核心观点 - 一个6页的"说明书"价值千万，关键在于如何编写AI提示词[3] - AI机器人的专业表现依赖于详细的"工作手册"而非算法本身[5][6] - 提示词编写方法可应用于ChatGPT、Claude等主流AI助手[10] 第一层基础：身份认知与任务分解 - 需明确AI的角色定位，如"科技公司高级客服主管"而非模糊指令[14][15] - 复杂任务需分解步骤，例如投资分析需分5步完成[19] - 规定XML等结构化输出格式便于信息提取[22][23] - 基础提示词包含身份、职责、处理流程等要素[25] 第二层进阶：案例教学与元提示 - 具体案例教学效果优于抽象解释，如N+1查询问题的代码示例[33][35] - 元提示技术可优化基础提示词，改进后版本增加目标读者、风格要求等细节[41][42] - 需设置"求救按钮"防止AI虚构答案，提高可靠性[47] 第三层企业应用：分层架构 - 三层架构包含系统提示词(通用规则)、开发者提示词(客户定制)、用户提示词(具体指令)[49][50] - Netflix与银行服务的差异化规则体现在第二层[53][55] - 分层优势包括效率提升、易于维护和成本优化[56] 第四层策略：模型选择与成本优化 - Claude擅长创意沟通，Llama适合技术性结构化任务[60][63] - 大模型优化+小模型执行的组合策略可降低成本(例：GPT-4优化+GPT-3.5执行)[65][69] - 成本对比显示优化后方案更具性价比[69] 实战技巧与进阶路径 - 观察AI思考过程可针对性改进提示词[73] - 建立案例库记录失败案例并迭代优化[74][79] - 通用元提示模板包含目标、用户、场景等要素[80][83] - 专家阶段需形成方法论并持续迭代[100][102]