最近都在说文科生，在 AI 时代很有优势。

这个我不敢苟同，但是，一个只有理科思维的人是不可能拥有在 AI 时代更有优势的。本文由 yaohui1213 推特大佬的最近的产出得到灵感，然后整理了部分提高提示词撰写的技巧、笔记。

简单的提示词，也会是有很多技巧的。

有个大佬说：「以前做coze课程的时候接触到了系统提示词这个东西，才感受到提示词的清晰度决定了最后输出结果的完美程度，并且我在直播中给观众讲提示词的书写方式时他们都非常的震惊，觉得提示词原来还可以这么写，所以，知道ai和用好ai中间的差距真的还有很多的变现可能」。

为了让 AI 输出更好的结果，现在有【提示词工程】、【上下文工程】、【harness工程】。但基石，一直是【提示词工程】。

毕竟，怎么表达需求肯定是重中之重，简单说，就是怎么能说清楚话。

什么是错误的提示词： 「帮我做一个网页」、「帮我写一个故事」、「给我做个 wordpress 模板」、「给我写一封营销邮件」，

因为换位思考，你也不知道客户真正的需求到底是啥。

最通用的 COSTAR 步骤模板

虽然，有些人还是能说清楚事的，但是仍会有遗漏。在 AI 业界，有话术模板，比如 RTF 法，以及更周全的 COSTAR 步骤，推荐 COSTAR 步骤，让我们能更清楚的把事说清楚，不遗漏。

我们把这六种要素全部考虑好，基本就没有遗漏了。

比如案例：

C - Context 场景：我自研了一款 AI 工具线上服务产品，新用户注册后静置 7 天都没有再次登录使用。

O - Objective 目的：撰写一封用户召回邮件，引导流失新用户重新回归使用产品。

S - style 文风、风格：采用生活化好友口吻，摒弃官方生硬的企业套路。

T - Tone 语气：温和亲切、自然走心，不刻意客套油腻。

A - Audience 受众：圈层为 30 岁上下的独立技术开发者。

R - Response 输出要求：文案控制在 100 字内，必须嵌入一个真实可落地的产品使用场景。

哈哈，现在组合一下，就形成了一个很完善的提示词了：

请帮我写一封用户召回邮件：
我有一款自研 AI 工具 SaaS 产品，新用户注册满 7 天未再次登录，
需要做流失召回。受众是 30 岁左右独立开发者，
文风用生活化朋友口吻，不要官方企业腔调；
语气温暖亲切、自然走心，不油腻。要求文案 100 字以内，
并且植入一个真实可落地的产品具体使用场景。

这个也是我以前经常用的句式。这个组合法超级合适！

不过，COSTAR 只能把需求描述清，但是实际情况下，我们还需要搭配一些禁令，比如「不要使用你，而是您」、「不要问客户是不是对服务不满意」。

让模型思考

我之前在 2 月 12 日，发布过一个【苏格拉底式提示法】的图文，这个就是让模型思考的很重要的例子。

因为你直接让模型去做一个事，比如写写一篇高考满分作文，大模型的默认设置，会让结果不会很好。

因为 LLMs 默认会将其视为任务，执行任务默认是要求速度而不是深度，那么你肯定会得到一堆肤浅的垃圾。

你应该让模型在搞之前，先分析怎么样写更好。

比如【什么样的作文在高考语境中会被评为满分？是否存在常见结构框架可供参考？请围绕以上问题逐步思考，动笔写作一篇 800 字的高考满分作文。】让模型自己充分思考，然后再给一个更好的结果。

当然，如果领域比较复杂，要先让模型生成背景知识，然后再回答，效果更好。

除此之外，还有 CoT思维链 和 Few-Shots 法。

CoT思维链 很简单，就是小步走，逐步分析。这个没什么好说的。

而 Few-Shots 法更简单，就是给它一个例子，让它以此为范例，来产出。

验证模型的输出

不能模型输出什么，就毫无怀疑的采用。

第一个是 打架。

在一些对数据很看重的领域，比如行业调研这种敏感领域，最好让模型连续生成至少三次，然后评判结果，是不是有冲突、矛盾。如果内容打架，就重新调整提示词、模型，重新开始。

第二个是 ReAct框架。

思考、行动、观察、思考、行动、观察、思考、行动、观察.... 反复循环。

比如，调研市场，先思考，怎么调研，然后调用工具查资料，之后拿到结果，根据结果再思考怎么进行下一步，然后再.....

第三个是迭代反馈。

其实就是反思，就是如果模型写的代码，报错了，把报错贴回去，然后问模型，为什么报错了，好好反思。

参考资料：

https://x.com/yaohui12138/status/2049693060490203622