一次性的任务交代
今天让 AI 改一段文案，明天让它总结一份资料。写得不好，换个说法重来就行，试错成本低。
- 目标：省自己几分钟
- 风险：一次结果不满意
- 方法：把背景、要求、限制说清楚
03 第零篇章 · 第一次系统认识 AI
提示词工程，到底工程在哪
日常提示词解决一次对话，提示词工程解决一套系统。它不是把话写长，而是让 AI 在成千上万次调用里都按同一套边界、流程和标准稳定工作。
一句话回答
提示词工程不是“会写漂亮提示词”，而是给 AI 写一份可测试、可复用、可迭代的行为合同：它该扮演什么角色、能看什么资料、按什么步骤做、遇到风险怎么拒绝、输出后如何验收。日常用 AI 靠表达，产品级 AI 靠工程。
同样叫提示词，分量完全不同
chat vs system
可复用的 AI 行为合同
客服助手、知识库、写作工具、Agent 工作流背后都有系统提示词。它会被反复调用，影响成本、口径、体验和风险。
- 目标：让一套能力稳定交付
- 风险：批量错误、成本放大、越权输出
- 方法：设计、测试、监控、迭代
提示词工程真正要管的 5 件事
engineering loop
行为合同
规定 AI 的身份、任务、边界、语气、拒答规则和输出格式，让它不是随便发挥。
样本评测
准备一组真实问题，每次改提示词都跑一遍，看正确率、格式、语气和稳定性有没有提升。
成本预算
系统提示词每多一段废话，都会在每次调用里重复计费。工程化要让信息足够，但不臃肿。
风险防线
面对诱导、越权、敏感信息和错误事实，提示词要告诉 AI 什么时候拒绝、转人工或要求补证据。
版本迭代
把提示词当产品资产管理：记录版本、变更原因、测试结果和失败案例，而不是靠感觉改。
拖一拖 · 感受“被调用很多次”的放大效应
cost sense
这里不是精确报价，而是帮你建立数量级直觉：系统提示词里每次多出的冗余 token，会随着调用次数被不断放大。
一条提示词能不能进系统，看这 6 项
ship checklist
角色清楚它知道自己是谁，不该假装成谁。
资料来源它知道哪些答案必须基于资料。
输出格式前端和后续流程能稳定接住。
拒答边界遇到敏感、越权、无证据时会收住。
测试样本至少覆盖正常、边界和恶意输入。
版本记录知道这版改了什么、为什么改。
本节小结
- 普通提示词解决一次对话，提示词工程解决一套可重复运行的 AI 能力。
- 工程价值体现在测试、成本、风险和版本管理，不是把提示词写得更长。
- 系统提示词会被反复调用，一个小问题会被用户量和调用量放大。
- 想做 AI 产品，要把提示词当资产管理，而不是当临时文案管理。