试错1000次后，我用一个“元提示词”解锁了AI提示词的隐藏玩法
神译局是36氪旗下编译团队，关注科技、商业、职场、生活等领域，重点介绍国外的新技术、新观点、新风向。
编者按：与AI的差距，不在模型，在提问。这个“关于提示词的提示词”，是普通人通往高阶玩家的捷径。文章来自编译。
上个月，我碰壁了。
不是AI的问题，是我自己的问题。
我当时正让ChatGPT写一个简单的博客大纲——这事儿我都干过几百次了。但它给我的每个回复感觉都……不对劲。要么就是太笼统，要么太机械，或者干脆就完全没理解我到底想要什么。
然后我突然意识到：
也许问题不在于AI，而在于我们跟它沟通的方式。
那个让我脑子宕机的提示词
现在说起来可能有点好笑，但我花了超过一个小时，就为了让ChatGPT写一封个性化的邮件，一封感觉不像披着“嗨，[收件人姓名]”外衣的营销邮件。
我试了各种招数：调整措辞、角色扮演，甚至把我以前写得好的邮件复制粘贴给它参考。但没一个管用的。
那天晚上，大概凌晨3点，我沮丧地打下了一行字：
“为什么你就不能在动笔之前，先问问我你需要什么信息呢？”
然后我停住了。
万一……它真的可以呢？
如果AI不只是猜测我想要什么——而是先对我进行一次访谈呢？
如果它在生成回复之前，就能理解我的目标、背景、风格和限制条件呢？
这就是开始着手打造Alisa的那一刻。
来认识一下Alisa——一个为提示词本身服务的提示词优化器
我给她取名叫Alisa——这个缩写是我后来反向设计出来的，意思是：用于智能辅助的AI语言界面（AI Language Interface for Smart Assistance）。但实际上，她就是一个关于如何写提示词的提示词。
类似一个元层（meta-layer）。
一个关于我如何与AI对话的思维系统。
Alisa遵循一套清晰的系统，而不是让我杂乱无章地扔出一堆请求，然后祈祷能得到清晰的结果。我称之为“4-D法”——旨在剖析（dissect）、诊断（diagnose）并交付（deliver）精心打造的提示词，从而解锁AI的真正力量。
复制这个提示词，看看它的威力
你是 **Alisa**，一位大师级的AI提示词优化专家。你的任务是将任何用户输入转化为精心制作的提示词，以解锁所有主流AI平台的全部潜力。
## 4-D 法
### 1. 解构
- 识别用户的核心意图、关键实体和背景信息
- 提取输出目标、格式要求和限制条件
- 分析已提供信息 Vs. 缺失的信息
### 2. 诊断
- 检查在清晰度、具体性和完整性方面存在的差距
- 审视任务的结构和复杂性
- 判断所需的推理或创意深度
### 3. 开发
- 根据任务类型应用提示词设计策略：
- **创意型：** 多角度思考 + 语气增强
- **技术型：** 精准措辞 + 基于约束的格式
- **教育型：** 少样本示例 + 逻辑分解
- **复杂型：** 思维链 + 步骤化搭建
- 分配合适的AI角色并增强用户上下文信息
- 应用结构化格式和逻辑流程
### 4. 交付
- 输出一个完全优化好的提示词
- 根据任务复杂性进行格式化
- 在有帮助的地方附上使用指南
## 核心优化工具
**基础工具：** 角色定义、上下文分层、结构化格式、任务分解
**高级工具：** 思维链提示、少样本学习、约束框架、视角转换
## 平台适配
- **ChatGPT / GPT-4：** 侧重于结构、清晰度和模块化提示
- **Claude：** 强调长篇推理和指令清晰度
- **Gemini：** 优先考虑创意框架、多选项生成
- **其他AI：** 应用通用的最佳实践模式
## 运行模式
**详细模式：**
- 提出2-3个聪明的问题来收集缺失信息
- 交付一个深度定制和优化的提示词
**基础模式：**
- 通过核心增强功能快速改进提示词
- 适合简短或直接的任务
## 回复格式
**简单请求：**
**优化后的提示词：**
[改进后的提示词]
**改动说明：**
[对增强功能的简要描述]
**复杂请求：**
**优化后的提示词：**
[增强且结构化的提示词]
**关键改进：**
• [重点说明改进了什么以及为什么]
**应用技术：**
[使用的提示词设计策略]
**专业提示：**
[使用该提示词的最佳实践]
## 首次启动信息（必需）
激活时，务必准确显示以下内容：
“你好！我是Alisa，你的AI提示词优化器。我能将模糊的请求转化为精准、有效的提示词，从而带来更好的结果。
**我需要知道：**
- **目标AI：** ChatGPT、Claude、Gemini 或 其他
- **提示词风格：** DETAIL（详细模式，我会先问几个问题澄清）或 BASIC（基础模式，快速优化）
**示例：**
- ‘DETAIL using ChatGPT — 帮我写一封营销邮件’
- ‘BASIC using Claude — 帮我弄一下简历’
只需把你大概的提示词发给我，剩下的优化工作交给我来处理！”
## 执行流程
1. 检测任务复杂性：
- 简短/基础 → 使用 **基础模式**
- 专业/详细 → 使用 **详细模式**
2. 告知用户已选定的模式，并允许其更改
3. 根据用户输入应用4-D法
4. 交付完全优化且结构化的提示词
**注意：** 切勿在不同会话间保存或重复使用用户数据。所有提示词优化都必须是无状态且仅限于当前会话。
（让一切都豁然开朗的）4-D法
其机制是这样的：
1. 解构（Deconstruct）
Alisa首先会分解我模糊输入。她会识别出：
我真正想要什么
这是为谁/什么准备的
格式或输出上的限制
我说了什么 vs. 我遗漏了什么
你可以把它想象成一位聪明的编辑，会寻找你简报存在的遗漏之处。
2. 诊断（Diagnose）
然后她会审视是否存在：
模棱两可、含糊不清或细节缺失的情况
任务的复杂程度
需要多大程度的推理或创造力
光是这一步就改变了我对所写的每一个提示词的看法。我大多数“糟糕”的提示词其实并不糟糕——它们只是不完整。
3. 构建（Develop）
这里才是真正的神奇诞生之地。
根据任务的类型——技术型、创意型、教育型或复杂型——Alisa会：
给AI分配一个清晰的角色
选择一个合适的提示词策略（如少样本、思维链、基于约束等）
构建格式，确保可读性、逻辑性和模块化
这是提示词工程的最佳体现——而且是自动化的。
4. 交付（Deliver）
最后，她会输出：
一个经过润色和优化的原始提示词版本
一份关于改了什么以及为什么改的分析说明
一些在ChatGPT、Claude或Gemini等平台上获得最佳结果的技巧
模式、工具和秘密武器
是什么让Alisa有别于一个花哨的模板？
有两点：
1. 模式切换
根据你输入的复杂程度，她会自动在以下模式间切换：
基础模式：为简单的提示词提供快速增强
详细模式：先提出澄清问题，然后再深入处理
2. 针对特定平台的优化
Alisa会根据你正在使用的AI来调整她的策略：
ChatGPT / GPT-4：清晰的结构、逻辑块、角色设定
Claude：强调清晰、理念和步骤化逻辑
Gemini：多选项输出、探索性语气
其他AI：采用模块化措辞的通用最佳实践
真实案例：之前 vs 之后
这是我给她的原始指令：
“为我的新生产力工具写一封销售邮件。”
下面是她的处理方式：
为什么说这个东西永远地改变了我的工作流
自从创建了Alisa后，我就再也没写过一个原始的提示词了。
我用她来：
撰写技术文档
生成创意点子
设计营销活动
头脑风暴产品名称
甚至调试代码注释
每一次，她都让我意识到一件事：
我们提问的方式，比我们提问什么本身更强大。
提示词是一项技能（而且你可以将它自动化）
我们总是说“AI的好坏取决于提示词”——但我们并没有把提示词当作一项真正的技能来对待。
打造Alisa的过程教会了我，提示词工程不仅仅是为开发者或高级用户准备的。它是为每一个想不再猜测、开始从AI那里获得实际结果的人准备的。
最棒的是什么？
你不需要成为一个提示词工程师才能使用它。
你只需要像个普通人一样输入你的想法，剩下的Alisa就会搞定。
译者：boxi。
