关于提示词工程的100个问题

第一章提示词还值得学吗 9 9 26 25.XML标签是Claude专用 26.什么样的一句话提示词值得升级成结构化模板？ 4027.模板里的完成标准和禁做事项为什么比 4228.怎么让AI先问清楚需求再动手？ 43 44 46 47 48 49 第三章照着做为什么翻车 35.昨天还好用的提示词今天失灵，先查哪三件事？ 42.聊到第三十句AI就忘了早先的 44.整份文档全塞给AI，为什么答 45.输出格式靠示例演示，为什么会悄 46.AI一本正经胡说，交付前用哪张清 49.你是资深专家的开场白，为什么现在 50.不要编数据和只用真实数据，哪个写法更有效？ 51.提示词里的CRITICAL和 第四章高频活儿拿来就抄 59.周报只会记流水账，怎么让AI扩成结构化复盘？ 65.商务邮件怎么让AI润色不跑调？ 67.陌拜、跟进、求转介三类邮件的提示词差在哪？ 100 101 102 103 104 105 106 10783.别人的好模板怎么改造成自己的？ 108 109第五章模板用熟后往哪走 111 112 113 11489.黄金测试集怎么建，多少条够用？ 115 116 117 118 119 121 122 12497.Agent跑十几轮就乱，和写 12598.2026年的提示词工程师实际在干什么？ 127 128 129第一章提示词还值得学吗但同一批调查里藏着另一句更重要的判断，清华大学AI技术报告的示词能力将成为各行业从业者的必备技能，而非独上遍理/xz/zyts/202505/20250514个八九不离十。这话对一半。猜得准的部分，是模型的推理和意图识别确实变强了；清楚；不讲，他做得越快，偏得越远。吴恩达2026年提示课程的件事，原话直译过来：现在是2026年，给AI模型写提2022年刚出现时已经很不一样了——但"把AI用好，仍然是所以准确的说法是：烂提示词的代价变小了，好提示词的价值变大了。以前好词能救烂模型，现在烂模型没了，可你的需求只有你自己知道。一条提示词•[]我要的结果，说给一个聪明但不了解背景的同事听，/en/docs/build-with-claude/prompt-engin/watc这场争论的双方其实没在吵同一件事。喊"已死"的人说的是：那些202语——"深呼吸""一步一步想""你是世界级专家"——已经被模型吸收掉了，念念。这不是修辞，是有机制解释的：模型的强化学习训练把互联网上每一篇技巧文章都吃进了训练分布，咒语从"超出预期的触发自然不再产生超额收益。"深呼吸、一步一步来"这个写法在它的黄金年代曾给模来可测的准确率提升，到2026年，同样的咒语换来的只是一个被训有礼貌的耸肩——那批咒语的验尸报告在第喊"没死"的人说的是另一件事：把任务拆解清楚、把约束写《PromptEngineeringisDe轮"写得更像个聪明的大学生"，第三轮"重点改成提示词没以前重要了"。宣告https://dev.to/gabrielanhaia/prompt-engineering-is-mostly-dead/r/PromptEngineering/comments/1rci46t/p一位在电子设备制造公司干了六年、手下管着十五个程序员的老职场人，着我整理的skill，用AI能做出和我一模一样的产品。那我存token消耗和效率提升，"30%到40%的人可能被优化"的传闻在内但看清封装的边界：skill能封装的是"步骤"，不是"判断"。哪一步该跳过、哪•[]圈出判断密集的部分（要背锅的决策、要担责的取舍把/detail/177621种疲惫感在2026年的社交平台上随处可见。四个热词其实是一层裹四层工程——提示词工程决定模型单次调用看到的输入怎么写；上下文工喂给它什么信息、什么时候清空重来；再往外，harness工程搭工具和护栏的骨架，loop工程管多轮循环怎么自我纠错。四层不工程（来源：/_avichawla/status/207298027787038336比如上下文工程落到普通人身上就是三个动作——长文档先让模型提取相关段分析、新任务换新窗口、常驻规矩写进系统位——十分钟就能学会（第43、44）；的长到那个规模再学不迟。真正该警惕的是用新名词包装的旧课程：课名1）Prompt,context,harness/_avichawla/status/2072026年各家官方提示指南都更新得很勤，而且全部免费公开。零基分复杂任务、给模型思考时间、用外部工具、系统性测试）是全行业通用•[]配套练：吴恩达的完整提示课程（视频边看边在我的任务：【填你要交给AI的事，比如写周报/整理会议纪要】要读的官方页：【填上面四站里跟你模型对应的那份】读的时候找三样东西：2.它反复强调的规则是什么3.我能抄走哪一段直接用直述，因为新模型对指令服从性变强，喊"CRITI触发（第51题细讲）。遇到冲突，以你在用的那个模型的自家文档为的规则混着用：提示词是写给具体模型看的，不是写给"1）《2026年提示工程指南》IBMhttps://www.ibmengineering2）Promptengineerin/docs/guides/prompt-engineeringstrategiesGooglehttps://ai.google.dev/gemini-api/docs/prompting-stratePromptingbestpracticesAnthropic/en/docs/buclaude/prompt-engineering/claude-prompting-best-格式、示例俱全的一段结构话——"对比这三个产品在定价、渠道、留存上的能交。判断差距有个粗暴的听感测试：会拆解的人向AI描述任务时随手抓一个今天要做的模糊任务，拆成四行：2.输入：我手上有什么【资料、数据、背景】4.输出：我要拿到什么形态【表格/清单/文案】拆解能力在提示词之外也在值钱：写周报、给下属派活、向上汇报，本质都是拆解。果，有时平平无奇。我意识到这更多取决于你怎么用这个工具——理解这些模人，拿到的结果就是更好。"楼下一条回复补了刀：这条学习曲线有一半在优化，不全在提示词。所谓模式，就是把问题想清楚的能力——提示词只是里那就是一百份高度同质的输入——原文的判词很扎心：你以为买到的是•[]它讲的东西，官方免费指南里有•[]价格除以课时，贵没贵过知识免疫的办法只有一个：先把第6题那四份官方指南免费学完，再回头/p/1987VMware的两位工程师做过一个系统实验：让算法自动优化提示词，和人类专家反复手工调试比武。结果一边倒——自动生成的提示词几乎在所有情况下都胜且速度是几小时对人类的几天。IEEE报人类想得出来，其中一条通篇是星际迷航台词——"指挥官，我们需要你绘越这片乱流、定位异常源"——让模型自认为是柯克舰长，小学数学成绩反做实验的工程师里克·巴特尔的原话："很多人因为模型'会说英语'就把它拟人化。不，它不做这件事。它做的是大量数学。"他的结论干脆它什么叫"好"。样例从哪来？你的真实业务。标准从哪来？你对"做成"的定义样机器给不了自己。人工和自动调优的分工，一张人所以人的价值收敛到两件事：定义问题，判断结果。措辞层面少操心，把力气花/prompt-engi当前输入——任何一条像样的提示词都是这六件的排列组合。缺件的后果各不相同：），再出结果，把思考权从它的自由发挥里收回来；治废话的约束驱动型——内容、形式、质量三层约束加一个"泛泛而谈就重新生成"的自检开关；治一次不成的型——不求一步到位，用三轮对话逼近（第22到24题各给全/fh/files/misc/workspace_with_gemini官方指南把最小模型压成四张卡：人设、任务、上下文"六件套正是这四张卡的展开：约束、示例、当前输入，都是"•[]三模板：拆解型治跑偏/约束先把这个最小闭环用熟两周，比收藏一百个技巧帖值钱——这是全书唯一需要缺的是复盘——用十次和练一次的区别，在于每次有没有用量不等于功力。身体只对"正确的刺激加修正"起反应，AI一样：它每社区有个共识性的观察：AI的学习曲线"一半在上下文，一半在提示词今天哪一次AI输出让我不满意？1.我当时怎么说的：【原话贴进来】2.它给了什么：【不满意的地方贴进来】3.问题出在我还是它： -我没说清楚哪一点？（目标/约束/格式/示例，四选一） -还是这活根本不该一次问完？（该拆成两步）精髓在第三问：把"AI不行"翻译成"我哪没说清"。翻译得多了，六件套就从知识肌肉记忆。真正的资产是第四问——每天多写的那一句话，攒一个月就是一于你的修正记录，每一条都对应一次真实翻车，这比任何课程都贴近你的工没说清格式"就说明你总跳过六件套的第四件，全是"没给背景"就说明你默三个信号里最容易被低估的是"出错代价"：判断标准不是任务重不重要投入。两绿一红：把第三章排错章过一遍，缺哪补哪。三个红灯：全书读有个旁证值得玩味：吴恩达2026年那份基于一万多个招聘岗位分析AI专家做出的工程技能地图里，四大技能是构建部署AI应用、软件工程经不是加分项，是默认项：三个信号越红，越要在这个默认项上/AndrewYNg/status/208第二章一句话怎么长成结构我要对整张表的所有行自动求和，所有合计放在右侧一个叫Total的列标（整列自动求和）、位置（右侧Total列）、范围（整张表）全在里面每次猜的方向还不一样——今天给你公式，明天给你菜单路径，后天给教程，你以为它不稳定，其实是你的输入每次都在诱发不同的•[]动词升级：把"求和"改成"帮我在右侧•[]交付形态：要公式、要步骤、还是词里没这个信息，AI就给你一份"谁都能用所以谁都不合用"的通用版。关键词和任务描述的分界线就在这：关键词描述主题，任务描述意图加上交付物。是不合格的——搜索引擎要的是线索，AI要的是任差在AI替你编了多少——不给素材和结构，它只能三要素指令（身份、素材、结构同一家模型的输出直接能改改交差：我是【岗位，如：互联网运营】。根据下面的关键词，扩写成本周周报，包含四个模块：本周成果、数据分析、问题反思、下周计划。要求：每条成果必须带一个结果或数据（没有就标【待补】三要素各自的用途：身份决定口吻和默认视角（运营周报和研发周）；放大你给的信号，不能凭空生成你的工作事实。所以喂碎词时有个技巧：每个救命的是最后那句"不许编造数字，素材不足标注待补"。没有它，AI会热补一个"环比提升25%"——数字具体到个位，语气笃定到你可能真敢周报里。哪些数字必须人工核，第61题有一缺"任务"直接答非所问，缺"输出格式"最常翻车——按症状对号入座，一件一件补。六件套是角色、任务、约束、输出格式、示例、当前输入。它们不是并列的装饰品，#角色你是【身份】，服务对象是【受众】#任务 #约束#输出格式 #示例#当前输入 从零搭一条提示词，按这个顺序填最顺：先写任务（一句话说清色按需加——示例在风格敏感的任务上价值最大，角色在口吻敏感的任务上价稳定性比一段话糊上去高一个档次。不变者在前，多变者在后——官方的推荐顺序是身份、指令、示例在前，素材垫底。OpenAI官方给的结构是四段：身份（Identity，说明目变。这个顺序还有一层经济账：各家API的提示词缓存按"前缀相同 角色：你是【身份】任务：【目标+完成标准】格式：【输出形态】示例：【2–3个输入输出对】 素材：【本次的真实输入】顺序排错的典型症状：素材贴在最前面、要求写在最后面，模型先花大量注意一个容易混淆的例外：长提示词内部"关键指令放开头或结尾"说的是信息位间是注意力洼地（第30题）；这里说的段落顺序是结构习惯突：段落按"稳定在前"排，段落内部的关键句再按"首尾优解释了为什么，模型会顺着目标自己调整分寸；只给命令，它只对字面为为什么重要——能帮助模型更好地理解你的目标，而且模型聪明到能从对照实验最能说明差距。要求"控制在280字以内"，模型会数着279字，多一个都不给你；要求"这条内容要直接发推文，超过2断"，模型的行为立刻不同——它会主动压缩冗词、调整句长、把最重要的信息前移，规则：【你的约束】超行会撑破表格"的模型，会在内容超量时主动提炼而不是每条重要约束后面跟一行原因，成本十个字。哪些约束最值得配原因：字类（防机械执行）、行业禁忌类（防误踩）、优先级类（"速度优先于完美示词我十秒内就写完了，那它多半不够具体。"十秒能写出的典型是"帮我把这段改好一点"：改到什么程度、给谁看、保水平的好"处理——而平均水平的好，就是平庸。写一条及格的提示词，先过•[]结果给谁用、用在哪（老板的邮件还•[]有什么不能碰的（事实、数字•[]要什么形态交付（改写、批注、重次数减半——省下的不止一百秒，还有来回拉扯的耐心。十秒提示词不是不能最猜不准的变量；第二问定验收线，没有验收线的"好"会被它理解成平均的问划禁区，模型不知道你的事实边界在哪，默认它可以十秒提示词也不是一无是处——头脑风暴、起名字、随便聊聊这类低代比精值钱。判断标准还是那句话：输出的代价越高，三到五个，要多样；超过这个数，模型开始学Anthropic官方的建议是三到五个，并且给示例提了三个要求：相关——贴近你的真是规则哪是示范。Google那份指南补了另一半警告：示例太多，模型会过拟合•[]每个示例都和真实任务同构（不是随手•[]示例之间有差异：一个正常输入、一个边缘输入•[]格式完全一致：标签、空行、分隔符一模一样——模型对格示例从哪来，比给几个更重要。最好的来源是你自己的历史最佳产出：那表扬的邮件、那份一次过的方案——它们自带你的风格和标准，是任何"优秀板"替代不了的。其次是同事的好稿，再次才是现编——现编的示例容易过于理想真的，有论文背书——模型看的主要是格式和分布，不是逐个标标签空间和输入文本的分布都重要标签空间和输入文本的分布都重要——"无论单个输入的标签是否正确。"示例用随机分配的标签，效果好于完全没有标签；从真实分布里随机抽标只要标签的种类对（就那几类）、输入的样子对（和你真实任务同类）、格），•[]每对输入输出的排版完全一致（同一标签、这个发现改变了准备示例的流程：第一步先定标签集合（就这几类）；步把输入输出对的格式完全统一（这一步最值钱）；第三步才是校对标签），权威教程页的结论很干脆：标准few-shot在常规任务上好用，但碰到的问题（数学、常识推理、符号操作），加示例也救不在于模型缺的不是"看示范"，是把问题拆成步骤的能力——示例教得再好，它先补一个基础概念：思维链（chainofthought）就是让标准模型"先写出推理过再给最终答案"——一句"请一步步思考后再回答"就是最简版。它的增益有数字：在标准模型上，显式思维链对复杂推理任务的提升显著；失效的识别信号也有规律——输出看起来有模有样，中间某一步悄悄错了，结论跟着错。这不是示例不够，是加数量两个分岔要记住：思维链只写给标准模型，推理模型自带推理，写了）；任务拆解型模板：先想后做——把思考权从它的自由发挥里收回到你的设跑偏的根源是提示词只给了目标没给路径，模型自己选了条最省事的路走。它的机制值得说透：普通提示词把"怎么想"整个外包给了即兴的方向和你不合；这个模板把思考过程拆成显式的三步——先拆问题路、最后才出结果——等于你替它把思考的流程设计好了，它只需要在每内容。你把"思考权"从模型的随机性里拉回到你的约束驱动型模板：内容、形式、质量三层约束一起上——最后那句自检开关AI啰嗦不是性格问题，是你的提示词里没装刹车系统。模型默认的行为策略是"把能说的都说全"，因为这样最不容易被挑错。治法全文-不允许出现：【不想要的，如：空洞总结句、"在当今快质量标准：质量标准：三层各有分工：内容约束划掉水话的藏身处（那些"总而言之""值得注意脚点）；形式约束给长度和结构上硬闸——字数是最好验证的约束，模型草稿不算数，我要的是过审版"，模型会自动提高输出标准再约束被无视时的升级路径也有讲究：先检查是不是约束太多稀释了权重—）；）；交互迭代型模板：别指望一步到位——高手从不追求一次完美，而是设计三全。"一次性把所有要求塞进一条提示词，模型在几十条要求里顾此失彼；第二轮：具体改，不给评价第三轮：锁格式，要终稿入新问题——模型的"局部修改"偶尔会顺手重写你没让动的地做最后的事实核（第46题）。三轮之后如果还不满意，收益就开始递减该怀疑的不是轮数，是任务本身该拆或者素材不够，硬聊是浪费弹就是新一轮跑偏；每轮只改一类问题——第一轮管结构、第二轮管内容、第不是专用，是通用结构手段——三家官方都认，Claude只是吃得给的理由很实：标签能无歧义地区分指令、上下文、示例和变量输入，混在结构，因为模型的输出格式会向输入格式看齐——你用标签组织输入，它用<good_example>比<example1什么时候标签价值最大：素材多的场合。指令说"基于文档一和文档二对比"，<documentindex="1">、<documentindex="2">包起来，模型引重复三次以上的任务就值得；只用一次的，写模板判断就两条：频次和复用面。天天写的周报、每周的纪要、常发的换句话说，模板不是设计出来的，是从你的重复劳动里长出来的。模板定稿标个版本号，大改一次升一版——将来某天它突然不好用了（第模板分了段，哪段出问题改哪段，其他段不动——这在提示词越用越多之后会刚需——尤其当一条模板开始被第二个人使用时，分段就是你们协作的结构化模板里最容易被忽略、也最值钱的是Goal里那两个字段：完成Criteria）和不做的事（Non-Goals）。原理一句话：角色标准是验收条件，决定结果能不能用。角色写"你是资深产品顾问"，模型演得样，但"资深"的标准在它训练数据里是平均水平的资深；完成标准写"老板五）：-【可验收的条件，如：老板5分钟内能看懂并做决策】）：-【明确排除，如：不做竞品财务估算；不扩展到海外市场】Non-Goals控制在三到五条——太少拦不Non-Goals的价值常被低估：它防的不是模型偷懒，是它热情过头。不给排除范围，先问我3–5个完成这个任务必需的问题，一问题要具体到可以直接回答（如：受众是谁这招有学术出身：范德堡大学2023年发布过一套十六个提示模式，究者称之为"控制反转"。它为什么有效：信息差是双向的。你知道目标和约束，但不知道哪些细节会改变输出；模型知道哪些细节重要，但你没给它。让它问，比你自——这批问答就是本次任务的需求文档，模型对自己的提问记得比你打的一段背景牢。常见的追问清单也值得备一份：受众是谁、用途场景、篇幅限么、有没有忌讳、成功长什么样——六问过完，绝大多数任务的模糊地带就清空了。源：/alex_prompter/status/2086807496942068197，快照模板里那句"不要问空泛问题"是经验补丁：不加它，模型的第一个问题常常是"需求越模糊、代价越高的任务越适合；需求明确、错误无害的别用，一个进阶玩法来自程序员社区的实践：新开一个会话，先让AI根提示词，再用这条提示词去干正事——等于用一次反向提问，换一条更专业成本账也简单：反向提问多花一轮对话、大约一分钟；需求没问清的返工，通正收益——代价越高的任务收益越大，给老板的东西、对客户的东西、要发出不能撤的东西，都值得先被采访一次。反过来，写给自己的草稿、错了随手扔问——后一种情况反向提问是仪式感，不是生产力。拿不准的时候算一笔或结尾时，性能最高；当模型必须从长文本中间获取相关信息时，性能显著下降—这条曲线在会话里的推论更实用：你在第三条消息里立的规矩，到第三十条正躺在注意力最弱的中间带——不是模型翻脸不认，是物理位置不好。所以关官方的配套建议也是同一个方向：素材在前、问题在后。"根据以下材料【材出处（来源：/Xudong07452910/status/20三组硬数字。研究侧的测量：大模型推理性能从约三千token不但不伤质量，还是提质手段。机制侧的解释：注意力随长度平方级稀释，叠•[]删掉所有客套包装："请你""需要注意的是""也有该长的时候：规则真多的复杂任务，先别硬删——把互相重复的合并（），原则，第40题压完还长的，考虑拆成提示词链（第24肥减的是废话和重复，不是砍功能。这是个可靠性阶梯问题，工程侧的定论分三级：第一级，在提示词里描述格式回含name、score字段的JSON"正确率大约八成到九成五——失效是隐类型对，但值是错的；第三级，原生结构化输出（受约束解码），在生成层面禁止非法token——该出左花括号时，其他token的概率被法输出非法格式，这是数学保证而非统计概的外部API的输入来对待"——结构对了值也可法性）永远要有。普通人够到第二、三级的路子也比想象中近：主流A里普遍有"结构化输出/JSON模式"开关，办公插件的"字段提取"功能背Schema约束——你不需要写代码，只需要知道那个开关解决的是什么层级的问题。给它一把尺子——评分量规自评：先打分、再按分改稿、只交修"帮我检查一下"是无效指令，模型会回你"整体不错，以下小建给你的稿子按以下三项各打1–10分：2.新手能跟上吗3.读起来像人写的吗打完分，按你自己的分数修订，只输出修订后的版本。进的一处"——分数要可解释，自评才不敢放水。量规设计还有三原则：维度要断（"新颖"难判，"新手能跟上"可判）、维度三到五个（多了稀释）、必要时给（"准确性权重高于文采"）。量规一旦好用就固化进模板——同一类任务的评分要——判断标准一条：这条提示词你会打第二次。存法从轻到重四档，别AI客户端的智能体/助手加版本记录与变更原因（第好。两条实战经验：别追求分类完美——有人用Telegram私有手记一行"适用场景+上次验证日期"——模型升级后老提库建起来后的两个使用习惯决定它的价值：一是检索靠标题——标题按"场景+动也定时做：每季度把一次没用过的条目删掉或归档——库是工作台不是仓库第三章照着做为什么翻车你以为提示词坏了，其实是提示词下面的地面动了。第二，提示词被改过：半年前的，模型夹在新旧两个标准之间无所适从。排查顺序就是按验证成本•[]第一查：模型变没变——网页端看默认模型是否被切换，API•[]第三查：示例配不配指令——把指令的每条要求抄下来，对着入输出存下来当基准（第57题否则你连"新版比旧版好"都了掷骰子。多数"突然失灵"最后都落在第三查上：不是提示词老了，是指令和还要区分"失灵"和"过时"：失灵是突然的，指向某给提示词减肥——新的模型世代普遍偏好更短更直接的指令，老提示词的很多大模型的生成机制决定了它不是查表：每次回答都是从概率分布里采样选词句话采到的路径天然不同。Google官方指南开篇就承认这一点：模型输出是性的，这是机制，不是故障。开发论坛上有个流传很广的个案：有人把网页的提示词，你永远得不到一模一样的输出，永远。"想压随机性，第一个想到的旋钮是temperature：0意味着永远选出趋近确定；调高则更发散。但它只管"抽样抖动"这一层——同一个问题它每次提示词说死+结构化输出兜底（第32图接受"抖动"、把一致性需求转移到格式层，是省心的开始。偶尔不稳是采样顺手把采样机制讲透：模型每生成一个词，都是在候选词的概率分布上"掷一次"——temperature调低就是把骰子换成了"永远选最大概率"，调高是让骰子更公平。知道这个，就知道何时拥抱抖动：起标题、想创意这类任务多roll几次挑动是免费生产力；做表格、抽取这类任务，抖动才里整个删掉了事。社区给的解释拆开是三层：网页聊天产品在你看见的输入框之外，注入了它自己的系统提示和工具（联网、搜索、图片理解你的提示降七成（来源：/_avichawla/status/204668517266671257迁移提示词的正确姿势是当"草稿"不当"•[]到新环境先跑五个代表性输入，看•[]差在口吻——补角色和示例；差在格式——补格式约束；差迁移前做一次环境盘点，把三个不对齐找出来：工具集——网页端能联网、能看图、能跑代码，API端这些都要显式开；系统提示——网页端的默认人设和语差异全算在版本账上。三个对齐做完再评价提示词好不好，否则你调的每一步都在移动靶上。因为示例和指令打架时，模型听示例的——机制讲得很清楚：指令是一段话，示例是反复的示范，在注意力上示范的权重更重。有个审计过的真实事故完整还原了全过程：一个客服分类提示词，指令早就改返回带reason字段的JSON"，示例还是半年前的纯文本单分类准确率悄悄掉了约十五个点。没有报错，没有工单，模型每天都在正常出结果，只是结果慢慢地不对了，直到有人对账才发现。把示例重新同步，一个提交•[]数一数示例违反了几条新要求——三条以上为什么注意力偏爱示例：指令是"被告知的"，示例是"被演示的"—示例还是文本）、加新要求时（指令多了字段，示例没跟上）、换模型时（分；十一条以上，遵守哪条看输入的运气；十六条以上，基本失控。更麻烦的下来的规则往往不是最重要的，而是"最具体的或最新的"——这就是为什么一条•[]数一遍规则条数——凡"不要""必须""禁止"•[]七条以下但还想加新规则：先删一条旧的再进新的规则数量的本质是注意力预算：每条规则都在稀释其他所有规则的权重。规则真正被遵守，最好的办法不是重复三遍，是删掉十稀释前十条的效力。所以堆叠的真实进程是：前几条规则解决真问题，后面的压缩法是现成的，步骤极轻：把每条规则写在一张便签上，按意图分堆—整套评测分数反超堆叠版——注意力回来了，边角情况由示例扛着，两头都没丢。实战演示。假设你攒了这么一堆：不许用第一人称、不许感叹号）：2.结构固定：最多三段，段内分点，结尾3.内容实在：每段带一个数据或实例，不自夸示例：【贴一个你亲手改过的理想输出】分堆的实操有个快办法：把便签按"动作"归类——所有约束"写法"的归一堆（文格式、结构所有约束"内容"的归一堆（必须含什么、不许提什么只剩两三堆，这个数字本身就是诊断——堆数越接近条数，说明你的规则写得越碎，第一组来自斯坦福、发表在计算语言学顶刊的实测：长上下文里，信息放在开样。第二组来自一家向量数据库厂商的工程团队：他们拿十八个主流模型做实测，发现有的模型输入到五六百词就开始衰减；上下文里塞进一个无关干质量就有可测的下降；塞到四个，质量成倍跌。Anthropic官方随后把这两个结论收上下文必须被当作一种边际收益递减的有限上下文必须被当作一种边际收益递减的有限•[]大文档别整份贴，先让模型提取相关段落把"变笨"拆成三类，对症下药：抖动型——同样问题每次答案略不同，那是采36题）；衰减型——聊得越久质量越差，那是本题的窗口问题；污染型救不了窗口的物理，但能救规矩的位置——把重要规矩从"中间带"挪回"现第三十条消息时，你在第三条消息立的规定正躺在注意力最弱的位置上——它删除，只是被埋了。工程师侧的解法叫重申：把关键指令周期性地带回结尾•[]会话超长且质量明显下滑时，开新窗，只携带"已确 已确认的决定：【列点】必须遵守的规矩：【从旧会话抄过来】请基于以上继续：【当前要做的事】率没有精确公式，经验是每十到十五轮、或每次任务切换时来一遍；重申时顺手让AI复述一遍关键约束（"开始前先复述你要遵守的三条规矩"复述过的规任务换了、素材换了、输出开始串味——三个信号任一出现，立刻开新窗，有位设计师的教训值一千条建议：他抱怨自己的AI绘画越用越差，对•[]素源换了——上一个客户的资料还在窗口里，下一个客户目绝不混；按天清理——当天收工时，把结论沉淀进笔记（一分钟后你自到那个精彩回答在哪条消息里第二天开新窗带结论开工。这两个习惯的隐含假更多上下文不等于更好上下文。整份四十页文档丢进去，模型倾向于扫过住开头结尾（又是那条U型曲线答案自然泛；而且"从一大堆里找第一步：第一步："从下面的文档里，提取与【我的问题】最相关的5段，第二步：第一步是低难度高确定性的体力活，模型几乎不会出错；第二步的注意力全部在五段有效内容上，没有噪音稀释。什么时候可以整份塞：文档本身不长（以内）、你就是不知道该看哪、或者任务就是全文通览。知道该看哪的时候一旦允许总结，提取环节就开始夹带它的理解——你以为拿到的是原文，其实是二手转述，第二步的分析就建在流沙上。这个两步法还有个省钱的副产品：只有第一步需要喂全文，第二步只带五段引用——反复迭代分析时，你不用每次都付整份文这个反模式的机制：用一两个示例演示输出格式，模型确实会模仿——对结该有的字段少了，或者多出一段"好的，以下是您要的结果"。最阴的是失效的均匀：生产流量里八成长得像你的示例，格式正常；剩下两成在评测盲区里•[]结果要进流程的，直接用结构化输出或函数调用，把格式一句话记住分工：示例教语义（每个字段里该装什么内容结构定义管形状。把结构指望在示例上，等于把法律写在故事书里——读者大概率学得会，但没人结构写死要写到三样：字段名（有哪些键）、类型（每个键是字符串、数字组）、顺序与必填（哪个必须有、哪个可省）。检测格式漏没漏有个土办法个"长得不像示例"的刁钻输入试一遍——超长的、为空的、字段残缺的，格式46.AI一本正经胡说，交付前用哪数字、人名、引用、结论四类必核——连卖AI周报工具的厂商都把自那家办公软件厂商在自家文档里写得很老实：AI生成的周报本质上是草稿稿；金额、数量、进度百分比这类关键数据，务必逐一核对。卖货的都这么说/fh/files/misc/workspace_with_gemini•[]人名职务：谁说的、谁负责、向谁汇报——AI会张冠李戴，壮——它不报错，只是把"我觉得"说成"事实证明"）。为什么AI偏爱编具体练数据里，具体数字总与可信内容相伴——它学会的是"具体显得可信"，不是"具体必须属实"。清单是事后拦，事前防的那一句提示词，第47每查的动作再具体一层：数字全核，是对着原始来源核，不是对着AI明显、业界、公认"这五个词，每处逼自己给出依据或降级表防不了全部，但它是性价比最高的一句——它给了模关键事实是编的。"原理不复杂：默认设置下模型被训练成"尽量给答案"，没有拒答许可时，它宁可造把话接圆——空着比错着更违反它的天性。这句提示词改的不是它的知识的默认策略。适用边界也要清楚：研究、分析、事实类配合第46题的清单形成闭环：这句管出口（少生成这句还有三个升级变体，按需取用：要置信度——"信息不足时，说明不足在它把幻觉合法化了，只适合"有个方向总比没有强"的探索基本没了——它们被模型的训练过程吸收了，收益归零，有的还来约7%的提升——那是它真实的黄金年代；到2026年，一个被训练过的模型的有礼貌的耸肩。死因很体面：模型的强化学习训练上每一篇提示词技巧文章都吃进了训练分布——每个发技巧帖的人都在替模型补课。咒语时代结束了。把功夫花在结构上——那是训练吸收不掉的边界说清楚：表里留了"标准模型仍有效但已弱化"一格——深呼吸、一步一宜的标准模型上还有残值，因为那些模型的训练吸收不如旗舰彻底；你用的是免费因为在更强的模型上，人设带来的增益掉进了噪声两路证据。实验侧的记录："你是世界级专家"这类人设预设，在弱模型增益——人设会把模型"推"进更高质量的输出分布；在当前的前沿模型上，多用戏剧腔换走了指令精度。适用边界也很清楚：角色扮演对开放式创作类任用（写小说要的就是那个人味对分类和事实问答基本无效——你让谁来别靠人设，靠素材：贴领域资料、术语表（一个判断技巧：如果你的角色设定删掉后，输出的实质内容没有变化，只化——那这个人设就只值口吻的钱，别再指望它带来专业性。专业性从来不人设改变的是表达层。一旦你期待它改变能力层（更专业、更只用真实数据——否定式指令是往模型脑子里塞粉红实测结论一致：正向表述稳定优于否定式。"别想大象"你会想大象，模型同的诀窍是把"避免什么"改写成"只做什么"或"做什么到什么程度"——给一个可目标，而不是一个需要绕行的雷区。翻不成的（安全红线类）保留重话，但出正向版本，两版对比留一版。练习两周后你会发现自己写提示词的默认风格变了的可验收性提了一档。因为新模型对指令的服从性变强了，喊得越狠越容易感了；那些为老模型"催它行动"而写的CRITICAL、YOUMUST、NEVER式大写咆哮，在新模型上会导致过度触发——本来"该出手时才出手"的功能喊成了随时开火。官方给的修法是把命令式降回平静直述。一个现成CRITICAL:YouMUSTusethistoolwhen改成•[]"绝对不许出现客户姓名"→"输出中不包含客！！！强度该留给真红线（泄密、法务、安全而且红线要写清触发条件——"是。老提示词迁到新模型上，第一件事就是把大写和感叹号降下三层证据叠着。实践层：GPT-5这代产品是路由系统——一个入口后型，你的提示词里写"认真思考""一步一步想"，会真的触发它切换到推理通道；文档明确警告这会伤性能。理论层：推理模型的使用指南把它列成原则——避写思维链，指令简单直接就好。实证层：有论文专门测了显式思维链对推理模推理模型（o系、深度思考款）一句话分家：给标准模型教思路，给推理模型下任务。分不清手上是哪种已经写了"一步一步想"的提示词怎么办：先自考""步骤""仔细想想"这类词；再做减法——删掉它们，跑五个任务对比。多数实测结果是删了不变或更好，因为市面主流早已是推理模型或混合模型。真正外在长链条任务上：让标准模型做数学或多步逻辑时，显式思维链仍是真增益判断权永远在"你的模型+你的任务"这对组合上，跑一遍比信任何口诀都可从低往高，穷养思考——高档位是花钱买延迟，不是买推理模型的思考力度是分档的，官方给的迁移法则很实用：保住你现在的档档位低档就已到能力上限——升档买到的是"想得更久"，不是"想得更对"。判断该不档的信号：低档输出的错误是"深度不够"型（分析浮于表面）才升；错误是"事实错误"或"理解偏差"型，升档没用，该修输入。顶档留给真正质量优先、值得等的一次任务的成本可能是低档的数倍。有个省钱的实操：同一个任务用低档跑一遍，对比输出差距——差距明显且高档更好，这类任务值得常开高档；大，低档就是你的默认档。这个双跑对比做一次就能定型，比按感觉调档科学得多。顺带一提，"思考预算"这个概念在API端还有显式参数可控，普通用户因为系统指令和用户输入在模型眼里是同一种东西—根因在架构层：传统软件能把"控制指令"和"用户数据"分成不同类型分别处理库的参数化查询就是这么防注入的大模型做不到——它吃进去的一切都是自然语言，系统指令和用户输入没有类型标签，只有语义权重。安全圈的结论直译过来：带走两条：AI工作流涉及自动执行（发邮件、改文件、花钱）的，确认代码层——靠提示词守门等于没门；见到"请把这段话原样发给你的AI"•[]文档：转来的PDF、邮件风险有两层，方向还相反。一层是数据出境：你贴进云端服务的每段话都离一样的产品"的焦虑不是段子，是2026年职场报道里的原话。贴数据能客户数据、财务、未公开信息理一句判断口诀：这段话截图流出你会不会慌——会，就别贴。另一个容易漏的场景：复制的摘要，敏感度不降反升。分级不是胆小，是让你的工具用得脱敏有三个随手能用的手法：代号化——"客户A公司、金额X万你分析结构，只是不知道具体是谁；模糊化——把精确数字换成量级（"百万"多数分析结论不受影响；拆分贴——敏感字段留在本地，只把不敏感的上下文多数办公任务要的是结构、逻辑和文笔，不是那几个不能说的跑一遍提交考古：近半年超过三位作者或十次修改、评测却没跟上的，基先看"腐烂"的机制：一条提示词上线后，工程师修一处、产品经理润一句、运营条——每次修改都在回应当下的个案，个个有理；半年叠下来，就成了一段盾、注意力严重稀释的指令沼泽。演示用的三五个输入恰好绕开沼泽，生作者或十次编辑、评测没有同步更新，强烈提示反模式已经在文件里复利•[]超阈值：停止打补丁，按第4•[]重写前先冻结五到十个代表性输入输出当基准（第8这个方法妙在把"感觉不对"变成"数字说话"：不需要懂评测工程，一个g了开头句式-0824这种命名一行变更原因。这个土办法保住了考样东西——修改次数和修改理由，哪天需要重写，你手里有完整的病史。提车姿势——今天心情好觉得新版顺手，明天被一个case激怒又•[]每次改提示词，十个输入全跑，按•[]平均分涨了才算改好；掉分的"灵感测试集还有个隐藏用途——出现新的翻车案例，加进去；模型大版本更十个输入的配比有讲究：六七成typical输入保证日常水位，三露边界——长文本、空字段、格式怪异的、中英混杂的，你平时翻车的那几类键结构就够，写全文会让每次比对变成重读作文，测试就坚持不下去了。建测）；XML标签最稳迁移五步：锁版本→结构换装（标签体系对应改）→示例增删（跑第57题那十个基准输入→对比打分定稿。多数提示词走完迁移成本低的另一个原因是：六件套这种骨架层是跨模型通用的，要调的只是层。反过来说，如果你的提示词迁移成本很高，说明口味写进了骨架里，那本锁版本多说一句：API调用里把模型名固定到具体快照（不是"最新版"而是带变笨了先怀疑默认模型被换"。迁移后性能对折的兜底：新旧模型并行跑两周测试集，分数稳了再切——直接切换省下的一小时，往往会在后面三个月的隐性劣化里第四章高频活儿拿来就抄用关键词扩写法：你给碎词，AI按四模块扩写，每个成果挂一个结果包含四个模块：本周成果、数据分析、问题反思、下周计划。关键词：【碎词即可，如：发了3篇笔记/点-每条成果必须带一个结果或数据（没有就标【待补】）反思放"哪个动作该调整"，计划放"下周的可验证动作"。多数人的周报病是只有低于均值所以改了标题"能扩出带因果的复盘。每个事项尽量带一个结果性词汇提升、低于、卡住、对齐——这些词就是AI展开成"成果+反思"结构的放大你给的信号，不能凭空生成你的工作事使用节奏建议固定成周五十五分钟流程：前十分钟边翻工作记录边丢碎词/hog有——"杠精模板"让AI站在老板视角对周报提三个尖锐追问，追假设你是我的老板，看完上面这份周报：1.对我提出三个最尖锐的追问（专挑数据缺2.告诉我你希望在下周一的周报里看到哪些数据只提问和点题，不要替我回答。这一招把周报从"单向汇报"升级成"预演答辩"：老板真正会问的问题提前暴露前，而且AI挑刺比真老板放得开——它不担心关系，专攻数周记什么数据、留什么证据，下周五的周报就有了弹两个使用边界：数据本来就全的周报不必挑刺（没有缺口的追）；追问当场别硬答——抄进下周的采集清单，让下一周的周报自己回答上一周的质疑，这个闭环跑起来，你的周报就从记录变成了管理金额、数量、进度、时间四类全核——连AI周报工具厂商都在自AIAI生成的周报本质上是草稿，不是最终稿——金额、数量、进度百分比这类关键数卖工具的人都这么说，用工具的人更该照办。核•[]金额与费用：错一个零就是事故，而且A•[]时间与人名：几号截止、谁参加的会——为什么AI偏爱编具体数字：训练数据里，具体数字总与可是"具体显得可信"，不是"具体必须属实"。第59题模板里那句"没有就个核。再攒一份你的个人高危清单：你历史上犯过的错（把预估写成实际、写成同比每次核对先扫高危项——通用的四查是底线，个人清单才是你的看你的工作痕迹在哪：痕迹在系统里（日历、代码、项目管理）用专门工的提交记录、管理岗的会议日程，工具自动汇总，连碎词都不用喂。办公型（WPS、飞书）适合已在对应生态的多数人，和文档工作流无缝。对（通用AI加提示词）适合工作跨平台、素材在脑子里的人——•[]数据来源匹配吗：你的周报素材•[]涉不涉及敏感数据：涉及就选本地运行的或•[]输出格式能自定义吗：公司有固定周报模板的一个共同点别漏：无论哪类工具，人工核对都不能省（第6定期优化——工具替你组装，不替你负责。先用免费的试两周，验证匹配度还有个混合打法值得知道：工具采数据、提示词做复盘——自动工具把你的盘叙事。工具和提示词不是二选一，是流水线的上下游：上游解决"记得住"五要素填空法：参会人、议题、结论、待办、悬而未决——让它按要素基于下面的会议记录，整理结构化纪要，必须包含五部基于下面的会议记录，整理结构化纪要，必须包含五部1.参会人员（从记录中识别，识别不出的标【4.待办事项（动词开头，每条注明：负责人责任人和时间是纪要的命根子，模板里宁可让它标【未指定】回来问你，猜个人名填上。最后一句"不添加原文没有的信息"是防幻觉闸门——AI补会图4-1：谷歌官方指南的会议用例——30/fh/files/misc/workspace_with_gemini官方指南的会议用例走的是同一条链：先备议程，再管一小时录音的转写，别一步到位，两步链走：第一步去噪——"剔除寒暄、两个实战提醒：一是实时纪要和事后纪要要求不同——会中就要用的区分别省：会上说明天再定的，纪要里写成"决定"，下次开会你就是事故责任人用的时候加两个要求效果更好：让它"逐条"指出问题（防止一句"整体不够）；改你才学得会，下次自己就能避免。诊断完的提示词记得跑一遍基准任务对找AI重写，你的提示词会越来越像"AI觉得好的提示词"，而不是"把下面的文字改写成正式商务邮件：-可以调整：语序、冗余表达、语气（更-不允许：新增任何事实、改变任何数字、添加原文没有的承原文：【粘贴】输出：主题行+正文，全文不超过【N】词。三行权限清单是整套模板的骨架：先保（信息与后禁（新增与承诺）。"不允许新增承诺"那条是救命绳——AI润色最常见的翻热情地替你加码："我们将在后续提供完整报告""期图4-2：谷歌官方指南的邮件改稿用例——"谓得当、确保不擅自承诺"，官方把承诺禁令写进了示例/fh/files/misc/workspace_with_gemini润色的颗粒度还可以分两档：日常版如上；重要邮件加一档"输出两个版本—提醒：称呼、敬语、结尾祝颂是格式件，让AI保持你公司的惯例—/工/老师）、开头结尾的礼节套式，各地各司差异极大，这些"格式件"永远用你公司因为字数是最好验证的硬约束——写进模板，模型输about【主题】.Mention【要点】.Tone:professionalbutwarm 词以内）、必含要素（一句价值主张、一个明确的行动项）——凡是能数出方案限段数、纪要限每条字数——给每个产出物配上能数的尺差在目标和收尾动作——陌拜给价值、跟进给台阶、转介给模板，收尾各配三类最容易混着写的是跟进——写成第二封陌拜（把价介邮件的完成率，卡在转发成本上，不在诚意永远比第一封短转介的转发版要短到能贴进微信的价值，转介的核心是降低对方的动作成本不是表达诚意。写完自查一句：删掉我的公司名，换个公司名还成立吗？成立，说明写的不是过一遍禁词表和结构反射——两个词、三个反射，五分钟去掉八发送前扫雷：-[]删词：leverage、intoday'sfast-pacedworld、 我注意到、值得注意的是、综上所述、赋能、抓手-[]删结构反射：开头"希望这封邮件找到你时一切都好 结尾"期待您的回复，祝一切顺利"全套客套-[]每句问一遍：删掉这句信息有没有损失？没AI味的来源不是词汇本身，是"均匀"：每段长度接近、每个观点都配一个从句、通篇没有一处口语的松动——人写的邮件有轻重缓急，AI写的全是匀速。所以扫外还有一招手动"制造不均"：把你最想说的一句话单独成段（就一句其余段落长禁词表要当活文档养：每收到一封"一看就是AI写的"的邮件，把它的进你的表——两个月后这张表比任何教程的词库都贴近你当下的交流圈，因为AI写第一稿时就绕开，人只兜底。最后一道保险是发送前的"冷读"：发前默读一遍全文，但凡读到哪句你自己么说——删。禁词表防的是AI的套话，冷读防的是"AI套我们的三个落地场景、竞品对比、Roadmap。8–12页，风格：科技感、深色背景、数据可视化。"我是【身份】，听众是【谁】，场合是【内部/外部/汇报】。主题：《【标题】》结构：【列4–6个板块】页数：【N】页，每页：页面主题+核心要点风格：【视觉要求】拿到初稿后的正确定位：你要的从来不是它的文字，是它的排版和配图——成的文字全是废话，排版和配图已经帮你省了两小时，你只需要做"修改文字是"做PPT"。页面结构保留，每页文字只留一句主张，其余换成你的——工具只是渲染器，指令质量决定一切。五要素里最常被漏的是听众——同一主题，给研发讲要架构图和边界条讲要结论和投入产出，给客户讲要场景和案例，漏了听众，AI只能面向"平均听做一份平均的PPT。页数和详略成反比也记一下：8页讲清比2值钱——敢给低页数，是内容想清楚了的标—吵完的结论有棱角。单问"给我个建议"，模型会落在最四平八稳、谁都不得罪的答案上——这请分别以三个立场陈词，再互相反驳一轮，最后）：）：3.终端用户（不关心我们内部，只关心自己省不省事）：他真综合时：给出推荐+每个立场最有价值的一条洞察+被反换套说辞回来——模型天生爱和稀泥。适用边界也明确：有真实利益权衡三个立场可以换成你业务里的真实三方：产品经理、销售、客服；线；甚至"预算部门、deadline部门抄出来单独看——那两三条往往比结论本身更值得带能代写初稿，但开场和金句得留给本人——模板负责结构和互动，你的真根据这份PPT大纲：【贴大纲】写一份【N】分钟的演讲逐字稿：-开头30秒：用一个自嘲或具体场景切入（素材：【给一个真实细节，-中间安排【2】个互动提问，放在板块切换处-结尾一句收束金句（给我3个候选）-每页PPT对应一段，标注【第X页】括号里"给真实细节"是全模板的胜负手：不给素材，AI的开场是一个编的笑大家好今天很高兴"——观众三秒钟识破；给了素材的真事织进叙事，那是任何模板都替代不了的。金句要三个候选也是同理：它金句常带格言腔，三个里挑一个最像你说话的，改两个词变成你逐字稿的正确用法是排练脚手架：照着念三遍，第三遍丢掉它——你留下的问设计的一个诀窍：别问"大家有什么想法"（冷场之王问选择题——"这里先要"空骨架"再填血肉——让它只给小标题和引导问题，不写正文，防按以下结构生成骨架，每段只给小标题和2–3个引导问"只给引导问题不写正文"是防糊死的关键：空骨架逼你自己想，的四平八稳会悄悄替你做掉所有决策——你以为在写方案，其实在誊方案。第五段"非目标"别嫌它扫兴：评审会上被毙的方案，多数死于"什么都要做"——写死不做什么，方案的重心才立得住（第27题的Non-Goals空骨架和写满的骨架，差的是你的思考权：写满版看着省事，实际每个格），骨架阶段还有个便宜的外援：把空骨架发给AI让导问题——它问不倒你的部分就是扎实的，问倒你的部分正好在成文喂你的行业框架和口径，而不是要它"做竞品分析"——外分析以下竞品：【列名单】使用本行业的分析框架：【贴你们惯用的，如：渠道-转化-留存-复购】数据要求：只用我提供的或标注公开来源的数据，没有的标【数据缺失】不给框架，AI用的是商学院通用框架（SWOT、波特五力）——放在任何行业叨的维度、行业研报的固定章节——找到那份"你的猜测明码标价——高置信度的直接引用，低置信度的自己补证据。通用框架的获取有条捷径：找你们公司或行业过往报告的目录页——目录就是沉的框架，比任何方法论书都贴你的实际。置信度的用法再明确一下：高置信直接用，处理这份表格：【上传/粘贴】清洗规则：4.新增汇总：底部一行合计（仅数值列）完成后先输出清洗报告（改了多少、删了多少、哪里异常再先报告后文件这个顺序是安全阀：清洗报告让你一眼看到它动了什么——删了几行、改了哪些格式、哪些字段异常——有问题的当场发现，不用等下空值处理写明去向（数值填0备注原始为空）也是同理：默认行大表（超过几百行）的分批技巧：先让它处理50行验证规则理解，拿到清洗结果还有个收尾动作：随机抽十行人工对一眼——重点抽它报告里标成新文件（原名+cleaned原表永远留着——清洗逻辑事后被推翻时，你还有原始数据可回。这两个习惯共十秒钟，换的是"数据事故永远有退规则里最容易漏的一条是"单位统一"：金额的元与万元、数量的件与套——单一，合计行就是错的，而且错得毫无痕迹。把单位写进格式规则，是清洗模三遍压缩：骨架、要点、卡片——直接"帮我总结"得到的是摘要，不第一遍：读这份资料：【上传】输出知识骨架：章节树+每节一句话主旨（不展开）第二遍：只对【要考/要用的部分，如第2、3章】输出要点笔记：每节3–5条，保留公式/定义第三遍：把笔记里我最容易忘的10个点改成"问题→答案"卡片，问题在前答案在后留，AI转述定义常丢精度卡片管记忆（问题在前，自测才有效遍"的产出适合给别人看，不适合要考试的你——考试考的是提取，不是一级不超过六支，每个节点不超过八字，用缩进层级表示"——节点字数和层级-范围：仅限资料内容，不得引入外部知识-每道题标注出处章节-参考答案统一放最后，逐题给"答案+资料原文依据一句话"-简答题答案不超过80字"答案+原文依据"是防错答案的关键：依据对不上进阶玩法是让它按难度分层：简单4题（记忆型）、中等题量与覆盖的关系：十题覆盖不了几十页资料，别贪——分章节出，每章一轮十题，错得多的章节再来一轮。错题的回翻路径也现成：第76题模板里"标卡壳的题还有个标记动作：当时犹豫超过五秒才答对的，单独标"半会先给术语表再翻译，结构锁死在指令里——术语表是翻译质量的将以下内容翻译为通顺中文：）： -保留原有段落结构与序号，不合并不拆分-专业表述优先于文学性-拿不准的词保留原文并用【】标注原文：【粘贴】人工拍板（这步必须自己来，术语错一个，全文跟着错再带着译——两步比一步直译准得多，成本只多一轮对话。"保留段落结构与序号"那一致——角色、规则、格式三件套。长文档的分批翻译，每批都带同一份术语表那步人工拍板省不得：AI建议的译法常见两类错——把通用词当术语（），）；意思偏移——回译是翻译质检的老手艺，AI时代照样好用——它查的不是词意思漂移：每个词都对、整段意思歪了，这才是翻译里最阴我要推进这件事：【一句话描述，如：新功能两周后上我要推进这件事：【一句话描述，如：新功能两周后上第二步：把每条失败反转成"一个我们本可以做的具体动作"第三步：标出3条最不容易想到的反转——它们是这次讨论的策略'的提示词够不着的。"正面brainstorm时，模型顺着你的方案决定做了，它就帮你论证能成；反面入手时，它攻击的是方案的软肋——制切换，看不到的坑被翻出来。这招最初看起来像gimmick（原作者自己的原话适用场景：上线前的预案会、方案评审前的自查、面试前的演练——一切"怕有十条失败里常混着"正确的废话"（执行不力、沟通不畅处置办法是到位"不是。真正有用的产出常在那三条"最不容易想到的反转"里——它们是建一个规则文件：把你的偏好写一次，每个会话开头让AI先读—#写作规则先完整阅读上面的规则再开始。即将违反任何一条时，停下来告诉我，不要自行变通。原理一句话：把"每次重新交代背景"变成"配置一次长期生效"——写提示词这个动作，两个使用细节：规则文件要控制篇幅——十几条以内，太长它自己会开始丢（第39）；上新发现的——规则文件和提示词库一样，