把 AI 融入日常的 5 个 Prompt 制作思路

使用 AI 对话助手，你可以随时提出自己的问题，比如让它帮你扩写、润色、写招聘文案、写发版公告….，几乎每一个职业的打工人都有使用到它的场景。

但是用过的都知道，大模型懂得太多了，对的错的都敢答。

经常面临：输出内容是对的但语气太 AI 了、输出格式不是自己想要的，输出的内容过时了的问题。

我们必须得通过一些手段对抗“大模型的幻觉”。

技术人员使用微调、RAG 从数据层面处理，用户则可以从“Prompt”的制作来实现。

通过输入 Prompt 指定 AI 的角色、任务、输出格式，来达到我们的预期：

Prompt =【定义角色】+【背景】+【输入信息描述】+【输出信息/ 目标】+【格式要求】+…

这样做，比随便问这种开盲盒方式效果好多了。

举个例子，下面是我做的一个对话助手：输入想法，AI 会引用名言回答。这我怎么问 AI ，他都跳不出这个框架，其实这背后就是用 Prompt 定制实现的：

网络上制作 Prompt 的方法、模板和案例有很多，大多人有了方法还是用不起来。

如何判断有没有用起来？我提供一个标准，是否存在3 个以上 Prompt，每天至少使用 1-3 次，没有的话，这个有史以来最强的工具，价值就没被挖掘到。

制作方法是武功秘籍，AI 对话框是用武之地，虽然都拿到了，但是使不出大招，只能随便一问，显然很难得到理想的答案。

原因就是没有把 AI 和自己的生活和工作中的业务结合起来。

这篇文章写于飞书发布会之前，没想到他们 PPT 也在强调这一点

再来看，大模型平台提供的 Agent ，很多都是图一乐，用一次就走了，他们提供这种通用型的解决方案，好像每个人工作都用的到，但实际上没卵用。

比如工作周报生成的结果和你的工作结合不到一块，也肯定用不到你们部门所要求的格式。

所以，制作 Prompt 是要从自己的日常工作出发，而不是抽象所有人面临的共同问题去做。

Prompt 是否有效，我也有一个判断标准。

有效的Prompt = 一周内平均使用次数为一天/次，如果没有，那这个 Prompt 就是无效的，可以删掉或者迭代优化。

没有谁比你更懂自己的需求。

而对于需求的处理，产品经理就比较擅长了：发现问题——定义问题——解决问题。

所以我拿我日常 Prompt 的五种制作思路，希望给你一些启发，可以应用到工作和生活中：

第一个是利用教程

利用教程就是教 AI 学会做某个事情，先找到你工作中常做的事情，让 AI 提炼教程，制作成 Prompt。

比如产品经理的工作中，给软件写提示语，就是每天要做好几次，但是也挺费脑的一件事，这个事情交给 AI 做后，可靠性 100%。

那么为了让它做好，那些 Prompt 制作框架对我没啥用，我只需要让 AI 知道提示语该怎么设计，所以去网上搜一篇软件提示语设计规范，然后告诉 AI 按这个规范做即可。

下面软件提示语的网站[1]就有很多数据可以给 AI 用。

第二个是利用 SOP、模板

SOP：什么工作需要做 SOP，那些你重复做的事情最需要，比如制作写公告，写策划方案。

制作完 SOP，告诉 AI 让它按这个输出，比如下面就是一个制作 PPT 的 SOP，拿着给到 AI，其中一些环节定制成小助手。

模板：网络上最多的就是思维模板，比如商业模式画布、5w2h，波特五力分析、漏斗分析，在想到用这时，首先就扔给 AI 让他们做补充，自己再思考和 AI 碰撞。

第三个是定义角色

这个角色不是 Prompt 设定里的角色，而是我拿身边的人来虚构一个角色，比如：

我的领导，以他为原型，提炼出他对我的工作交付物的要求，比较看重创意、可行性、技术思考，拿相关的数据去问 AI

我的同事，比如我经常和开发打交道，我在要问开发问题前，先问问我自己定义的 AI 开发角色，这是我以我的业务为模型，提炼的角色

所以这个时候就凸显出聊天记录的重要性了。

第四个是学习

我认为 AI 可以处理我两种学习的场景。

一个是按领域来给我规划学习路线，比如：

• 大模型 AI 知识
• 代码编程学习

为这个不同的领域创作一个对话空间，做一个线性的规划，不必是 Prompt，是一个每天打开对话框就能解决我提出的问题就够了，这样做能始终保持我的上下文在同一处理框，催促个人的学习进度。

另一个是通过模仿别人来学习。

我会经常留意一些写的好的文章，分析他的写作思路，所谓见贤思齐，AI 能帮你更好的看见。现在就把写的好的文章丢给 AI，让他来分析，哪些好，哪些值得参考。

第五个是创作

拿自己写的东西，去问 AI ，让他从不同角度来分析，提出建议。

它能从语气、结构、情感等多个角度为你剖析和提供建议。也能建议你如何加入故事、数据或比喻，让文章更有情感和说服力。

保留些个人写作风格的数据，用来喂给 AI ，让他按个人风格来扩写、优化、或者反驳你的观点来激发思考。

看完上面这五个方法，有没有留意到，Prompt 的制作都和数据密切相关，想要 Prompt 能够更懂自己业务，首先这个业务要沉淀数据。RAG 和 Fine-tuning 更是如此，都要大量的优质数据。

前段时间， AI 行业李沐的演讲提到：“数据越多的行业越容易自动化”。

这个观点同样适用于个人，自己的数据，包括自己相关的文字、图片和视频，即便是聊天记录也是有价值的。

同样也需要我们去刻意创造数据、保存有价值的数据。

这个层面的数据价值不在于记录，而是有朝一日，你可以应用这些数据创造自己的影分身。

最后，分享一个 Prompt 使用的技巧。

当你拥有很多 Prompt ，在面对kimi、豆包、智谱、通义这么多对话助手，不可能每一个平台都给它创建 Agent。

我会把常用的 Prompt 都输入到常用语里面，输入关键词就能调用 Prompt。

觉得有用，欢迎点赞、转发和关注。