加我进AI讨论学习群，公众号右下角“联系方式”

文末有老金的 开源知识库地址·全免费

---

周五凌晨刷论坛，看到谷歌放出了一份68页的提示词工程白皮书。

作者是Lee Boonstra，Gemini团队的AI工程师，在谷歌待了8年。

我花了两天扒完，结合自己用AI 3年的经验，整理成了一份可直接复制使用的元提示词。

放文末了。

啥是元提示词？

简单说，就是"写提示词的提示词"。

普通提示词是让AI帮你干活的指令。

元提示词是一份检查清单，教你怎么写出好的提示词。

就像写作文有"总分总"的套路，写提示词也有套路。

我把这套路整理成了5个任务，照着做就行。

先讲原理，后面放完整版元提示词，拿走就能用。

有个比喻特别准：AI就像一个博学但刚入职、还有点健忘的超级实习生。

它啥都知道一点，但不了解你的背景，没有记忆，需要你手把手教。

大多数人的提示词长这样：

帮我写一篇文章

总结一下这个内容

给我一些建议

然后抱怨AI回答得一塌糊涂。

说实话，这能怪AI吗？

你连需求都说不清楚，AI又不是你肚子里的蛔虫。

---

任务一：搭地基

99%的烂回答，都是因为提示词写得像谜语。

谷歌给了个公式，我把它优化成CTF黄金公式。

C是Context，背景。

指定身份，要具体。

差：你是一个助手
好：你是一个有10年经验的SaaS产品经理

告诉AI你在干嘛、为什么要干、给谁看。

我在准备给投资人的产品Demo，需要突出增长数据

T是Task，任务。

用强动词：分析、拆解、重写、对比。

量化要求：3个点、150字、表格形式。

F是Format，格式。

明确告诉AI你要什么格式。

返回格式：Markdown表格
返回格式：JSON
返回格式：分点列表

不指定格式，AI就会自由发挥，发挥得你头疼。

举个完整例子。

烂提示词：

帮我写一篇关于AI的文章

好提示词：

你是一个资深科技自媒体作者，文风接地气。

我在运营一个AI工具评测的公众号，读者是不懂技术的普通用户。

请写一篇介绍ChatGPT的文章：
- 1500字左右
- 分3个部分：是什么、能干嘛、怎么用
- 用比喻解释技术概念
- 结尾给出3个实用建议

差距就这么大。

还有一点很重要：区分System和User提示词。

System Prompt是AI的"宪法"，定义它是谁，保持不变。

User Prompt是具体"指令"，告诉它做什么，动态变化。

---

任务二：选策略

不同任务，用不同套路。

谷歌白皮书给了个策略决策树：

简单问答，用Zero-Shot，直接问，不给例子。

特定格式，用Few-Shot，给1到3个范例让AI照猫画虎。

逻辑推理，用CoT（思维链），让AI一步步思考。

复杂决策，用ToT（思维树），让AI模拟多个专家辩论。

抽象难题，用Step-Back，先问原理再解决问题。

最厉害的是CoT，思维链。

一句话就能激活：

Let's think step by step

或者中文版：

请一步步分析这个问题

我昨晚测了个数学题。

不用CoT的时候，问商品原价100元打8折再用满80减10的券最终多少钱。

AI可能直接蒙一个答案。

用CoT的时候，AI会这样推理：

1. 原价100元
2. 打8折：100 × 0.8 = 80元
3. 满80减10：80 - 10 = 70元
最终价格：70元

过程清清楚楚，你能检查每一步对不对。

遇到更复杂的问题，这个差距会被放大10倍。

---

任务三：让AI听话

AI最烦人的就是回答不稳定。

同样的提示词，问10次能给你10种不同的回答。

谷歌的解法是参数调教加格式锁定。

先说Temperature参数，这个最重要。

0.0 - 0.3：稳定、事实性、可重复（写代码、做分析用这个）
0.5 - 0.7：平衡、适度创意（日常写作用这个）
0.9 - 1.0：放飞自我、可能跑偏（头脑风暴用这个）

谷歌推荐的默认配置：

temperature: 0.2top_p: 0.95top_k: 30

再说格式锁定，有三个实用技巧。

给Schema，告诉AI你要JSON格式回复：

{
  "title": "标题",
  "summary": "摘要（50字以内）",
  "key_points": ["要点1", "要点2", "要点3"]
}

预填充开头，在API调用时，assistant消息预填一个左大括号，AI就会自动补全JSON。

还有肯定式指令。

说"请用专业语气"，别说"不要用口语"。

为啥？

这叫粉色大象效应。

你跟AI说"不要做X"，它反而会去关注X。

就像有人说"别想粉色大象"，你脑子里立马就是粉色大象。

差：不要写没有注释的代码
好：请编写包含详细注释的代码

差：不要太正式
好：请使用亲切自然的语气

处理长文档还有个技巧，叫指令后置。

AI有个毛病叫"迷失中间"，就是长文档的中间部分容易被忽略。

解决方法是把核心指令放在最后面，让AI先看完所有材料，最后再看你要它干嘛。

---

任务四：玩高级

前面3个任务是基础。

这个任务是进阶，让AI像个Agent一样工作。

先说ReAct模式，推理加行动。

让AI先想，再做，再观察结果，再继续想。

谷歌白皮书里有个例子。

问Metallica乐队成员一共有多少个孩子。

普通AI可能瞎编一个数字。

ReAct模式的AI会这样：

思考：我需要知道Metallica有几个成员
行动：搜索Metallica乐队成员
观察：4个成员——James、Lars、Kirk、Robert
思考：我需要查每个人有几个孩子
行动：分别搜索每个人的孩子数量
观察：James 3个、Lars 2个、Kirk 0个、Robert 3个
最终答案：8个

这就是Agent的雏形。

再说Self-Consistency，自洽性检验。

同一个问题，让AI用高Temperature回答5次。

然后数哪个答案出现最多。

多数投票机制，能大幅降低幻觉。

最后说Tree of Thoughts，思维树。

不是一条线往下推理，而是让AI同时探索多个分支。

适合那种有多个解法的复杂问题。

请从3个不同角度分析这个问题：
1. 用户体验优先的方案
2. 成本控制优先的方案
3. 快速上线优先的方案
然后评估每个方案的优缺点，给出最终推荐。

还有个提示词链的玩法。

复杂任务不要试图用一个超级长的提示词搞定，那样会让AI认知过载。

正确的做法是拆成流水线：

搜集者AI（搜集信息）
    ↓
分析师AI（处理数据）
    ↓
作家AI（生成报告）

每个环节只做一件事，上一个环节的结果喂给下一个环节。

如果对你有帮助，记得关注一波~

---

任务五：迭代优化

一个提示词写完不是结束，是开始。

强制自我修正这招特别好用。

在提示词里植入Review环节：

请先生成草稿。
然后列出这个草稿的3个问题。
最后根据问题生成修正版。

AI自己给自己找茬，效果出奇的好。

版本管理也很重要。

好的提示词要像代码一样管理：

# Prompt v1.0
- 初版# Prompt v1.1
- 修复XX问题# Prompt v2.0
- 重构结构

我现在写提示词都会在开头加版本号。

还有A/B测试。

同样的任务，写2到3个不同的提示词，跑10次，看哪个回复质量更稳定。

这才是科学玩AI的方式。

---

老金原创：5任务元提示词（可直接复制）

前面讲了那么多原理，现在给你整理好的工具。

下面是我基于谷歌白皮书+3年实战经验整理的元提示词。

直接复制到你的提示词库里，以后写提示词照着这个清单检查就行。

# 老金的5任务元提示词 v1.0

这是一份实战行动清单，剔除了所有理论废话，直接告诉你怎么干。

## 任务一：构建提示词地基
目标：消除歧义，确保AI听懂人话。

[ ] 遵循CTF黄金公式
    - C (Context)：指定身份（如"资深CFO"而非"财务助手"）、受众、目标
    - T (Task)：使用强动词（分析、拆解、重写），量化要求（3个点、150字）
    - F (Format)：明确返回结构（Markdown表格、JSON、列表）

[ ] 区分System与User
    - System Prompt：写"宪法"（核心人设、底层规则、语言风格），保持不变
    - User Prompt：写"指令"（具体任务、输入数据），动态变化

[ ] 结构化输入
    - 使用分隔符（###, ---）或XML标签（<context>, <data>）隔离不同类型的信息
    - 防止AI混淆指令与内容

[ ] 采用肯定性指令
    - Do："请使用专业、客观的语气"
    - Don't："不要使用口语"（避免粉色大象效应）

## 任务二：激活深度推理
目标：让AI处理复杂逻辑，减少胡言乱语。

[ ] 策略选择决策树
    - 简单任务 → Zero-Shot（直接问）
    - 特定格式/风格 → Few-Shot（给1-3个完美范例）
    - 逻辑/数学题 → CoT（加一句"让我们一步步思考"）
    - 复杂决策 → ToT（让AI模拟三个专家辩论）
    - 抽象难题 → Step-Back（先问核心原理，再解决具体问题）

[ ] 强制自我修正
    - 在提示词中植入Review环节
    - "先生成草稿，再列出3个缺点，最后根据缺点生成修正版"

## 任务三：掌控回答与行为
目标：让AI的回答可控、机器可读、风格稳定。

[ ] 强制结构化回答
    - 提供Schema（如JSON键值对示例）
    - 使用Prefilling技巧：在API的assistant回复开头预填 { 或特定前缀

[ ] 调节参数
    - 0.0-0.2：清洗数据、提取事实、代码生成（严谨）
    - 0.7-1.0：创意写作、头脑风暴（发散）

[ ] 处理长文档
    - 指令后置：把核心指令放在Prompt的最后面（对抗"迷失中间"现象）
    - 主动检索：先让AI"提取所有相关原文引用"，再基于引用回答

## 任务四：架构自动化工作流
目标：解决单次Prompt搞不定的复杂项目。

[ ] 拒绝"超级提示词"
    - 不要试图用一段话搞定一切
    - 将任务拆解为流水线

[ ] 搭建提示词链
    - 搜集者AI（搜集信息）→ 分析师AI（处理数据）→ 作家AI（生成报告）
    - 每个环节只做一件事，上下文互不污染

[ ] 多智能体协作
    - 角色分解：PM、架构师、测试、开发
    - 上下文隔离：每个智能体在独立的对话窗口中运行

## 任务五：持续优化与维护
目标：把好用的提示词变成可复用的资产。

[ ] 版本管理
    - 记录：版本号、模型型号、参数、黄金回复样本
    - 像管理代码一样用Git管理提示词文件

[ ] A/B测试
    - 同样的任务，写2-3个不同的提示词
    - 跑10次，看哪个回复质量更稳定

[ ] 建立提示词库
    - 按场景分类：写作、分析、代码、翻译
    - 定期更新迭代

---

老金总结

谷歌这68页白皮书，核心就5件事：

1. 搭地基：CTF黄金公式（背景+任务+格式）
2. 选策略：Zero-Shot、Few-Shot、CoT、ToT按需选
3. 让AI听话：Temperature调低、格式锁死、用肯定句
4. 玩高级：ReAct、Self-Consistency、提示词链
5. 迭代优化：自我修正、版本管理、A/B测试

别把提示词当玄学。

它就是一门沟通技巧。

你越会说人话，AI就越会说人话。

反过来，你自己都说不清楚想要什么，AI怎么可能给你好答案？

上面那份元提示词，收藏起来，下次写提示词之前拿出来对照一下。

---

参考来源

谷歌提示工程白皮书原文。链接：kaggle.com/whitepaper-prompt-engineering

CoT思维链论文。链接：research.google（搜索chain-of-thought）。

Self-Consistency论文。链接：research.google（搜索self-consistency）。

---

往期推荐：

提示词工工程（Prompt Engineering）

LLMOPS(大语言模运维平台)

WX机器人教程列表

AI绘画教程列表

AI编程教程列表

---

谢谢你读我的文章。

如果觉得不错，随手点个赞、在看、转发三连吧🙂

如果想第一时间收到推送，也可以给我个星标⭐～谢谢你看我的文章。

开源知识库地址：

https://tffyvtlai4.feishu.cn/wiki/OhQ8wqntFihcI1kWVDlcNdpznFf

扫码添加下方微信（备注AI），拉你加入AI学习交流群。