"提示词工程"（Prompt Engineering）——这个词听起来就像是某种高深的技术活，让人联想到戴着厚眼镜的工程师在命令行里敲着神秘的指令。我第一次听到这个词的时候，第一反应是：完了，又多了一样要学的东西。
但后来我发现，提示词工程根本不是技术活，它是写作活。写好 Prompt，本质上就是写好一篇文章。如果你能写清楚一段话，你就能写清楚一个 Prompt。
这个发现让我轻松了很多，也让我对"写作"这件事有了全新的理解。
三个层次，从写清楚到教明白
我把我用 AI 的经验总结成了三个层次，每个层次都对应着一种写作能力。
层次一：把需求说清楚
你见过那种写得特别模糊的 Prompt 吗？"帮我写一段代码"——什么样的代码？做什么用的？用什么语言？有什么限制？很多人在和 AI 对话时，就像在和一个心不在焉的同事说话，以为对方能自动理解你的隐含意图。
但 AI 不是读心术师。它只能理解你写出来的东西。这和写文章是一样的：你写文章时，读者只能看到你写出来的文字，看不到你脑子里的"潜台词"。好的 Prompt 的第一个要求，就是把需求说清楚。
举个例子，一个差的 Prompt 是这样：
"帮我写一个数据分析脚本。"
一个好的 Prompt 是这样：
"我用 Python 写了一个数据分析脚本，读取一个 CSV 文件，里面有三列：日期、销售额、产品类别。我需要你帮我补充一个功能：按产品类别分组，计算每个类别每月的销售额总和，并生成一个折线图。请用 pandas 和 matplotlib。"
你能感觉到差别吗？后者就像一篇好文章的开头——它把背景、要求、上下文都交代清楚了。写 Prompt 和写文章一样，最核心的能力是具象化——把脑子里的模糊想法，变成清晰、具体、可执行的文字。
层次二：组织好上下文
写文章的人都知道，一篇文章不是一堆段落堆砌出来的，而是有结构的。开头引入问题，中间展开论述，结尾总结升华。好的 Prompt 也需要同样的结构感。
我在写复杂的 Prompt 时，通常会遵循这样一个结构：
- 角色设定："你是一个资深 Python 开发者，擅长代码审查。"
- 任务描述："请审查以下代码，找出潜在的性能问题。"
- 上下文信息："这段代码是生产环境的核心接口，QPS 大约 5000。"
- 输出格式："请按优先级排序，每个问题附上修改建议。"
这个结构和你写一篇技术博客的结构几乎一模一样：先告诉读者你是谁（定位），然后告诉读者你要讲什么（主题），再提供背景信息（上下文），最后说明输出形式（格式）。
我认识的一些写 Prompt 特别好的朋友，他们有一个共同点：他们都是很好的写作者。不一定写博客，但他们写邮件、写文档、写需求说明都特别清晰。这不是巧合。
层次三：教会 AI 理解你的意图
这是最高级的层次，也是我最喜欢的一个层次。好的 Prompt 不仅仅是"告诉 AI 做什么"，而是教会 AI 理解你的意图。
什么意思呢？我举个例子。有一次我需要 AI 帮我写一段代码，但我想要的方式比较特殊——不是最高效的写法，而是最易读的写法，因为这段代码会被很多人维护。我试了几次，AI 总是给我写出各种"花哨"的写法。
后来我改变了策略。我没有直接让 AI 写代码，而是先给了它一个例子：
"这是我之前写的一段代码，你看看它的风格。变量名用全称，注释写在关键逻辑之前，函数尽量不超过 20 行。现在请用同样的风格写一个新功能。"
结果好多了。为什么？因为我不只是下达了指令，我教了它。我给了它一个"风格样本"，让它知道什么样的输出是我想要的。
这个逻辑和写作是一样的。好的作者不会只是"告诉"读者一个结论，他们会"展示"为什么这个结论成立。他们会用例子、用故事、用类比来教会读者。好的 Prompt 作者也是一样——他们不是在命令 AI，而是在教 AI。
为什么写作能力突然变得重要了
很多人觉得 AI 时代"写作能力"会贬值——反正 AI 能帮你写，你不需要自己写了。但我恰恰认为相反：AI 时代，写作能力变得前所未有的重要。
因为 AI 这个"工具"的输入输出都是自然语言。你和 AI 之间的交互质量，完全取决于你用自然语言表达的能力。表达能力越强，AI 给你的回报就越大。
提示词工程不是一门需要单独学的新技能。它就是你一直在练习的写作能力——只是换了一个表现形式。你不需要学"Prompt 框架"，不需要背"角色设定模板"，你只需要把你写文章的能力迁移过来。
所以我的建议很简单：如果你想让 AI 更好地为你工作，不要学提示词工程，去学写作。去写博客、写邮件、写日记——任何需要你组织语言、清晰表达的事情。你在写的每一个字，都在帮你成为一个更好的"提示词工程师"。