揭秘！如何从零开始打造出惊艳的生产级Prompt！

随着人工智能的迅猛发展，产品经理的工作方式正经历着深刻的变革。以往，传统的产品经理通过撰写PRD文档与工程师进行沟通，而如今，人工智能产品经理（AIPM）则开始通过精心设计的Prompt与AI进行对话。这一转变不仅是工具的升级与交互对象的变化，更是工作方法的根本性变革。我们越来越多地依赖设计良好的Prompt来进行POC验证，并进一步推动原型设计的进展。

然而，并不是所有的Prompt都能胜任这一重要任务。即便是在日常使用中，语言模型的输出往往需要进行大量的修改。例如，在撰写论文时可能需要虚构文献，或者在生成内容时篇幅失控；而在创作自媒体文案时，则可能面临语言生硬、情感表达不足等问题。

在此，我们需要清晰地区分两种Prompt：一种是我们日常生活中的“日常对话Prompt”，这种Prompt通常是非结构化的，关注单次的输出，而不考虑其复用价值；另一种是“生产级Prompt”，这类Prompt通常是结构化的，专注于特定的业务场景，常用于自然语言编程，以确保输出的稳定性和高效性，并充分考虑用户体验，从而催生了如LangGPT这样的Prompt格式。

接下来，我将重点探讨AI产品中Prompt的重要性。

从0到1：产品经理在“POC验证”和“原型设计”这两个渐进阶段中扮演着越来越重要的角色。POC阶段关注可用性，原型设计则关注业务逻辑和用户交互。在POC阶段，产品经理负责模型的选择，撰写初版Prompt，并将其交给研发、算法团队，甚至运营和客户，利用不同的视角评估Prompt，从而进行快速验证，尽量减少潜在问题。这一过程涉及到Prompt的版本管理。

从1到N：在Prompt策略正式上线之前，我们永远无法预知用户会输入怎样的内容，这可能导致模型输出异常。只有在市场反馈后，通过“坏案例分析”构建数据集和评估标准，进一步调整Prompt，并进行评测，才能再次评估模型的输出质量（这也是容易被忽视的新问题）。或者针对交互层或模型层进行调整，比如基于行业动态进行模型迭代，此时需要关注GSB和对比采纳率。

一个有效的Prompt通常由三个要素组成。人机交互的输入可以分为结构化和非结构化两种形式。在与AI进行日常对话时，使用自然语言进行非结构化表达。在这种情况下，有一个小建议：尽量使用语音交流而不是打字，打字需要斟酌，而说话更容易扩展思路。

对于非结构化的Prompt，我们可以使用乔哈里视窗的框架来对信息进行分类，并采取相应的提问思路。

结构化的形式和思想在我们的日常写作和阅读中是非常常见的，它基于标题、子标题、段落和句子的构成。简单来说，结构化Prompt的思想就是像写文章一样来撰写Prompt。

为了方便写作和表达，我们使用各种模板来组织内容，例如八股文、PPT模板和学术论文。撰写结构化Prompt也有多种优质模板，可以像使用PPT模板一样选择或创造合适的模板。虽然最初存在结构化Prompt的概念，但在具体的Prompt撰写上仍显不足。

以知名的CRISPE框架为例，CRISPE分别代表不同的含义。

以朋友圈运营专家为例，最终撰写出的Prompt如下：

真正结构化的Prompt可以是这样的：

基于上述智能体的例子，我们可以进一步说明结构化Prompt的几个概念。

下面是对一些常见属性词的介绍。

LangGPT目前使用Markdown标记语法，主要是因为LLM本身支持Markdown格式，同时对非程序员用户也更加友好。

结构化Prompt并不是随意写几句让模型回答，而是一个可配置、可维护和可迭代的Prompt工程。

使用结构化Prompt有四个显著的好处：

在房地产和法律等行业中，代理人能够根据需求思考并行动，从而交付结果。这里提到的人工智能Agent具备几个特点——LLM+记忆+规划技能+工具使用，分为三大类：

1. Google AI Studio 首先介绍一个工具——Google AI Studio（谷歌人工智能工作室）。无论你是AI行业的开发者还是普通用户，无论是想快速测试想法，还是精细调整模型行为，都可以通过这个平台实现。简单来说，它提供了直观的界面和丰富的控制选项，就像一个免费的AI实验室，让你可以尽情探索Gemini、Veo、Lyria等谷歌模型的能力，获得理想的结果。

简单介绍一下常用的控制选项，包括参数区和工具区。

参数区：

工具区：

常见的设置：

2. PromptPilot PromptPilot支持Prompt调优和提示词版本管理，在漫长的调试过程中非常有用。它基于回答进行反馈，自动优化Prompt。

提示词的版本管理：

利用AI获取的信息，主动构建上下文。例如，在构建一个亚马逊电商专家的过程中，可以调教一个提示词，例如：亚马逊五点描述的写作要求和技巧是什么？

让AI基于前文创造一个专家，并使用LangGPT输出一个提示词。

实际上，到此时提示词已经完成，后续再进行一些调试后即可使用。

如果想要更进一步，可以让模型学习优秀案例，自我检查。

在亚马逊上随机选择一张电商服装图片，使用Nano Banana模型一键生成可商用的套图：

通过这篇文章，我们可以看到人工智能在产品管理中的潜力和应用。正如我们所见，AI不仅为我们的工作提供了便利，更为我们开启了新的可能性。通过不断探索和实践，我们能够更好地利用这些工具，推动自身和团队的成长。