黄益贺 2024-03 → 2026-05 关于提示词工程 + 上下文工程的全量沉淀。覆盖 186 帖 prompt-engineering 主题桶 + 跨桶交叉素材。聚焦"非技术个体怎么用 Prompt 撬动 LLM 的产出质量"。
何时打开:
- 你想学"Prompt 工程"但不知道值不值得花时间
- 你想做产品级 Prompt 调度(不只是模板复用)
- 你想理解 Prompt → Context → Skill 演化路径
- 你卡在"Thinking 模型够强了还需要 Sequential Thinking 吗"这种选型问题
- 你做 Vibe Coding / 文生图 / 结构化生成,想要可复用的 Prompt 模式
0. 核心立场:Prompt 工程不需要"学"(2025-05 帖 1247, 1223)
老黄反复强调的反共识观点:
"对普通用户来说,完全没必要特意去学提示词,更没必要买课。把逻辑学好,掌握一些表达、沟通的方法论,就足够组织语言、驱动模型推理,获得预期结果了。"
"提示词的本质是啥?逻辑,方法论。咱们最常见的提示词,告诉 AI:是谁,什么背景,要干嘛,怎么做,成功图像。这一大串是什么特殊的课程吗?不就是 对一个任务的拆解、清晰 Brief 吗?公司里来个新人,我要带的话,也是这么教的啊。"
Why 这个立场:
- 提示词的本质 = 任务拆解 + Brief 写作(传播营销老黄的看家本领)
- 市面上的"提示词课"大多是包装 → 学了不能举一反三
- 真正提升手段:学逻辑学 / 金字塔原理 / 沟通方法论
反 pattern:
- 把"我要学 Prompt 工程"当目标 → 90% 时间会浪费
- 收藏几百条 Prompt 模板 → 大部分场景用不上,场景一变就废
- 找博主学"AI 写小红书的 5 个秘诀" → 跟博主无关,自己拆解清楚需求才是关键
何时回看: 想买课时回来读。把那笔钱用来订一年的 Claude / Gemini Pro,然后自己琢磨。
1. 跟模型沟通的底层心法(2024-12 帖 661)
核心比喻:
"把模型当做一个新人,文笔好,但是不知道怎么写小红书。你就想想,你会怎么教它?然后反复试验、修改就好。"
关键操作:
- 把对方当聪明但缺背景的新人,不是搜索引擎也不是百科全书
- 告诉它你想要什么(目标 + 成功图像),不只是关键词
- 提供必要背景(行业、风格、边界、避免什么)
- 反复试验:一遍不行就改 Prompt,不是骂模型笨
何时用:
- 任何 Prompt 写糊涂时,问"我现在跟一个不懂这事的新人会怎么交代?"
- 觉得模型"不懂"时,反问"是我没说清楚还是模型真的不行?"(99% 是前者)
2. 经典 Prompt 模板:任务拆解 5 元素(2025-05 帖 1223)
老黄给出的"经典提示词五要素":
| 要素 | 内容 |
|---|---|
| 是谁 | 角色设定(你是一个金融分析师 / 翻译专家 / ...) |
| 什么背景 | 上下文(具备哪些技能、有哪些资源、了解什么领域) |
| 要干嘛 | 目标(你要完成什么任务) |
| 怎么做 | 实现路径(分几步、用什么方法、约束是什么) |
| 成功图像 | 参考案例(类似的好作品长什么样,或者 few-shot 示例) |
Why 这套足够覆盖 90% 场景: 它就是"如何带新人"的 SOP。逻辑层面是普遍的,场景层面才有专业差异。
3. 翻译/总结的 Prompt 最佳实践(2024-12 帖 693)
老黄常用的"联网搜索增强" Prompt:
Always reply in Chinese. Prefers English sources for online searches,
with Chinese sources as a last option. Always search the web for English
pages, even if questions are in Chinese. Translate questions to English
before searching.
Why: 中英源信息质量天壤之别。同一个问题,英文源给你的答案密度和准确度往往是中文源的 3-5 倍。这条 Prompt 把"用英文搜 + 用中文回"做成默认行为。
何时用:
- 把它存到 Prompt House 或者 Claude 的 Custom Instructions / Gemini 的 System Prompt 里,长期生效
- 跟 Gemini / Perplexity 这类联网工具配合,搜出来的引用源全部偏好英文
4. iPhone 快捷指令 + Prompt(2024-05 帖 263 精华)
老黄分享的 3 个 iCloud 快捷指令(用了 GPT-4o + Markdown 输出):
- 问答 GPT:语音输入 → 语音转文本 + Prompt → GPT-4o → 备忘录
- 灵感 GPT:同上
- 总结 GPT:微信文章 Chrome 打开 → 分享给快捷指令 → GPT-4o 提炼关键点 → 备忘录
Prompt 关键设计:
- 强制 Markdown 格式输出(方便后续 Obsidian / Ulysses 编辑)
- 保存到备忘录(跨端同步快,Mac 上马上能继续编辑)
Why 这个设计有用:
- "AI + 系统快捷方式"比"AI App"接入更深
- Markdown 是 AI 时代的"通用语言",任何 Prompt 默认强制 MD 输出会让下游处理 10 倍轻松
5. Thinking-Claude:表演思考也是有价值的(2024-11 帖 614, 616 精华)
事件:浏览器插件 Thinking-Claude 给 Claude 加"慢思考"提示词,效果好得老黄第一天就说"史诗级增强"。
第二天老黄收回判断:
- 不是真正思考,是"表演思考" — 因为模型回答是一次性生成,所谓"思考过程"也是生成的一部分
- 但表演也有价值 — 在框架约束下,强迫模型产出更有逻辑、更强结构性、更全面的回答。这是质量提升的真原因
- 不是提示词强,是 Claude 强
核心洞察:
- 让 LLM "演"思考流程 → 强制它分步生成 → 更高质量输出
- 但不要把这归功于 Prompt;这是模型本身的能力
- 提示词的天花板就在模型能力的天花板上
何时用:
- 评估"神级 Prompt"时,问"是模型强还是提示词强?"
- 自己写 Prompt 时,故意强制分步骤思考(类似 Chain of Thought),即使你知道它是表演
6. 提示词进阶用法:Prompt 调度 Prompt(2025-06 帖 1381 精华)
老黄通过 Prompt House 实现的 Workflow:
任务开始
↓
模型从 Prompt House MCP 拿到 "深度研究" 提示词
↓
这份 Prompt 要求:用 Sequential Thinking + Tavily 至少 3 轮迭代
↓
完成后,模型从 Prompt House 拿 "总结报告" 提示词
↓
"总结报告" Prompt 要求:逻辑清晰 / 每节有结论支撑
↓
最终输出
核心: 一份提示词可以引出另一份提示词。多份 Prompt + 多个 MCP 组合 = 轻巧的 Workflow,足够做复杂任务。
Why 这是 Prompt 工程的天花板:
- 单 Prompt 模板只能处理单步任务
- "Prompt → Prompt"链条 = 跨步骤、跨工具的 Workflow
- 比 LangChain 之类的复杂框架更轻量
详见 newtype · MCP 协议与生态实战 §9 复刻巴菲特 SOP(同样模式)。
7. Ultra think:Claude Code 的思考预算调度(2025-07 帖 1558)
关键 trick: 在 Claude Code 里遇到难题,提示词加 "Ultra think",触发最大思考预算。
| 关键词 | Token 预算 |
|---|---|
Ultra think / ultrathink |
32K(HIGHEST) |
think hard / think harder 类 |
10K(MIDDLE) |
think |
4K(BASIC) |
| (无) | 0(NONE) |
Why 这是一手 Prompt 工程信息:
- Claude Code 思考预算不在文档里 → 大多数人不知道
- 32K 预算够拆 5-10 个子任务 → 复杂问题质变
- 一个词触发 = 极低成本的"祖传秘方"
何时用: Claude Code 一次答错,先加 "Ultra think" 重试,90% 是预算不够,不是模型不行。
8. 整合分析框架:第一性原理 + 不可能三角(2025-07 帖 1481)
老黄做的 Prompt 整合实验:
- 第一性原理(由内而外,从根本重构 → 突破性解决方案)
- 不可能三角(由外而内,识别边界约束 → 在约束下优化)
两个的局限性:
- 不可能三角 → 容易陷入"宿命论"
- 第一性原理 → 容易忽视约束条件
老黄让 Claude 整合成"高级分析框架" Prompt,然后塞到 Obsidian MCP 的 notes_insight 工具里。
Why 这个模式有用:
- 单一框架有盲点
- 整合多个框架 → Prompt 也成为方法论
- 这套 Prompt 可以挂载到 Skill 里,任何场景被自动调用
何时用: 你有两个互补的思维框架 → 让 LLM 帮你整合成单 Prompt → 再封装成 Skill,以后自动激活。
9. 结构化文生图 Prompt:JSON 框架(2025-09 帖 1787, 1790)
用于 Google Nano banana 等指令遵循性强的模型:
{
"subject": "...",
"environment": "...",
"lighting": "...",
"camera": "...",
"style": "...",
...
}
Why 用 JSON 而不是自然语言:
- JSON 把"主体 / 环境 / 光线 / 镜头 / 风格"分槽位 → 模型容易精确遵循
- 自然语言描述容易模糊重复,等于在撞大运
- Nano banana / Gemini 这类"指令遵循"型模型用 JSON 是发挥极致的方式
反 pattern:
"文生图的提示词千万别瞎描述,那完全是在撞大运。而应该采用结构化的方式,把画面中的主体、环境、镜头、风格等信息都交代清楚,这样 AI 才知道你脑子里的画面究竟是什么样的。"
何时用:
- 文生图 / 视频生成 / 3D 生成,始终用结构化(JSON / YAML / Markdown 字段表)
- 自然语言 Prompt 留给"创意构思"环节,确定后再转成结构化
10. 书本/长文档概括 Prompt(2025-07 帖 1478,Victor 分享)
Victor 分享、老黄认可的"书本深度概括 Prompt"(配 Gemini + Markitdown 把书转 MD 整本喂效果最好):
核心结构(节选):
- 角色: deeply insightful scholar and analyst
- 0. Pre-Analysis Framing: Book Type / Overall Structure
- 1. Initial Comprehensive Summary:
- Overall Book Summary(2-3 段)
- Section-by-Section Summaries:
- Core Purpose
- Key Information & Developments
- Supporting Evidence/Examples(2-3 个)
- Structural Role
- Key Quote(可选)
- 2. Extraction of Main Arguments(3-5 个核心论点)
- 3. Key Themes, Motifs, and Concepts
- 4. Author's Craft(Style / Tone / Intended Audience)
- 5. Critical Reflection & Unique Contributions
- 6. Detailed Mind Map(4+ 层深度)
Why 这是模板级 Prompt:
- 强制把"读书"拆成 6+ 个步骤 → 模型按结构产出
- 每步都有明确"槽位",模型不会摆烂
- Mind Map 自动生成 → 适合直接贴 Obsidian
何时用:
- 喂 PDF / 整本书 / 长文档,要"看完一次抵得过看 3 次自由阅读"
- 修改其中"角色 + 任务 + 输出结构"三块,可适配论文 / 行业报告 / 演讲稿等
11. Market Insights GEM:Gemini 金融分析提示词(2025-12 帖 2135)
老黄发布的可复用 Gemini Gem 提示词(精简版):
角色: 专业金融市场分析师(科技股 / 加密货币 / 宏观)
核心约束:
- 时间窗口: 默认搜过去 7 天,除非用户指定
- 强制联网搜索: AI Stocks(NVDA/TSLA/MSFT/GOOGL/AMD)+ Crypto(BTC/ETH/SOL)+ Macro(美联储 / CPI / 就业 / 地缘)
- 中文输出: 专业术语保留英文或"中文(英文)"格式
- 强制报告结构(6 个 Markdown 小节):
- 📊 MARKET SNAPSHOT
- 📈 MAJOR STOCKS & COINS STATUS
- 🌍 MACRO OVERLAY
- 🚀 OPPORTUNITY & RISK ASSESSMENT
- ⚠️ CAUTION & UNKNOWNS
- 📝 SUMMARY
- 免责声明: 必须包含
Why 这是 Prompt 工程典范:
- 角色 + 工具 + 输出结构 + 免责 完整 4 件套
- 可重复执行: 用户只需提"对 NVDA 这周分析" → AI 自动套用结构
- 可复制: 把整段 Prompt 存进 Gemini Gem / Claude Project / Prompt House,反复触发
何时用:
- 你有重复决策需求(每周市场报告 / 每月竞品分析 / 每次会议复盘)→ 写一个这样的 Gem/Prompt
- 别试图记住任意细节,记格式 + 强制结构 是核心
12. Karpathy 提出 Context Engineering(2025-07 帖 1448)
老黄一个多月前已说"Context Matters",2025-07 初 Karpathy 正式提"Context Engineering"概念,老黄反应:
当 LLM 进化到 Agent 阶段,提示词工程就不够用了。Agent 需要在动态中获得 恰当的上下文信息。这些信息包含 任务描述、样例、工具、状态、历史信息 等等。不是全部塞进去,而是 根据当前状态动态调整,获得的上下文必须 恰到好处,才能达到最优状态。
演化对比:
| 维度 | Prompt Engineering | Context Engineering |
|---|---|---|
| 时代 | 2023-2024(单步 Chatbot) | 2025+(动态 Agent) |
| 核心动作 | 写好一个静态 Prompt | 设计动态信息环境 |
| 关键能力 | 表达 + 角色设定 | 检索 + 压缩 + 路由 |
| 工具 | Prompt 模板 | MCP / Memory / Sub-agents / Workflow |
| 思路 | 下达命令 | 创造环境 |
详见 newtype · Agent 架构与多 Agent 编排 §14 Context > Compute。
13. Anthropic DXT:把 MCP 配置打包(2025-06 帖 1429)
DXT 是什么: Anthropic 推出的 .dxt 文件格式,把 MCP 配置全部打包。用户双击导入,自动完成 MCP 安装。
Why 这对 Prompt 生态重要:
- 解决"MCP 配置难"的 DOS 时代痛点(详见 newtype · MCP 协议与生态实战 §1)
- 让 Prompt + MCP 组合可以打包分发,像应用一样
- Prompt House 第一时间支持
何时用: 你做 MCP 工具想给非技术用户用 → 提供 .dxt 文件比让人手编 JSON 友好 10 倍。
14. Prompt House + Sub-agents 联动(2025-08 帖 1642)
思路: 当 Claude Code Sub-agents 遇到特定 / 复杂任务,通过 MCP 查询 Prompt House 的标签化 Prompt 库,拉取 Prompt 来约束或升级 Sub-agent。
例子:
- 生成营销内容:Sub-agent 是"内容生成器",但需要根据目标受众(B2B / B2C)调用不同风格的 Prompt 约束语气和结构
Why 这个组合强:
- Sub-agents 把"提示词串联"内化,但 Prompt 还是硬编码
- 把 Prompt House 当 外部 Prompt 源 / 模板仓库 → 扩展 Sub-agents 灵活性,避免"硬编码"
- 改 Prompt 不用改代码
何时用: 你的 Sub-agents 经常需要"换风格" / "换领域" → 把这些差异性 Prompt 放 Prompt House,Sub-agent 按需拉。
15. Skill 是 Prompt 工程的终态(2025-10 → 2026)
演化轨迹:
Prompt 模板(2024)
↓
Prompt + MCP 调用(2025 上半年,Prompt House)
↓
Prompt + MCP + SOP 触发逻辑 = Skill(2025 末)
↓
Skill + Sub-agents + Slash Commands + MCP = AI OS(2026)
老黄 2026 的建议(帖 2195 精华):
如果你能做出 3 个以上 Skill,你不仅极大反向赋能自己的 AI 系统,还充分梳理了自己的工作流。这是超级划算的事情。2026 从做 3 个 Skill 开始。
Skill 的两大功能(帖 2148):
- 能力加载: 把脑子里的经验封装成 AI 可调用的服务
- 工作流复用: 配合 Slash Commands / Sub-agents 形成完整 AI OS
反 pattern:
- 不要把 Prompt 当成"模板复用"工具用,要当成"封装方法论"的载体用
- 不要满足于"我有一堆 Prompt 收藏",要问"我有没有把它们封装成 Skill"
何时回看: 觉得"我学了好多 Prompt 但生产力没明显提升"时,问"我有没有把它们 Skill 化?"
16. 老黄的具体 Skill 演化(2025-10 → 2026-01)
Super Analyst Skill v1(2025-10 帖 1902)
- 12 份不同情景分析框架的提示词
- 1 个 Skill 文件触发选择
- 提示词通过 Prompt House MCP 调用
Super Analyst Pro(2025-10 帖 1912 精华)
- v1 + Sequential Thinking MCP
- 自动识别问题复杂度 Level 1/2/3
- 信息搜集中英文并重
- 最多 4 个分析框架串行 or 并行组合
Super Writer Skill v2(2026-01 帖 2330)
- 旧版问题:必须调 3 次 Sequential Thinking(简单任务也走全流程);6 个 Writing Method 文件只是描述不是可执行 Prompt
- 新版:让简单任务走简单流程;Writing Method 变成可执行的 Prompt
这一系列演化的核心:
- 不要让 Skill 过度复杂(简单任务也走 3 次推理是 anti-pattern)
- 每个文件都要可执行(描述性的方法论文件无法被 Agent 直接用)
- Skill 要不断打磨,不是写完就放着
17. 反 pattern 总结
| ❌ | ✅ |
|---|---|
| 买 Prompt 课 | 学逻辑学 / 沟通方法论 / 金字塔原理 |
| 把"学 Prompt 工程"当目标 | 把"清晰拆解任务"当能力训练 |
| 觉得模型不懂 | 反问"我没说清楚?"(99% 是) |
| 用自然语言写文生图 Prompt | 用 JSON / 结构化字段 |
| 把神级 Prompt 当模型增强 | 它只是"约束 LLM 走完整流程",不是新能力 |
| Claude Code 答错就 retry | 试 "Ultra think" 触发 32K 思考预算 |
| Prompt 写完就放着 | 封装成 Skill,触发条件 + SOP + 可执行模板 |
| Sub-agents 硬编码 Prompt | 把 Prompt 放外部仓库(Prompt House)按需拉取 |
| 收藏一堆 Prompt 不归类 | 至少做出 3 个 Skill,反向梳理工作流 |
| 单一思维框架 | 用 LLM 整合多个互补框架成 1 个"高级 Prompt" |
| 长文/书直接喂 + "总结一下" | 用 6 步结构化 Prompt(Pre-Analysis / Section-by-Section / Themes / ...) |
引用与延伸
主要引用: prompt-engineering 主题桶全 186 帖。覆盖帖号包括(完整全量):2, 42, 129, 177, 180, 263, 266, 267, 285, 297, 331, 347, 393, 414, 482, 496, 594, 614, 616, 634, 661, 679, 693, 719, 751, 766, 806, 809, 838, 842, 861, 864, 886, 916, 920, 1060, 1067, 1073, 1076, 1142, 1147, 1176, 1205, 1223, 1224, 1247, 1256, 1283, 1288, 1290, 1294, 1295, 1298, 1309, 1315, 1328, 1341, 1344, 1352, 1353, 1356, 1357, 1358, 1368, 1369, 1373, 1375, 1376, 1377, 1379, 1380, 1381, 1384, 1388, 1391, 1395, 1406, 1420, 1422, 1424, 1426, 1429, 1435, 1437, 1444, 1448, 1451, 1471, 1478, 1479, 1481, 1482, 1492, 1495, 1514, 1522, 1526, 1548, 1558, 1570, 1586, 1615, 1624, 1626, 1639, 1642, 1656, 1662, 1671, 1689, 1697, 1701, 1787, 1789, 1790, 1797 等。
配套 wiki:
- newtype · MCP 协议与生态实战 — Prompt House MCP / Sequential Thinking MCP 的 MCP 视角
- newtype · Agent 架构与多 Agent 编排 — Skill / Sub-agents / Agentic Workflow 全景
- newtype · Vibe Coding 独立产品实战 — Prompt House 产品演进
- newtype 心法 · 超级个体方法论 — Prompt 工程不必学的底层立场
History
- 2026-05-16 v1.0 创建 — Phase 1.1 wiki #5。基于 prompt-engineering 主题桶全 186 帖(2024-03 至 2026-05),无抽样。从"Prompt 工程不需要学"立场出发,组织 16 个维度:任务拆解 5 元素 / 翻译总结 / 快捷指令 / Thinking-Claude / Prompt 调度 Prompt / Ultra think / 框架整合 / 结构化 JSON / 书本概括 / Market Insights GEM / Context Engineering / DXT / Sub-agents 联动 / Skill 终态 / Super Analyst 演化 / 反 pattern。