前面我们刚讲完 LLM、大模型这些最基础的概念。
知道了 AI 背后的模型大概是什么以后，接下来就到了一个我们每天使用 AI 都绕不开的东西：
Prompt，也就是提示词。
Prompt 这个词，很多人应该多多少少都见过。
尤其是前几年 ChatGPT、DeepSeek 刚开始大规模爆火的时候，网上到处都是各种提示词教程：“万能 Prompt 公式”、“神级提示词”、“角色扮演模板”……
甚至改出现了一个看起来很专业的职业：Prompt Engineer，也就是提示词工程师。
以及后来 DeepSeek 爆火以后，这股提示词热潮又进一步传到了更多国内普通用户，淘宝、闲鱼、小红书上也开始出现各种卖提示词文档的：
“DeepSeek 100 个高级提示词”。
“1000 个神级 Prompt”。
“学会提示词，普通人也能掌控 AI”。
然后卖课市场出现了，上千甚至上万的提示词工程师培训班课程。
一个新东西刚火，先给它包装上一堆听起来特别高级的概念，然后开始卖教程、卖模板、卖信息差，经典套路。
但有意思的是，到了现在，“提示词工程师”这个职业已经没声了。
那么问题来了：
Prompt 到底是什么？
这么简单的东西，当年为什么会那么火？
现在模型已经这么聪明了，我们还有必要专门学怎么写 Prompt 吗？
这章，我们就把这三个问题讲清楚。
Prompt 到底是什么？
Prompt 直接翻译过来，就是“提示、提示语”的意思。
在 AI 里面，我们一般把它叫作“提示词”。
这个词听起来好像挺专业，但大白话其实特别简单： 你想让 AI 干什么，以及它为了把这件事情做好，需要知道哪些信息。你把这些东西告诉它，就是 Prompt。
比如你对 AI 说：帮我总结一下这篇文章。
这就是一条 Prompt。
你也可以告诉它： 帮我把这篇文章重新整理一下。文章是写给完全不懂 AI 的普通人看的，保留我的口语表达，不要扩写太多技术细节，最后控制在 2000 字左右。
这同样也是一条 Prompt。
所以 Prompt 并不是什么特殊格式，也不是某一种固定模板。
一句随口提出的问题，可以是 Prompt。
一段写了上千字的任务说明，也可以是 Prompt。
甚至你直接把一份资料丢给 AI，再告诉它“帮我看看这里有什么问题”，这些内容一起都在帮助 AI 理解你这一轮到底想干什么。
对，就这么简单。
这么简单，为什么以前会那么火？
既然 Prompt 说白了就是告诉 AI 你想干什么，那为什么前几年这个东西会突然火成那样？
其实有两个很现实的原因。
第一：当时大家都刚开始接触 ChatGPT、DeepSeek 这些生成式 AI，本身就不知道 AI 到底能干什么，更不知道应该怎么把自己脑袋里的需求表达出来，用prompt，更是套一个模板的感觉。
第二：当时的模型也确实没有现在这么聪明，不加以限制和把条件给满，生成出来的东西很容易出现 AI 幻觉。
所以大家慢慢开始总结，怎么跟 AI 说话效果会更好。比如先把任务讲清楚，再补充背景、要求、限制、参考案例和最终想要的格式，等这些方法经过反复测试以后，再把它整理成一套可以重复使用的写法，这就是当时经常说的 Prompt Engineering，也就是“提示词工程”。
所以提示词真正有价值的地方，就是把一套有效的提需求方式总结出来，然后反复复用。
比如你经常让 AI 帮你总结文章，第一次可能只是说一句“帮我总结一下”。后来你慢慢发现，如果提前告诉它“这篇文章写给谁看、重点保留什么、哪些细节可以删、最后整理成什么结构”，结果会明显更好。
那你完全可以把这套已经跑通的要求保存下来。下一次再总结别的文章，不用从头重新想，直接把原来的 Prompt 拿出来改一改就行。
甚至你觉得这套方法特别好，也可以直接分享给别人。别人拿过去以后，同样可以在自己的任务里面继续使用。
所以从这个角度看，Prompt 本身其实也是一种经验的复用。
这也是为什么以前网上会出现大量“100 个提示词模板”“1000 个神级 Prompt”，这个需求本身并没有问题，大家确实希望直接拿到别人已经试过、验证过的方法，省得自己从头摸索。
只不过互联网一旦出现一个新概念，就很容易被包装得越来越玄乎。什么“万能公式”“复制以后直接起飞”、“掌握 Prompt 就能驾驭所有 AI”，甚至还有各种高价培训班……
Prompt Engineering 本身当然不是忽悠，但它真正解决的问题其实一直很朴素：怎么把需求讲得更清楚，以及怎么把已经验证有效的沟通方法留下来，下次继续用。
那现在还需要学 Prompt 吗？
当然还是需要，但我觉得今天已经没必要再把“学 Prompt”理解成公式了。
现在的模型比几年前聪明很多很多很多了，理解自然语言的能力也越来越强。很多时候你不需要先写一句“你是一名拥有三十年经验的世界顶级专家”，也不用每次都机械地套什么角色、背景、步骤、限制、输出格式。
现在我自己更愿意把写 Prompt 理解成一件很普通的事情就是：怎么把需求提清楚。
你到底想干什么？这件事情为什么要做？AI 手里还缺什么信息？什么地方不能乱改？最后你希望它交付成什么样？
其实就是回归到语言本身的逻辑性。
所以 Prompt 的长度其实没那么重要，有些事情甚至一句话就够了，但如果你要让 AI 帮你做一份调研、改一篇几千字的文章、做 GPT 或者写代码，本身事情就复杂，那自然需要补充更多背景和要求。
以及有一点很重要，如果你是使用顶级的模型，例如 claude 或 ChatGPT 当前最强的模型，那么提提示词写多有时候还会成为 AI 的一种限制！
大概意思就是，提示词反而会限制 AI 的发挥，AI 更能理解你想要的，或者给出更好的方案，你的提示词反而变成了限制。束缚，导致它只能往你需要的方向走。
所以如果还在网上看到那些，长的要命，看起来很专业的提示词，放在现在基本就是过时的东西了。
不过现实里很多任务，连我们自己一开始都没完全想清楚的情况下，你脑袋里可能有很多零碎的想法，你也不知道应该从哪开始的时候，可以尝试下：“语音输入”。
站长我现在，无论是写文章、做产品、AI Coding，还是给 Agent 下任务，都是直接打开语音，把脑袋里想到的东西全部说出来。顺序乱一点没关系，讲到一半突然跳到另外一个点也没关系，先把信息倒出来。
然后让 AI 帮我整理，我再根据它整理出来的结果继续补。哪里理解错了就纠正，哪里少了条件就继续加，哪个方向比较对就让它继续往下做。
所以很多时候，Prompt 其实不是“一次性写好的一段话”，而是你和 AI 一轮一轮把事情聊清楚的过程。
如果我自己都还没有完全想明白，我还经常会直接加一句：
“先不要急着给我方案，根据我刚才说的内容继续向我提问，帮我补全缺少的信息，并确认你是否真正理解了我的需求。”
这个方法我自己非常非常非常推荐。
因为很多人真正的问题并不是不会写 Prompt，而是自己都还没想清楚到底想要什么。这种情况下，与其憋一条所谓的高级提示词，不如先让 AI 反过来问你，把事情一点一点聊明白。
关于提示词怎么写，我以前专门做过一期视频，核心讲的是三个东西：简洁、框架、迭代，这期视频，对于小白有点门槛，因为比较偏向逻辑性出发和心法，而不是直接提供什么提示词模版。
我当时做这期视频的时候，其实就有一个判断：随着模型越来越聪明，很多具体的提示词技巧会慢慢被弱化，但我们怎么把需求想清楚、怎么组织信息、怎么根据结果继续调整，这些能力不会消失。
最后总结一下。
所以关于 Prompt，我觉得普通人记住三件事就够了。
第一，Prompt 本质上就是提需求，你想让 AI 干什么，以及它做好这件事情还需要知道什么，把真正重要的信息讲清楚就行。
第二，Prompt 没有所谓固定的万能公式， 简单任务可以一句话，复杂任务自然需要更多背景和要求，长短不是重点，真正重要的是信息有没有给对。
第三，Prompt 很重要的一个价值就是复用，一套提需求的方法如果已经被你反复验证过，效果确实不错，就可以把它保存下来，下次继续使用。
所以不用一看到“提示词工程”“高级 Prompt”这些词就觉得自己是不是还要专门学一门特别复杂的技术。
先把 AI 用起来。
先学会把自己的需求讲清楚，再不断根据结果继续补、继续改。用得多了以后，很多所谓的提示词技巧，自然而然就会变成你和 AI 沟通的习惯。
不过这里又会出现一个挺有意思的问题。
我们每天发给 AI 的 Prompt，在我们眼里可能是一句话、一篇文章，甚至是一整份资料。那么到了大语言模型那里，这些文字又是按照什么单位来处理和计算的？
这就会带出下一篇要讲的概念：Token。