Reddit 上有个帖子号称花了 1000 个小时研究 prompt 技巧总结出 6 个方法，大家可以看看。

这个哥们是一个技术负责人，他说自己过去一年一直在钻研提示工程这事。自己追踪并分析了1000多个实际工作中用的提示词后，发现那些好用的提示都有六个共同特点。

把它叫做 KERNEL 框架，它彻底改变了我们整个团队用 AI 的方式。

我给大家翻译总结了一下，大家可以试一试。

框架内容如下：

K - 简单直接（Keep it simple）

-  不好的做法：铺垫500字背景
- 正确做法：一个明确的目标
- 举例：别说"我需要帮忙写点关于 Redis 的东西"，直接说"写一篇 Redis 缓存的技术教程"
- 效果：token 用量减少70%，响应速度快3倍

E - 结果可验证（Easy to verify）

- 提示词里要有明确的成功标准
- 别说"让它有吸引力"，说"包含3个代码示例"
- 你自己都不知道怎么算成功，AI 更没法给你想要的结果
- 我测试下来：有明确标准的成功率85%，没标准的只有41%

R - 结果可复现（Reproducible results）

- 别用时间相关的表述（"当前趋势"、"最新最佳实践"）
- 用具体的版本号和明确要求
- 同样的提示词下周、下个月用都应该有效
- 我测了30天，一致性达到94%

N - 范围要窄（Narrow scope）

- 一个提示 = 一个目标
- 别想着一次搞定代码 + 文档 + 测试
- 把复杂任务拆开
- 单一目标的满意度89%，多目标的只有41%

E - 约束要明确（Explicit constraints）

- 告诉 AI 什么不能做
- "Python 代码" → "Python 代码。不用外部库。单个函数不超过20行。"
- 明确约束能减少91%的无用输出

L - 结构要清晰（Logical structure）

每个提示都按这个格式来：

1. 背景（输入）
2. 任务（功能）
3. 约束（参数）
4. 格式（输出）