模块一：重新认识 AI-Prompt 是新时代的“超能力”

模块一：重新认识AI——Prompt是新时代的“超能力”模块概述你是否遇到过这种情况：兴冲冲地打开ChatGPT，输入“帮我写个方案”，得到的却是一篇空洞无物、完全没法用的文字？或者让它“帮我分析一下这个数据”，结果AI的分析让你怀疑它根本没看懂表格？问题不在AI，而在于你给它的指令——也就是Prompt。这个模块将彻底转变你与AI的互动方式。你会学到一条被全球顶尖Prompt工程师反复验证的黄金公式，能立刻把你模糊的想法变成AI可精准执行的指令。你还会搭建自己的“Prompt实验室”，掌握一套系统化的测试与迭代方法，从此告别“凭感觉用AI”的窘境。学习目标：理解大语言模型的本质，明白为什么Prompt质量直接决定输出质量掌握“黄金Prompt公式”，能够将任何模糊需求转化为高精度指令学会A/B测试和迭代优化Prompt的系统方法建立Prompt版本管理意识，开始积累自己的高效Prompt资产1.1为什么你总是觉得AI不好用？1.1.1同一个模型，不同的结果让我们先看一个真实的对比。场景：你是一名市场经理，需要为新款降噪耳机撰写一份产品推广方案。PromptA（大多数人这么用）：帮我写一个推广方案。AI的输出可能是：一段泛泛而谈的“首先确定目标人群、其次选择推广渠道”的教科书式废话，跟你公司的产品毫无关系，也根本无法落地执行。PromptB（优化后）：你是一名在消费电子领域有10年经验的资深营销顾问。请为我们的新款降噪耳机撰写一份新品上市推广方案。产品核心信息：自适应主动降噪（可根据环境噪音自动调节降噪深度）、续航40小时、定价899元、目标人群为25-35岁一二线城市通勤白领。方案需包含以下结构：市场机会分析（200字以内）核心卖点包装（不少于3个“用户无法拒绝的理由”）推广渠道策略（线上线下，各渠道一句话核心打法）首月推广节奏表（按周拆解，含关键动作和预期目标）语言要求：专业但不枯燥，有数据感，拒绝空洞的套话。同样的AI模型，输出质量天壤之别。区别就在于Prompt——你给AI的信息量和结构化程度。1.1.2大语言模型的本质要写出好Prompt，你需要先理解AI到底是个什么东西。现在的大语言模型，本质上是一个基于概率的“词语接龙”机器。它阅读了人类互联网上几乎所有的公开文本，学习到了词与词之间的统计关系。当你给它一段文字（Prompt），它会根据上下文，一个词一个词地预测接下来最可能出现的词是什么，最终生成完整的回复。这意味着什么？它不是“知道”，而是“预测”。AI没有真正的理解和意识。它只是根据训练数据中的统计模式，生成了一个在语言上合理、在逻辑上连贯的文本。它是“方向盘”，你的Prompt就是方向。同样的模型，你给它一个模糊的方向，它就在模糊的范围内随机游走；你给它一个精确的方向，它就能在精确的轨道上稳定输出。它擅长“模仿”，而不是“原创”。当你给它一个明确的角色设定（“你是麦肯锡合伙人”），它会模仿训练数据中麦肯锡合伙人的语言风格和分析逻辑，输出自然会比“帮我分析一下”专业十倍。理解了这一点，你就会明白：用不好AI，不是AI笨，而是你没把它“放到正确的轨道上”。1.1.32026年，PromptEngineering对你意味着什么两年前，“Prompt工程师”还是一个让人半信半疑的新奇头衔。今天，它已经成为麦肯锡、谷歌、各大金融机构内部培训的标准课程。2026年的PromptEngineering，已经发生了三个重要的进化：进化一：从“问好一个问题”到“设计一套流程”。过去，我们关心的是“怎么问能让AI一次性给对答案”。现在，我们更关心“怎么把一项复杂任务拆解成多个步骤，让AI按照流程依次完成，最后组装成一个完整成果”。这就是AgenticWorkflow的雏形——你在模块六会深入学到。进化二：从“聊天”到“管理一群AI员工”。一个人和一个AI对话，效率是有上限的。但如果你能同时调度三个AI——一个负责研究、一个负责撰写、一个负责审核——你就拥有了一支24小时不眠不休的虚拟团队。这在2026年已经不是科幻，而是本课程后半段你会亲手搭建的东西。进化三：从“凭感觉写”到“系统化工程”。随便写一句Prompt，偶尔也能撞上好结果。但真正的效率提升来自于可复现、可量化、可迭代的Prompt工程体系。这门课会教你一套完整的评估和优化方法论，让你不再“开盲盒”。1.2黄金Prompt公式：一个模板，万种场景1.2.1万能公式解析经过全球无数Prompt工程师的反复验证，一条高质量Prompt可以用一个万能公式来概括：[角色]+[任务]+[背景与约束]+[输出格式]+[示例]这五个要素不是每一项都必须出现——一个简单的任务可能只需要“角色+任务”，但越是复杂、要求高的任务，这五要素的完整性就越重要。让我们逐一拆解。要素一：角色告诉AI“你是谁”，或者更准确地说，“你扮演谁”。❌差：帮我写一封邮件✅好：你是公司销售总监，有15年大客户管理经验为什么要设定角色？因为AI的输出质量取决于它“模仿”了谁。你让它扮演销售总监，它会自动调用训练数据中与“销售总监”相关的语言风格、思考逻辑和行业知识。角色的设定越具体，AI的“表演”就越精准。角色设定的三个层次：基本层：职业头衔（“你是资深律师”、“你是有10年经验的Python工程师”）深入层：职业头衔+经验年限+擅长领域（“你是有10年经验的Python后端工程师，擅长高并发系统设计和数据库优化”）高级层：职业头衔+风格特质（“你是乔布斯风格的演讲教练，善于用极简语言击穿人心，每一句话都能让人记住”）要素二：任务用一句话说清楚你要AI做什么。关键原则：具体、可执行、动词明确。❌差：帮我分析一下竞品（什么叫“分析”？分析什么？怎么算分析好了？）✅好：请对比我们和竞品A、竞品B在价格、核心功能、用户口碑三个维度上的表现，用表格呈现，并在最后给出我们的3个差异化突破方向要素三：背景与约束这是多数人忽略、但高手必用的关键要素。背景信息帮AI理解“为什么做这个任务”和“在什么条件下做”，约束条件帮AI知道“不能做什么”和“必须怎么做”。背景信息包括：谁看这份东西？（“给CEO看的”、“给技术团队看的”、“发在小红书上给普通消费者看的”）为什么需要？（“季度复盘会议用”、“争取预算用”、“对外公开发布”）已有的信息是什么？（“以下是我们产品的核心参数……”、“以下是上一季度的销售数据……”）约束条件包括：字数限制（“不超过500字”）风格要求（“语言简洁有力，避免空洞套话”、“数据导向，每个观点都要有数字支撑”）禁区（“不要使用过于技术化的术语”、“不要直接复制任何竞品的文案”）要素四：输出格式明确告诉AI你要的输出长什么样。这个要求越具体，你拿到的东西就越可以直接使用，而不是需要再花半小时改格式。❌差：给我一些营销点子✅好：请用Markdown表格输出，列为“营销点子|核心逻辑|预期效果|所需预算|执行难度”，不少于8行常用的格式指令：用Markdown表格呈现分“背景-问题-分析-建议”四个段落输出输出JSON格式，键值包含name、price、features每条建议以“【建议标题】”开头，然后展开50字说明用项目符号列表，每条不超过一行要素五：示例给AI看一个你期望的输出样本。这被称为Few-shotPrompting，是大幅提升AI输出稳定性和准确性的“外挂”。示例的威力在于：它用具体例子帮AI“校准”了输出风格、格式和深度，消除了解读上的歧义。一个例子胜过一百个形容词。请根据以下示例的风格和格式，为我完成新的任务。

示例输入：[客户的原始需求描述]

示例输出：[一个符合你要求的完美输出]

现在，请为以下需求生成类似的输出：[新需求]1.2.2实战：用万能公式重写一个Prompt让我们用一个真实场景，一步步套用公式。原始需求：你是HR，需要写一封邮件通知全员下周一办公区域装修，让大家当天在家办公。第一步：明确角色你是公司行政总监，以亲切但专业的风格对内沟通。第二步：明确任务撰写一封全员通知邮件，告知下周一（6月2日）办公区域装修，全员居家办公一天。第三步：补充背景与约束背景：装修涉及A栋3-5层，主要为地面翻新和网络线路升级。当天会有施工噪音和间歇性断网，无法正常办公。管理层已批准。约束：语气轻松但不失正式，体现公司对员工办公体验的关心；提醒员工提前带走个人贵重物品；给出IT紧急联系方式。第四步：指定输出格式邮件标题需包含日期和事由。正文开头是简短背景说明，中间是具体安排（分点列出），结尾是温情提醒和联系方式。第五步：提供示例（可选）以下是之前发过的“台风天居家办公通知”的邮件风格，请参考其语气和结构：[粘贴示例]组合完成的Prompt：你是公司行政总监，以亲切但专业的风格对内沟通。请撰写一封全员通知邮件。事由：下周一（6月2日），公司A栋3-5层将进行地面翻新和网络线路升级，当天会有施工噪音和间歇性断网，无法正常办公，管理层已批准全员居家办公一天。邮件要求：标题包含日期和事由，一目了然正文开头简要说明原因和影响范围中间分点列出具体安排：居家办公的日期、工作要求、打卡方式结尾提醒大家周五下班前带走贵重物品，并附上IT紧急联系人电话整体语气轻松但不失正式，体现公司对员工体验的关心请参考以下之前“台风天居家办公通知”的邮件语气：[粘贴示例]用这个Prompt跑出来的邮件，大概率只需要微调就能直接发送。而如果只写“帮我写一封装修通知邮件”，你可能要来回改三四轮。1.2.3万能公式的灵活运用记住，万能公式不是每一条Prompt都必须严格填写所有五个要素。它是一套思考框架，帮你养成“在发出指令之前先想清楚”的习惯。简单任务（如“把这段中文翻译成英文”）：角色+任务，就够了中等任务（如“写一封商务邮件”）：角色+任务+背景与约束复杂任务（如“撰写一份市场分析报告”）：五要素全部拉满高精度批量任务（如“每天生成50条商品描述”）：五要素+示例（Few-shot）不可省1.3建立你的第一个“Prompt实验室”1.3.1为什么你需要一个“实验室”大多数人的Prompt使用方式是“一次性”的：打开AI，输入问题，看看结果，不满意就关掉，改天再试。这种方式最大的问题是：你永远在重新发明轮子，而且不知道哪次会成功。Prompt实验室的核心思想很简单：有控制地测试、记录、迭代。你不是在“用AI”，而是在“训练AI理解你的需求”。每一次对话都是一次实验，每一个成功的Prompt都是你可重复使用的资产。1.3.2A/B测试：在同一对话里比较效果最基础的Prompt实验方法是A/B测试：针对同一个任务，写两个不同版本的Prompt，分别看哪个输出更好。操作步骤：开一个新的对话窗口输入PromptA，观察输出，复制保存点击“重新生成”按钮，让AI在同一个Prompt下再生成一次——这能帮你判断输出是否稳定开另一个新对话窗口，输入PromptB（改变了某个变量，比如角色设定更具体，或输出格式更明确）对比A和B的输出，问自己：哪个更符合我的实际使用需求？哪个更准确（没有事实错误）？哪个更完整（没有遗漏我的要求）？哪个需要更少的二次修改？A/B测试的常见对比变量：变量PromptAPromptB角色设定“你是营销专家”“你是消费电子领域有10年经验的营销策略总监”输出格式无格式要求“用Markdown表格，三列：策略、执行要点、预期效果”约束条件无“每个策略不超过50字，必须包含一个具体数字”有无示例无提供一个理想输出的示例实战案例：文案风格的A/B测试假设你需要为同一款产品写推广文案，但不确定用哪种风格更适合你的受众。PromptA（情感共鸣型）：你是生活方式类文案专家。请为我们的香薰蜡烛写一段小红书推广文案。蜡烛卖点：纯天然大豆蜡、法国进口精油、燃烧时长50小时。请用感性、治愈的语言，唤起读者对“一个人的放松时光”的向往。PromptB（数据说服型）：你是消费测评类文案专家。请为我们的香薰蜡烛写一段小红书推广文案。蜡烛卖点：纯天然大豆蜡（非石蜡）、法国进口精油（提供检测证书）、燃烧时长50小时（是普通蜡烛的1.5倍）。请用理性、测评化的语言，用数据对比说明为什么这款蜡烛值得购买。两个Prompt分别生成结果后，你可以发到群里问同事朋友更愿意点开哪一条，用真实反馈做决策依据。这就是A/B测试的威力——不用猜，直接看数据。1.3.3迭代优化：从“很烂”到“完美”的三步法A/B测试帮你找到方向，迭代帮你打磨到极致。很多时候，第一个输出不理想不是因为你写错了Prompt，而是因为Prompt还有优化空间。三步迭代法：第一步：诊断——输出哪里不符合预期？用四个维度检查AI的输出：准确性：有没有事实错误？有没有凭空捏造数据？完整性：我要求的每一项，它都覆盖了吗？有没有遗漏？可用性：这个输出我能直接用吗？还是需要大量修改？稳定性：再生成一次，质量会不会大幅波动？第二步：修复——在Prompt里补上什么？根据诊断结果，针对性修改：准确性有问题→增加背景信息，或让AI只基于你提供的信息回答（“只使用以下数据，不要编造”）完整性不够→在输出格式里把每一项要求再明确一遍可用性差→补充输出格式要求，或提供示例稳定性差→增加约束条件，收窄AI的“发挥空间”第三步：验证——改完再测，直到稳定达标将修改后的Prompt重新跑3次，看输出质量是否稳定。如果三次都满意，这个Prompt就完成了从“草稿”到“可用版本”的进化。把它存起来，下次直接用，不用再从头写。迭代实战演示：一份数据分析报告的Prompt进化V1.0（初版）：帮我分析一下这份销售数据。AI输出：一段泛泛的文字，“销售总体呈现增长趋势，部分品类表现突出……”——无法用。诊断：角色缺失、背景信息零、没有指定分析维度、没有输出格式。V2.0（加角色和任务）：你是电商数据分析师。请分析以下销售数据，找出增长最快的品类，给出原因分析和优化建议。AI输出：比V1好一点，但分析太浅，“原因分析”只是猜测，“优化建议”也是万金油。诊断：背景信息不够（AI不知道业务背景，只能瞎猜），输出格式不明确导致分析没有深度。V3.0（加背景、约束和格式）：你是电商数据分析师，有5年快消品行业经验。以下是某天猫店铺2026年Q1的品类销售数据，包含品类名称、销售额、销量、同比增幅、毛利率五列。请完成以下分析，并用Markdown格式输出：用表格列出Q1销售额TOP5的品类（含同比增幅和毛利率）找出同比增幅超过30%但毛利率低于20%的品类，分析是否存在“增收不增利”的风险基于以上分析，给出Q2的品类资源倾斜建议（至少3条，每条附数据依据）约束：所有分析必须基于所给数据，不得凭空推测。如果没有足够数据支持某个结论，请明确说明“数据不足无法判断”。这一次，输出大概率可以直接放到你的季度复盘PPT里了。这就是迭代的力量。1.3.4避坑指南：三个最常见的“自毁式”Prompt写法在建立实验室的过程中，你会犯一些错误——这很正常。但下面这三个坑，踩了之后后果很严重，最好提前绕开。坑一：让AI“编造事实”AI在信息不足时会“自信地胡说八道”（幻觉）。如果你让它“分析某公司的财报”但没给它数据，它可能会编造出一套看起来像模像样但全是虚构的数字。预防方法：强制要求依据来源：请只基于我提供的文档内容回答，不要引入外部知识。如果信息不足，请明确标注“无法确认”。对高风险任务（法律、财务、医疗），额外加一句：请为每一个断言注明其依据来源（引用原文段落或数据行号）。用一个小技巧进行“自我审查”：在Prompt结尾加一句——完成上述任务后，请自我检查：上述内容中有没有任何陈述是我提供的信息中找不到直接依据的？如果有，请用【不确定】标记。坑二：角色设定冲突“你是医生也是律师，还是一位资深注册会计师……”这种Prompt会让AI在多个角色间混淆，输出四不像。预防方法：一个Prompt只设定一个核心角色。如果任务确实需要多角色视角，分两轮对话进行：第一轮让AI以角色A产出内容，第二轮让AI以角色B审阅和修订角色A的内容。坑三：一次塞入太多复杂要求“帮我写一篇市场分析报告、同时生成10条推广文案、再设计一个调研问卷、最后把所有内容翻译成英文……”预防方法：长任务要拆解。一次对话只聚焦一个核心任务，完成后再进行下一个。如果你需要AI处理多个子任务，用结构化指令让它分步执行：请分步完成以下任务：第一步：完成市场分析报告的主体第二步：基于报告结论，生成5条推广文案第三步：设计一份消费者调研问卷每完成一步请暂停，等我确认后继续下一步。1.3.5开始积累你的Prompt资产Prompt是你花钱（时间、精力、订阅费）换来的生产力工具。每一个经过验证的高质量Prompt，都是一项可重复使用的资产。建立你的第一个Prompt库：字段说明示例名称给这个Prompt起一个你一看就懂的名字小红书爆文生成器v2.3场景什么情况下用它新品上市时需要批量生成种草笔记Prompt全文完整可复制的Prompt文本[完整Prompt]效果评分你对它输出质量的评分（1-5分）4分——风格贴合，偶尔标题不够抓眼球迭代日志每次修改的记录v2.2加了角色设定，v2.3优化了输出格式成功案例一次实际使用效果特别好的输出截图[截图]推荐工具：用Notion或飞书的多维表格建立这个库，可以按场景分类、搜索关键词。当同事问“你这个是怎么让AI写出来的”，你直接甩一条记录过去——你的专业形象就是这样建立起来的。版本管理小习惯：每次发现一个Prompt还有优化空间，不要直接覆盖原版，而是复制一份，把版本号从v2.3升到v2.4，记录改动内容和原因。这样当你改坏了，随时可以回滚到上一个稳定版本。这个习惯在Prompt数量超过50个以后会变得无比重要。实验一：你的第一个Prompt优化任务实验目标选取你工作中的一个真实任务，运用本模块所学的黄金公式和迭代方法，将一个“随便写写”的初版Prompt优化到“可直接使用”的高质量版本。实验步骤第一步：选任务（5分钟）从你的日常工作中选一个你经常需要AI帮忙的任务。建议选一个你已经尝试过但效果不理想的任务——这样优化的效果最明显。示例任务：给客户写一封项目进度同步邮件根据会议记录生成待办事项清单为老板准备一份周报写一段产品介绍文案第二步：写初版（记录你的“原始Prompt”）（5分钟）把你平时随口对AI说的那句话写下来，不加任何修饰。这是你的V1.0。第三步：套公式优化（15分钟）对照黄金公式的五要素，逐项检查你的V1.0：有没有设定明确的角色？能不能让角色更具体？任务描述够不够清楚？动词够不够精确？有没有给AI足够的背景信息？有没有设定约束？有没有指定输出格式？格式够不够具体？能不能加一个示例帮助AI校准？把每一项补充后，写出你的V2.0。第四步：A/B测试（10分钟）新建