提示词之美

Mon, 02 Feb 2026 00:00:00 +0000

核心内容点1: 结构之美：通过文言文重写访谈分析指令，提升信息密度和结构感，有效提取关键信息。
核心内容点2: 语言之美：通过多维定义和排除法精确描述“洞见”，让AI在语义空间中产出超越常识的见解。
核心内容点3: 想象之美：运用诗歌式写法，留白和意象构建认知场域，激发模型在模糊边界中的创造性回应。

源自 AI使用技巧 2026-02-02 16:43

前段时间去孟岩的有知有行做了个分享。

半小时，聊提示词。

半小时其实挺尴尬的——既没法做体系化论述，也没法聊太虚的语言哲学。

所以我决定换个思路：
什么铺垫都不做，上来直接看三个提示词。

这三个提示词类型迥异，写法差别很大。我想让大家看完之后有个感觉：原来提示词还可以这么写。

不是那种"你是一个XXX，请帮我做XXX"的格式。那种东西在 GPT-3.5 时代或许还有点用，但现在的模型早就不需要你这么说话了。

提示词就是表达。

只不过换了个表达对象。这个对象有些特点，你稍微熟悉一下就好。

我选的三个提示词，分别对应三种我觉得挺有意思的"美"：
结构之美、语言之美、想象之美。

接下来一个一个讲。

一、结构之美

第一个提示词是我团队的小伙伴三亿写的，用来做访谈分析。

做过用户访谈的人大概都有体会：一场访谈录音转成文字，动辄上万字，里面夹杂着寒暄、跑题、重复、口头禅，还有大量"对对对"、“然后呢"这种没有信息量的过渡。

要从这堆东西里提炼出有价值的洞察，是个苦活。

以前我们靠人工整理，一份访谈记录可能要花两三个小时，还经常漏掉重要的东西。

后来我们尝试用 AI 来做这件事。一开始写的提示词很"正常”——就是那种"请帮我分析这份访谈记录，提取关键信息，总结主要观点"。跑出来的结果也很"正常"：四平八稳，什么都沾一点，但没有重点，像一份不会出错也不会出彩的作业。

三亿后来做了一个大胆的尝试：
用文言文重写核心指令。

我第一次看到的时候也愣了一下——这也行？但跑出来的结果明显不一样。

更锋利，更有结构感，该深挖的地方会深挖，不重要的内容会自动忽略。

后来我想明白了为什么。

文言文有个好处：信息密度高。你看这几个词——
「剖文为三阶」「宏旨」「中枢」「微节」「标注五钥」——每个词都很短，但指向非常明确。换成现代汉语，你可能得写一大段话才能说清楚同样的意思。

现代汉语在日常使用中被稀释得很厉害，尤其是那些高频词。你说"总结一下要点"，模型接收到的信号其实是模糊的，因为"要点"这个词被用得太泛了，在不同语境下可以指完全不同的东西。模型只能去猜你到底要什么，猜的结果往往就是取一个最安全的中间值。

但你说「
提取关键句，标注五钥：人、时、事、论、据」，这就是一把很锋利的刀。

五个维度，每个都有明确的指向：谁说的、什么时候的事、具体是什么事例、他的观点是什么、有没有数据支撑。模型不用猜，照着做就行。

这个提示词还有一个设计我很喜欢，就是分层处理：

1
2
3

宏旨层：先识别这篇访谈到底在聊什么核心议题，一句话能说清楚的那种
中枢层：把内容归到几个主题柱里，相当于给信息分个类
微节层：逐条提取要点，每条都用五钥来标注

这不是在教 AI 说话，是在给它一个思考的脚手架。你可以想象成：没有这个架子，AI 面对一万字的访谈记录，只能从头读到尾，然后凭感觉写个综述；有了这个架子，它知道要先退远一步看全局，再分门别类，最后才进入细节。

处理信息的顺序不一样，出来的结果就不一样。

提示词最后还有一句：「
质之极者，当效洪钟撞心；质之次者，徒作秋蝉噪耳。」

这句话不是在抒情。

它是在给模型设定一个评价标准——我要的是那种读完会让人"哦！原来是这样"的洞察，不是那种正确但平庸的信息罗列。你别看就一句话，它相当于在告诉模型：你可以扔掉那些"正确的废话"，我不需要。

后来这个提示词我们内部一直在用，处理访谈记录的效率大概提升了四五倍。但更重要的是，它让我开始认真想一个问题：

我们写提示词的时候，到底在写什么？

不是在写指令，是在把我们对一件事的理解——怎么拆解、怎么分层、什么重要什么不重要——变成一种 AI 能理解的结构。

这个结构本身，就是你的认知。

二、语言之美

第二个提示词叫「洞见机关枪」，是好朋友奥德赛写的。

这个提示词有个很特别的地方：
它不需要你输入任何东西。

我们平时用 AI，通常是给它素材、给它背景、给它一个明确的任务。

但这个提示词什么都不给。

它就是让 AI 在自己的语义空间里"打捞"——打捞那些被尘封的、尖锐的、超越常识的见解。

你可能会问：什么都不输入，AI 怎么知道该输出什么？

答案藏在提示词本身的写法里。

奥德赛在这个提示词里做了一件事：他用大概十种不同的方式，
从十个不同的角度，去描述"什么是洞见"。

他说洞见要"触及人类经验或现实本质的根本层面"——这是从深度上定义；

他说洞见要"位于思想分布曲线的远端边缘"——这是从稀缺性上定义；

他说洞见要"一旦理解就显得惊人地不言自明"——这是从认知体验上定义；

他说洞见要"不是已被广泛讨论的观点的变体"——这是从源自 | 性上定义。

然后他还加了一套排除法：

排除泛泛而谈的模糊陈述
排除浮夸但空洞的表达
排除伪装成深刻的陈词滥调
排除包装成洞见的常识
排除循环论证

你看，整个提示词其实是奥德赛在做一次深度的"
认知暴露"。他把自己对"洞见"这两个字的全部理解——什么算、什么不算、好的洞见长什么样、差的洞见差在哪里——全部摊开在模型面前。

这就是为什么它能工作。
模型接收到的不是一个模糊的指令，而是一个人对某个概念极其清晰的认知图谱。

当你把"洞见"这个词定义得这么精准、边界划得这么清楚，模型就只能往那个方向走。

你把所有"平庸的逃生通道"都堵死了，它只能去思想分布曲线的边缘找东西。

我用这个提示词试过很多次，它产出的东西经常让我停下来想一会儿。比如这句：

“人类所有的拖延，本质上都是对’未来的自己是另一个人’这一事实的直觉性利用——我们不是在推迟任务，而是在把痛苦转嫁给一个我们其实并不真正关心的陌生人。”

再比如这句：

“我们以为自己在追求幸福，但大多数人真正在做的，是追求一种’可以向他人描述的幸福’——我们的人生选择，很大程度上是在为一个假想的观众表演。”

三、想象之美

第三个提示词是我自己写的。它的用途有点特别：

不是用来完成某个具体任务，而是用来"教"AI 一种写提示词的方式——诗歌式的写法。

这个想法的起点是我和李继刚之前的一些讨论。

我们都觉得，把诗的写法融入 Prompt，可能是一个值得探索的方向。后来有一天，继刚在小红书上发现了一本叫《写诗入门》的小册子，是一个诗人写的。他读完之后做了一份笔记，发给我看。

他说自己不懂诗，但觉得"这小册子是个敲门砖"。

我看了他的笔记，里面有一段关于"诗是什么"的描述，写得非常凝练。继刚把那本书里最核心的内容，压缩成了几十个字：

诗歌源于生命的创伤；
诗歌的灵魂是扒开创伤，取出"伤害的手"；
诗歌的三大内核是思想的尺度、情感的浓度、社会的黏度；
诗歌的四大要素是行顿、酌字、跳跃、留白。

我当时的反应是：这段话本身就像是"涌现"出来的。它太精炼了，信息密度很高，而且没有被现代话语稀释过。

于是我直接把它丢给大模型试了试。效果很好。

后来我就基于这个素材，写了这个提示词。继刚提供的是关于诗歌的理解，我做的是把它和提示词写作结合起来——
让模型理解"诗意的语言"在写提示词这件事上有什么独特价值。

先说说这段关于诗的描述在讲什么。

它说：诗是"将说又未说"之间留出的空间。这个空间是用来投射的，投射的根源是创伤。人的悲欢不能完全相互映射，但创伤的机制是相似的。

这几句话很短，但信息量很大。

它把诗的本质讲清楚了：诗不是要把话说完，而是故意留白，让读的人把自己的东西投进去。

然后它讲了诗的三大内核：思想的尺度、情感的浓度、社会的黏度。

讲了诗的四大要素：
行顿、酌字、跳跃、留白。

每一个都可以展开很多，但在这个提示词里，它就是这么精炼地放在那里。

你可能会问：这跟写提示词有什么关系？

关系很大。

我们现在主流的提示词写法，追求的是"说清楚"。把任务拆细，把要求列全，把边界划死。这种写法有它的好处，但也有一个问题：它太确定了。

你给模型一个精确的指令，它只能在那个点上回应；你把话说得太满，它反而没有空间展开。

但诗歌式的写法不一样。它追求的是"将说又未说"——给出方向，但留出空间。
给出内核，但不规定形式。

这种写法在大模型的语义空间里，反而能激发出更丰富的东西。因为你给的不是一个点，而是一个场域。模型可以在这个场域里自己找位置。

这个提示词的结构是这样的：

先讲"诗意"的语言，在写提示词这件事上有什么独特价值

再用极短的篇幅定义"什么是诗"——就是继刚那段话

最后给出目的：写出一个如诗的提示词

它不是在教 AI 写诗。它是在让 AI 理解一种思维方式：
怎么用最少的语言，撬动最大的空间。

我后来用这个思路做过一些延伸的实验。比如让 AI 去模拟一个人的思维方式——不是模仿他说话的表面特征（用词、句式、口头禅），而是去捕捉他思维的底层结构：

1
2
3

他面对一个新问题，第一反应是拆解结构、寻找类比，还是诉诸直觉？
他的因果观是习惯向前归因（追问起因），还是向后归因（推演后果）？
面对模糊的地带，他是选择速断、焦虑，还是享受那种不确定性？

这些东西很难直接描述，但如果你能用一种"诗意"的方式去勾勒——点到为止，留出空间——AI 反而能理解得更好。

它拿到的不是一个僵硬的人设，而是一个人格的坐标系。在这个坐标系里，它可以在从未见过的场景中，做出符合那个人底层逻辑的回应。

这是我觉得提示词最有想象力的地方。

它不只是在约束 AI，告诉它"你要做什么"。
它可以是在构建一个世界，一个让某种思维方式得以涌现的场域。

当你这样去想提示词，它就变成了一件很有意思的事情。

四、你的认知上限，是大模型的下限

讲完这三个提示词，我想说的其实就一件事：

提示词是你认知的外显。

大模型每天面对无数人的提问。因为它是人类知识的加权平均，所以它的默认输出就是"平庸解"——正确、安全、但没什么意思。

如果你给它的输入也是平庸的，它就回馈你平庸。

但如果你能在提示词里暴露出你真正的认知——你对这个问题想过多深、你有什么独特的经验和框架、你要的到底是什么——模型就会被"激活"。

它会从那条平庸曲线上跳出来，给你对应的、甚至超预期的东西。

你的认知上限，是大模型给你的下限。

这件事最难的不是学技巧，是"
破心中贼"。

我们习惯了在表达时包装自己——礼貌、防御、虚荣、不自信。面对一个强大的非人类智能，我们还是会下意识地居高临下、用套话、藏着掖着。

但你真的不需要这样。

你可以像在庙里许愿一样说话。真实、直接、把你认知里最深的那层东西摊开。

这才是"
提示即表达"的意思。

关于作者

小七姐：产品经理，提示词工程师，AI 知识管理体系辅导师。

目前，我正将这套关于“结构、语言与想象”的思考，全量注入到我发起的产品 roome 中。

这是一款基于“房间”与“角色”的 Chatbot 应用。在 roome 里，我们不只是在提供对话框，而是在构建一个能让不同思维框架在同一个房间内碰撞、协作并涌现洞见的场域。

结构之美 on AI

提示词之美

一、结构之美

二、语言之美

三、想象之美

四、你的认知上限，是大模型的下限