韩付费爆发,Manus迎来强劲对手 – 人人都是产品经理,
种植业内部教程:这两个“神级”AI提示词,我只讲一遍,建议收...
抖知书 · 2025-07-02 · via 人人都是产品经理

在种植业中,AI 的应用远不止简单的信息查询。本文为种植从业者提供了两个“神级”AI 提示词,帮助他们将 AI 从一个简单的工具转变为强大的战略规划师和诊断专家。

很多人从事种植的朋友,用AI,还在问“XX怎么种”。

这种用法,太初级,浪费了AI。

AI不该是你的字典。

它得是你的副驾,你的参谋。

帮你做规划,帮你搞诊断。

要做到这一点,你得学会“喂”它。

喂给它专业的指令。

今天就给你两个,一个管战略,一个管战术。

第一招:战略规划提示词,让AI做你的CEO

开春种地,别问AI“怎么种”。

那样得到的答案,和网上的没区别。

对你的地,一点用没有。

正确玩法,是让AI扮演一个角色。

一个懂农业、懂经济的规划师。

然后,把你的全部情况都告诉它。

让它给你出一份定制的“商业计划书”。

而不是一份通用的“说明书”。

直接用这个提示词,把括号里换成你的信息。

【AI提示词 #1:全周期种植盈利方案生成器】

你现在是一位拥有15年经验的顶级农业规划师,同时精通农业经济学、土壤学和市场动态分析。你的任务是为我提供一份绝对专业、可落地执行、且以“投入产出比最大化”为核心目标的商业化种植方案。拒绝任何网络上能轻易搜索到的、大而化之的通用建议。
[背景信息]
1.地块参数:
–位置:[填写你地块的详细地址,或至少精确到县/区,例如:山东省寿光市XX镇XX村]
面积:[例如:35亩]
-土壤报告:[请附上近期的土壤检测报告关键数据,例如:pH值6.8,有机质含量2.5%,氮磷钾比例为XX:XX:XX,微量元素状况…]
-水源条件:[例如:自有水井,水质检测合格,灌溉能力覆盖全地块,但夏季高峰期可能缺水]
-历史气候:[简述过去3年的主要气候特征,例如:春季干旱多风,夏季雨水集中且-有冰雹风险,年均无霜期约210天]
-基础设施:[例如:有水泥路直达地头,有200平米仓库,无冷库,电力供应稳定]
2.资源与约束:
-总预算:[填写你的总投资预算,例如:15万元人民币,包含种子、肥料、农药、人工等所有费用]
-劳动力:[例如:自有长期劳动力2人,农忙时可雇佣临时工约10人]
-目标市场:[例如:主要面向周边城市的农产品批发市场,部分考虑发展采摘或电商直销]
-种植历史:[例如:前茬作物为大豆,已进行秸秆还田和深耕]
[核心任务]基于以上全部信息,为我生成一份从种到收,再到销售的全周期战略蓝图。请严格按照以下结构输出:
作物品选择(决策矩阵):
推荐3种最适合的作物品种/组合。
使用表格形式,从“市场价格预期”、“抗病性/抗逆性”、“生长期”、“水肥需求”、“劳动力强度”、“预计亩产”、“综合得分”这几个维度进行打分(1-10分)和评估。
最后,明确给出你的首选推荐,并附上100字以内的决策理由。
详细的全周期管理日历(表格形式):
-阶段划分:整地与基肥 -> 播种/育苗 -> 苗期管理 -> 开花结果期 -> 成熟采收期 -> 采后处理。
-时间轴:以“周”为单位,列出从第1周到收获周的关键农事操作。
-操作要点:具体到“做什么”(如:追施高钾肥)、“用什么”(建议具体肥料/农药类型,甚至品牌参考)、“用多少”(明确剂量或浓度)。
财务分析与风险预案:
-成本预算表:详细拆分种子、肥料、农药、人工、水电、机械等各项成本。
-盈利预测模型:基于市场价的“高-中-低”三种情景,分别预测净利润和投资回报率(ROI)。
-风险识别与应对:列出至少3个最大的潜在风险(如:极端天气、病虫害大爆发、市场价格暴跌),并为每个风险提供具体的、可操作的应对预案。
[思考链]在生成最终方案前,请先进行一步一步的思考。例如,先分析土壤报告和气候数据,筛选出不适合的作物。然后结合市场和预算,在合适的作物中进行优选。最后,将所有环节串联成一个闭环的管理方案。请在最终回答中,简要展示你的这个分析逻辑。

看到了吗?

这不是提问,是下达项目书。

你给它原料,它才能给你盖房子。

这才能让AI成为你的规划师。

第二招:复合诊断提示词,把AI变成老农技专家

地里出问题了。

叶子黄了,别直接拍照问AI“这是什么病”。

AI会猜,但不准。

因为它不知道前因后果。

一个真正的专家,要问天气、问浇水、问施肥。

黄叶只是一个结果,不是全部。

你要给AI完整的上下文。

它才能从一个“识图工具”,变成“诊断专家”。

下次作物出问题,用下面这个。

【AI提示词 #2:多因子关联性病害诊断仪】

你现在是一位拥有超过20年田间实践经验的资深植物病理学家和农艺师。你尤其擅长进行“差分诊断”,能够从看似孤立的症状中,找到问题的根本关联。你的诊断逻辑严谨,绝不轻易下结论。
[问题描述]我的作物出现了异常,请根据我提供的全部信息进行诊断:
1.作物信息:[例如:阳光玫瑰葡萄,已定植3年]
2.核心症状:[请用“白描”手法,客观描述,不要自己下判断。例如:“靠近植株基部的老叶片,从叶片边缘开始向内发黄,叶脉在早期保持绿色,后期整个叶片干枯。新梢顶端的嫩叶无此症状。黄叶上未见明显霉层或虫卵。”]
3.伴随症状:[描述其他任何异常。例如:“部分果粒出现轻微的日灼斑点,整体长势偏弱。”]
4.发生范围:[例如:非全园发生,主要集中在东边地势较低的一小片区域,呈点状分布。]
5.近期农事记录(关键!):
-天气:[例如:过去10天,有7天连续阴雨,田间湿度很大。之后突然放晴,连续3天高温暴晒。]
-灌溉:[例如:阴雨前进行过一次大水漫灌。]
-施肥:[例如:半个月前,追施过XXX牌的平衡型复合肥,用量为XX公斤/亩。]
-用药:[例如:一周前,为预防霜霉病,喷洒过代森锰锌。]
[诊断任务]请基于以上所有信息,执行以下诊断流程:
1.可能性排序:
请列出导致该症状的3种最可能的原因,并按照可能性从高到低排序。
原因不能简单命名为“XX病”,而应是“XX因素导致的XX问题”,例如:“因连续阴雨及大水漫灌导致的根系缺氧及镁元素吸收障碍”。
2.诊断逻辑阐述:
针对每一个可能的原因,请详细解释你的判断逻辑。说明你是如何将我提供的“症状”、“范围”和“农事记录”关联起来的。例如:“之所以将根系问题排在首位,是因为症状从老叶开始,符合元素吸收障碍的典型特征,且与近期的大水漫灌时间点高度吻合……”
3.排除项说明:
请明确指出,为什么一些常见的、看似符合的病症(如霜霉病、病毒病)可能性较低。
4.追问与验证:
为了100%确诊,你还需要我补充哪些信息?或者,你需要我去做什么简单的田间测试来验证你的判断?(例如:“请你挖开一株病株的根系,检查毛细根是否发黑、腐烂?”)
5.综合解决方案:
在当前诊断的基础上,提供一个“治疗+恢复”的综合方案,而不仅仅是打什么药。方案应包括:水肥调整、土壤管理、叶面补充、药剂使用等。

这个提示词的精髓,是“关联”和“追问”。

它强迫AI把所有信息串起来思考。

最后的“追问”,让AI成了你的诊断搭档,而不只是个解答机器。

结语:从“使用者”到“指挥官”

好了,两个大招给你了。

记住,核心是思维模式的转变。

忘掉“提问”,学会“下指令”。

你是指挥官,AI是你的参谋部。

你的指令越专业,情报越详细,得到的方案就越精准。

回去试试。

把这两个提示词用起来,再举一反三。

本文所展示的提示词为初级提示词,一般也够广大朋友们使用了!

本文由人人都是产品经理作者【抖知书】,微信公众号:【抖知书】,原创/授权 发布于人人都是产品经理,未经许可,禁止转载。

题图来自Unsplash,基于 CC0 协议。