前段时间整理了十几个主流 AI 产品的提示词，好多产品经理看了之后大呼：提示词要这么卷么？

“卷”是真卷，比如上面截图里 Manus 的系统级提示词有10208个字符，整整 250 行；编程软件 Cursor 的 Agent 模式的提示词有18543个字符、Chat 模式的提示词12568个字符……

但是，问出这句话的产品经理，一定没有在真实场景实践过。

倒不是开发者们“恶意”卷提示词字数，作为统领全局的system prompt低于这个量级，根本没办法把大模型约束在可控范围内。

普通人越不需要写提示词，对每个产品背后产品经理的提示词水平要求就越高。

再优秀的模型也不能靠一个眼神就完成你想让它干的事，有效规训大模型完成既定任务的“提示词”是必不可少的一环。

一个不能有效规训大模型的产品经理，大概率会成为时代的弃儿。

提示词工程这个概念涉及到的内容太多了，我们今天只聊聊它的产物“工程级提示词”。

工程级提示词是什么？

这是我造的概念，不过在做 AI 项目的应该一看就能知道它是什么。

所谓“工程级提示词”，就是那种被放在真实项目中、能够约束大模型完成任务输出预期内容、可以确保整个项目稳定自动运行的提示词。

与我们日常使用 DeepSeek 的时候写的提示词不同，工程级提示词是在你“看不见”的状态下运行的。

你不能像跟 DeepSeek 对话一样，输出不好可以修改、追问、甚至重开窗口；做项目系统中的一环，它必须稳定输出、甚至稳定输出指定格式，一旦出错就是一次全链条的崩溃。

对于 AI 项目的产品经理和工程师们来说，项目中所有可能调用的大模型都不再是替你干活的乙方、实习生，而是跟你一起服务“甲方”的合伙人。你必须通过提示词给这个“合伙人”嘱咐好一切。

接下来聊一聊写好“工程级提示词”的几个细节。

3个必须考虑的细节

实际场景中，大模型爱“捣乱”的无非以下三种情况：

1. 不按要求格式输出，导致后续环节“续不上”2. 产生幻觉，胡编乱造答案3. 不按你的要求、引导执行任务，自由发挥其中第二点是最容易“翻车”的地方。

我每周都会在《一周 AI 大事件》中分享拆解一个工程级提示词，即便是哪些“高端”提示词也经常写出幻觉满满的提示词。

结构化输出

关于第一点输出格式约束部分，方法很简单：

1. 给大模型输出格式的示例；2. 打开 API 请求中的 JSON Mode一个细节是，在给大模型格式示例时，千万不要使用太具体的示例写法。

太具体的示例会导致大模型一味模仿，失去灵活性。

比如，我有一次在搭 Dify 会话流时，想要让模型从用户的对话中提取用户偏好等信息存储为记忆。

我使用了这样的提示词：

从下面输入的信息中推断事实和偏好，输出用以存储为记忆的结构化信息。

记忆的范围：

– 用户的姓名、公司、所在行业等事实信息

– 用户对回答的偏好

– 用户遇到的问题不在记忆存储的范围内

推断事实、偏好的约束：

– 事实、偏好应简洁明了

– 不要以“此人喜欢披萨”开头。相反，以“喜欢披萨”开头。

输出示例：

“姓名：张佳；公司：起点课堂；偏好：需要通俗的回答。”

然后模型给我输出了个这……

如何避免模型幻觉

大模型确实会编造自己不知道的内容，但它编造的原因 99% 都是人造成的。

前面截图里 DeerFlow 那个产品的提示词里的很多模块要求都会造成模型幻觉：

(以下内容为中文翻译)

比如信息数量和质量标准部分：

1. **全面覆盖**：

– 信息必须涵盖主题的所有方面

– 必须呈现多种观点

– 应包括主流和非主流观点

2. **足够深度**：

– 表面信息是不够的

– 需要详细的数据点、事实、统计数据

– 需要来自多个来源的深入分析

3. **足够数量**：

– 收集”刚好够”的信息是不可接受的

– 目标是获得丰富的相关信息

– 更多高质量信息总是优于较少信息

幻觉的原因：

1. “必须涵盖主题的所有方面”中的“所有方面”没有衡量指标，模型会为了完成任务尽可能多的生成“方面”，而其中的大部分肯定是编造的；2. “应包括主流和非主流观点”中，主流和非主流定义没界定，全凭模型随机，幻觉率肯定大幅提升；3. “需要详细的数据点、事实、统计数据”，模型面对这种要求最高效的策略是生成虚假内容，因为省Token4. “更多高质量信息总是优于较少信息”是一种非常 PUA 的引导方式，这是明晃晃的在暗示模型要“造谣”看起来高质量的信息5. ……避免模型幻觉没有捷径：

1. 只让模型做你能清晰界定、有充足正反面示例的任务2. 在你不熟悉的场景给模型留后路在周会上对待下属的那种 PUA 式要求禁止放在提示词里。

推荐大家阅读学习 pdf-craft 这个项目，作者在引导大模型帮他处理 OCR 识别后的格式时，给出了我认为此刻最耐心的引导提示词

《一周AI大事件》的 0407-0413 期中我有拆解过这个项目，再次推荐加入一起学习

防止模型忘记要求

大模型有一个非常致命的缺点：注意力发散。

虽然现在随便拎出个大模型都能有 128K 的记忆窗口，但是它的注意力并不能时刻保持聚焦在所有的窗口文本中。

你应该遇到过这种情况：给模型发了一篇英文文章或者代码，即便使用中文跟它发送指令，它也会自顾自的说起英文。

By Raycast的Gemini 2.5 Pro

核心原因在于，随着提示词（和上下文）的增加，模型的注意力会逐渐“失焦”。

这里“失焦”并不是分散，而是聚焦到靠后的位置。

解决方案很简单：把你认为重要的指令要求放在提示词的最后。

我一般是前面该说说，在最后把所有必须遵守的要求再专门列出来写一遍。

如何提升“写作”水平

没有好办法，就是多看优秀的提示词在如何表达、在约束什么、引导方式和示例的写法。

渠道一：文章开篇截图的那 15 个优秀产品的提示词逐条翻译、学习。我把他们整理到腾讯文档了，加入 AI 学习圈搜索「工程级提示词文档」可以找到。

渠道二：我每周都会在《一周 AI 大事件》中拆解一个提示词，截止到此刻已经拆解分享过 18 个项目了，报名AI行动派会员、AI岗位面试题100问或者AI 大模型应用落地实战营都可以解锁这个文档的阅读权限（2025年）

渠道三：定期关注 Github Trending 也行，每一个上榜的 AI 项目都值得一学。

关于AI学习行动圈

我从 23 年开始和起点课堂一起运营「AI学习行动圈」，截止到此刻已更新 1500+主题，与接近 4000 关注 AI 的实战派在过去 500+ 天里每天讨论、交流 AI 实战应用。

学习圈目前有 3 个核心的学习交流“阵地”：

1. 知识星球： 知识资料技巧沉淀的核心渠道，随时可查阅2. 微信交流群： 目前 6 个群，每天都有圈友交流分享 AI 使用心得3. 吹水局直播： 工作日晚 19:30-21:30，每场一个 AI 应用主题

阵地一：知识星球

我在星球里主要维护「实战分享」「工具箱」和「情报局」三个标签

实战分享是可以在日常工作和生活中直接应用的提示词和效率工具。上面截图里的 Step-Back 提示词就非常好用，堪比 o4。在公众号、直播中演示的所有 AI 实战应用的提示词也都在这个标签下。

AI 工具和鲜知道就是好用的、热门的 AI 工具、资讯分享，我把那些太技术、太浮夸的都筛选了，放进这个标签的都是可以直接用来的好玩儿！

星球还有一个“专栏”体系，目前的定位跟标签差不多。

如果你正在找一个 能第一时间了解最新、实用的 AI 资讯和实战技巧 ，遇到任何 AI 应用问题能 随时找到同行人交流、请教、讨论 的圈子，

阵地二：微信交流群

我们为圈友配了微信交流群，现在 6 群快满了。

微信群里每天一早有 AI 早报，上下午还有“读报时间”，以及我每天不定期刷屏级的各种 AI 工具体验、提示词编排思考、行业新闻解读同步。

以及，你可以在群里讨论任何与 AI 相关的工具、应用问题，几乎都能找到答案。

如果你正在找一个 能第一时间了解最新、实用的 AI 资讯和实战技巧 ，遇到任何 AI 应用问题能 随时找到同行人交流、请教、讨论 的圈子，

立刻扫码领取 50 元立减金加入

阵地三：AI吹水局直播

刚复盘我专门去视频号后台看了一下直播记录，过去一年一共为学习圈做了 130 场 AI 应用、实战、热点解读相关的直播，累计肝了 257 小时！

有十几场仅学习圈成员可观看的闭门直播，平均观看时长都是 1 个多小时，有时逼近接近 2 小时！

没点干货，平均停留时长到不了这水平的。

如果你正在找一个 能第一时间了解最新、实用的 AI 资讯和实战技巧 ，遇到任何 AI 应用问题能 随时找到同行人交流、请教、讨论 的圈子，

立刻扫码领取 50 元立减金加入