1. 先说说我为什么搞这套“提示词助手工作流”
我每天的工作里有一大半是跟大模型打交道:写方案要让它帮忙搭框架,写代码要让它生成实现思路,遇到不熟悉的概念要让它用大白话解释,甚至日常发邮件、做复盘、整理会议纪要也要先起一道提示词。时间久了就会发现一个很扎心的事实:写提示词这件事本身,正在变成新的重复劳动。
明明上周刚调好一个“写产品需求文档”的提示词,这周老板说换个产品线、换个目标用户,我又得从头开始写一遍。明明总结了一个“代码审查提示词”,换了个代码库、换了个编程语言,又得改半天。真正写了上千条提示词之后,我的感受是:提示词不能靠一条一条地“灵光一现”,它需要被当成一套工程系统来管理。这就是“提示词助手工作流”的由来。
简单说,这套工作流不是某个单一脚本,而是覆盖“需求采集 → 模板生成 → 模型调用 → 输出校验 → 结果归档”的完整流水线。你可以简单理解成提示词界的“标准作业流程”:你只需要填几个关键变量,剩下的交给模板和调度逻辑去处理。它的价值不只是省几次打字,而是让每次调用的质量可量化、可复盘、可迭代。适合正在频繁使用各类大模型工具、却又苦于提示词质量不稳定、经验无法沉淀的人;也适合做 AI 应用开发、想在项目里构建可复用 Prompt 流程的工程同学。
下面我会把这套工作流的完整设计思路、落地步骤、踩坑记录和长时间使用后的经验习惯全部写下来。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 提示词助手工作流的核心模块拆解
2.1 输入采集层:把模糊需求翻译成可填写字段
很多人写提示词失败的根源,不是提示词写得不好,而是输入需求本身就是模糊的。比如你说“帮我把这段话改得更专业”,模型能改,但它不知道你想要什么风格的专业,也不知道给谁看,更不知道有没有禁忌词。所以我的工作流里,第一层不是写提示词,而是把用户的原始需求“格式化”。
我会先把常用任务抽象成固定的字段结构。拿“内容改写”举例,我需要采集的核心字段是:原文内容、改写目标(变专业/变通俗/变精炼)、读者对象、风格参考、禁用词或禁忌词、输出格式(段落/要点/表格)。拿“代码解释”举例,字段就是:代码片段、目标语言(Python/Java/Shell)、解释深度(入门级/源码级)、是否输出示例、是否需要指出潜在问题。
这套字段设计的关键在于“少而精”。我一开始把字段做得特别多,光“上下文背景”就分了十几个子项,实际用起来没人愿意填。后来砍到最多六七个字段,并且能自动填的字段就自动填,比如当前文件名、代码语言、仓库里已有的命名风格,这些都可以通过脚本自动检测。
2.2 模板生成层:结构化提示词的三要素
有了结构化字段,接下来是把字段渲染成提示词模板。借助模板引擎,比如 Python 的 Jinja2,我能把变量、逻辑判断和默认值都塞进模板里,让同一条模板适应不同场景。
我自己写提示词模板时,固定遵守三段式结构,这个结构在任何任务上都能用:
- 角色设定:告诉模型你是谁,这个环节要约束模型的站位和语气。
- 任务说明:描述要做什么、输入是什么、目标是什么。
- 约束与输出格式:说明不能做什么、按什么格式输出、必要时加入示例和正反例。
实际模板里我会写成这样:
jinja2复制你是一名{role}。
请根据以下要求完成{task_type}:
任务背景:{background
