何时打开:你想学 Prompt 工程 / 想做产品级 Prompt 调度 / 想理解 Prompt → Context → Skill 演化路径 / 想看高质量 prompt 模板。本 wiki 融合 4 派视角,显式标注 3 条核心分歧。
一句话核心:老黄反共识立场 — "Prompt 工程不需要学,学逻辑学就够" vs 王凯实战 — "PUA Claude 一次次反馈到 6000+ 字" vs 老 D 国内教学 — "三层提示词架构(元/系统/用户)+ 仿写 SOP" 。分歧的根源是用户身份不同(产品经理 / 投资人 / 自媒体素人)。
0. 4 重视角的"Prompt / Context Engineering"
| 视角 | 来源 | 立场 | 一句话核心 |
|---|---|---|---|
| 反共识"不用学"派 | newtype · Prompt / Context Engineering 实战(黄益贺) | "对普通用户来说,完全没必要特意去学提示词" | "Prompt 本质是逻辑 / 方法论,学金字塔原理 / 沟通学就够" |
| PUA Claude 实战派 | 王凯 AI 时代决策系统 / 王凯 RSI 投资实战案例集 + AI 价值投资理念(王凯) | 一次次分析→反馈→改进,提示词最终能磨到 6000+ 字 | "AI 当尺子量化模糊变量(风险/价值/情绪)" |
| 教学结构化派 | dontbesilent AI 自媒体课程 / 13 节系统化方法论(老 D) | 三层提示词架构:元提示词 → 系统提示词 → 智能体 → 用户提示词 | "国内首选 Gemini 2.5 Pro 写元提示词,DeepSeek R1 驱动智能体" |
| CLAUDE.md 反 pattern 派 | Claude Code 最佳实践(Cal Rueb · Anthropic 内部讲座)(Cal Rueb) | 不用"你必须 X"命令式,用"我们倾向 X 因为 Y" | 带 reason 的指令 LLM 跟得更好 |
关键观察:4 派立场看似冲突,实际是用户身份不同:
- 老黄是营销出身 → "逻辑表达本来就会" → 反对学 Prompt
- 王凯是产品经理 → "投资决策必须严谨" → PUA Claude 到 6000 字
- 老 D 是教学 → "国内素人不会逻辑表达" → 必须教三层架构
- Cal 是 Anthropic 内部 → "工程师同事协作" → 用 reason 而非命令
1. 跨作者共识(6 条)
1.1 Prompt 本质 = 任务拆解 + Brief 写作(5 元素)
老黄newtype · Prompt / Context Engineering 实战 §2(2025-05 帖 1223)给出的"经典提示词 5 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。
老 D 印证(dontbesilent AI 自媒体课程 / 13 节系统化方法论 §L02):Markdown 结构化提示词 —— 用 # 分层避免 AI 把多个参考文案理解成一个。
1.2 跟模型沟通 = 跟"聪明但缺背景的新人"沟通
老黄newtype · Prompt / Context Engineering 实战 §1(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
王凯印证("PUA Claude"王凯 Claude Code 终端工作流方法论(完整版) §2):"一次次分析→反馈→改进,提示词最终能磨到 6000+ 字"。
1.3 Skill 化是终态(老黄 + 老 D 共识)
老黄newtype · Prompt / Context Engineering 实战 §结论:任何提示词 + 工作流足够稳定,就 Skill 化。
老 Ddontbesilent AI 自媒体课程 / 13 节系统化方法论 §L13:
"Skill = 跨平台可复用的提示词工程产品 / SKILL.md + references/ + Git 版本管理"
1.4 Sequential Thinking + Ultra think 是 Prompt 工程的硬功
| 关键词 | 思考 Token |
|---|---|
Ultra think / ultrathink |
32K(HIGHEST) |
think hard / think harder |
10K(MIDDLE) |
think |
4K(BASIC) |
老黄实操原则(2025-07 帖 1558):Claude Code 一次答错,先加 "Ultra think" 重试,90% 是预算不够,不是模型不行。
配套 Sequential Thinking MCP(老黄默认必备)—— 详见 MCP 协议生态(跨作者主题综合) §1.3。
1.5 Prompt 调度 Prompt(Workflow 心法)
老黄newtype · Prompt / Context Engineering 实战 §6(2025-06 帖 1381 精华):
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
↓
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
1.6 联网搜索增强 Prompt(老黄共识)
老黄newtype · Prompt / Context Engineering 实战 §3(2024-12 帖 693)常用模板:
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。
2. 显式分歧(3 条 —— 不抹平)
2.1 分歧 1:Prompt 工程要不要"学"?
| 视角 | 立场 | 关键论据 |
|---|---|---|
| 老黄(反共识 / 2025-05 帖 1247) | "完全没必要特意去学提示词,更没必要买课" | "Prompt 的本质是逻辑,方法论。把逻辑学好,掌握表达、沟通方法论,就足够组织语言、驱动模型推理" |
| 老黄延伸(2025-05 帖 1223) | "如果真要提升,我直接去学逻辑,甚至什么'金字塔工程'之类的书都更有用" | 提示词课大多包装,学不能举一反三 |
| 老 D(教学派) | 完整 13 节课 + Markdown 结构化 + 反向提问 + 三层架构 | 国内素人不会逻辑表达,必须教 |
| 王凯(实战派) | PUA Claude 一次次磨到 6000+ 字 | 投资决策必须严谨,反复迭代而非"一次写对" |
真分歧:反映用户身份的不同:
- 传播 / 营销 / PM 背景 → 老黄立场(逻辑表达本来就会,Prompt 是顺手的事)
- 国内素人 / 不会写 Brief → 老 D 立场(必须教三层架构)
- 投资 / 严谨决策场景 → 王凯立场(PUA 6000 字才到位)
反 pattern 共识:
- ❌ 把"我要学 Prompt 工程"当目标 → 90% 时间浪费
- ❌ 收藏几百条 Prompt 模板 → 大部分场景用不上
- ❌ 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
2.2 分歧 2:"Thinking 模式"够强了还需要 Sequential Thinking MCP 吗?
老黄newtype · Prompt / Context Engineering 实战 §7 + newtype · MCP 协议与生态实战 §4.4:
| 视角 | 立场 |
|---|---|
| 理论上不需要 | 旗舰模型(Claude 4 / o3 / Gemini 2.5 Pro / Qwen3)的 Thinking 可以替代 |
| 实际仍需要 | API 接入有成本 → 对不带或不开 Thinking 的模型有帮助 |
| 最佳实践 | 配上 Sequential Thinking 让模型自己决定。Claude 4 在 ChatWise 中:开始动手前用自带 Thinking,要输出时调 Sequential Thinking |
关键观察(老黄 2026-05):Claude 4 Sonnet 在自己 Thinking 的同时也调用 Sequential Thinking MCP(之前模型不这样)。
真分歧:Thinking 的两种模式不冲突 —— 模型自带是"内省",Sequential Thinking 是"外部脚手架":
- 简单决策 → 自带 Thinking
- 复杂多步 + 需要可见过程 → Sequential Thinking
- 最佳实践 → 都装,让模型自己路由
2.3 分歧 3:"Thinking-Claude"表演思考有没有价值?
老黄newtype · Prompt / Context Engineering 实战 §5(2024-11 帖 614, 616 精华)反复迭代的判断:
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 —— 提示词的天花板就在模型能力的天花板上
真分歧:"表演思考"算不算真思考?:
- 严格定义派:不算,因为 LLM 一次性生成,所谓"思考"是输出的一部分
- 实用派:强制分步生成 → 更高质量输出,这就够了
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
3. 老 D 三层提示词架构(独家教学 SOP)
dontbesilent AI 自媒体课程 / 13 节系统化方法论 §一 —— 贯穿全课的核心心法:
我写"元提示词"(Meta Prompt,我用键盘敲)
↓ 输入给 Gemini / Claude / DeepSeek 等
AI 输出"系统提示词"(System Prompt,可能 2000-3000 字)
↓ 复制到智能体平台
变成"智能体"(Agent)
↓ 接受用户输入
用户输入"用户提示词"(User Prompt)
↓
智能体输出回复
3.1 关键认知
- 元提示词 = 用来产出提示词的提示词。俄罗斯套娃,但解决了"人类不擅长写长 prompt"的问题
- 不要直接写系统提示词:让 AI 写,你只写元提示词
- 国内首选 Gemini 2.5 Pro 写元提示词(长上下文 + 推理强);驱动智能体则用 DeepSeek R1(国内可用 + 提示词在 R1 上 work 等同于通用 OK)
3.2 模型选择 ≠ 提示词不足的解药
"很多人问 GPT 写不好就想换 Claude / Gemini。但忽略了核心是提示词本身。改善提示词比换模型更重要。"
3.3 AI 仿写 4 步 SOP(L02)
1. 准备提示词模板(Markdown 结构化)
# 你的任务
先分析参考文案,反向向用户提问列表,确认所有关键要素后再仿写
# 参考文案一
<粘贴文案 1>
# 参考文案二
<粘贴文案 2>
2. AI 接收后不立即仿写,而是发 8 个左右问题
(字数/结构/语调/风格/用词偏好/特殊要求/EMOJI/长度)
3. 用户逐一回答 → AI 仿写
4. 不满意 → 用问题修订(列出 3 条不满意 + 修正)→ 再生成
关键要点:
- 用 Markdown 的
#分层,避免 AI 把多个参考文案理解成一个 - 一个参考案例就够(如果案例本身已含所有特征);否则要多个互相一致的案例
- 不要给互不相同的乱七八糟案例 — AI 找不到共同点
3.4 LobeChat 模仿博主 4 步(L09)
- 找博主爆款标题数据(封面标题 + 文字标题 + 点赞数)
- 用 Markdown 结构化提示词 → 让 AI 分析底层逻辑(注意力经济 / 人性 / 传播学)
- 基于分析让 AI 写系统提示词
- 系统提示词 + Cloud 3.7 Sonnet 做成 Agent
4. 老黄独家:4 个生产级 Prompt 模板
newtype Prompt 模板库(4 个生产级 prompt + 1 个 CLAUDE.md 范本):
4.1 YouTube 播客深度理解(Gemini v2)
5 步执行流:
| 步骤 | 用途 | 关键输出 |
|---|---|---|
| Step 1 提取结构 | 章节划分 + 时间范围 + 主持人嘉宾观点差异 | 章节卡片(emoji 模板) |
| Step 2 详细复述 | 完整复述(不是摘要) + 模仿语气 + 每段 20-30 分钟 | 时间段标题 + 引导摘要 + 内容 |
| Step 3 双语理解 | 英中对照 + 文化注释 | 英 / 中 / 注释 三栏 |
| Step 4 知识拓展 | 主题背景 + 嘉宾介绍 + 概念解释 + 延伸阅读 | 5 维度结构化输出 |
| Step 5 学习辅助 | 10 条英语学习笔记 + 5 个讨论问题 + 1 个反方挑战 + 5 个高频词 | 学习材料包 |
4.2 Social Media Deconstruction(Viral Content 拆解)
ROLE 设定:
"You are a world-class social media strategist and viral content analyst..."
5 维度分析框架:
- 🎯 Core Insight(核心洞察)
- 📐 Structure & Copy(结构 / 文案 / Hook / Body / CTA)
- 🧠 Psychology(情绪共鸣 / 社交货币 / 权威信任)
- 🚀 Virality Factors(受众契合 / 话题时机 / 简单可移植)
- 📋 Summary & Takeaways(Top 3 成功因素 + 可复制模式)
关键说明:"Always reply in Chinese!"
4.3 Creative Divergence Mode(创意发散 4 lens)
- Gap Analysis(差距分析)
- Reframing(重构)
- Cross-Domain(跨领域)
- Breakthrough(突破)
4.4 Weekly Synthesis Report(周报合订)
Markdown 文件夹分析 → 跨文档综合 → 周报。
4.5 CLAUDE.md MCP 配置范本
Tavily + Sequential Thinking + Prompt House + Super Analyst Pro
—— 是 newtype OS 的"开机默认 4 件套"。
5. 王凯独家:PUA Claude + AI 拷问 SOP
5.1 PUA Claude(磨提示词到 6000+ 字)
王凯 Claude Code 终端工作流方法论(完整版) §2 心法之一:
"PUA Claude — 一次次分析→反馈→改进,提示词最终能磨到 6000+ 字"
王凯实战流程:
- 写初版提示词(可能 500 字)
- Claude 输出 → 不满意
- 列出"3 条不满意 + 修正" → 让 Claude 修订提示词本身
- 用修订后的提示词重新生成
- 反复 N 轮 → 提示词最终到 6000+ 字
- 任何场景都能稳定输出
5.2 AI 当尺子(决策系统核心)
王凯 AI 时代决策系统 §4:人类无法精准量化的模糊场景,让 AI 用一套稳定框架打分。
| 场景 | AI 用法 | 价值 |
|---|---|---|
| 市场风险等级 | 1-10 分打分 | 决定现金比例 |
| 企业内在价值 | 多模型综合 + 区间 | 决定是否买 |
| 单股票风险 | 短中长 5 个维度打分 | 决定仓位 |
| 情绪状态 | "我现在过度恐慌吗?" | 防止冲动决策 |
| AI 替代职位风险 | 列工作流程,问替代概率 | 职业规划 |
| 创业项目可行性 | 拆模型让 AI 拷问 | 立项 |
类比:保险公司精算师。给 AI 一套稳定框架,它就是无情的精算机器。
关键纪律:连贯性 > 准确性 —— 多次跑同股票应该得相似结果。
5.3 风险量化的 5 个变量(王凯提示词内置)
王凯 AI 时代决策系统 §9:
- 公司基本面是否真的变化
- 宏观风险(美联储 / 关税 / 战争 / 突发事件)
- 行业风险(AI 替代 / 政策 / 竞争格局)
- 流动性风险
- 持仓集中度
5.4 内在价值计算 Prompt 模板
王凯 RSI 投资实战案例集 + AI 价值投资理念 —— 6000+ 字提示词模板,基于巴菲特 / 芒格 / 段永平 120+ 轮 Agent 对话提炼。
6. Cal Rueb 独家:CLAUDE.md 反 pattern
Claude Code 最佳实践(Cal Rueb · Anthropic 内部讲座) §3.3:
6.1 不应该进 CLAUDE.md
- 你的密码 / API key(用环境变量)
- 大段代码片段(用 import 或链接)
- 跟工作无关的内容(私人偏好用 CLAUDE.local.md)
- "你必须 X" 这种命令式 —— Cal 强调用 "我们倾向 X 因为 Y",带 reason 的指令 LLM 跟得更好
6.2 应该进 CLAUDE.md
- 项目结构(目录树、关键模块在哪)
- 构建 / 测试命令(
pnpm dev、pytest、make build) - 代码风格(2 空格 vs 4 空格、字符串引号、命名约定)
- 架构铁律("API 调用必须走 src/api/")
- 回避陷阱("不要碰 legacy/auth.py")
- MCP 工具的使用偏好
7. 整合分析框架(老黄进阶用法)
newtype · Prompt / Context Engineering 实战 §8(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,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
8. iPhone 快捷指令 + Prompt(老黄独家国民级用法)
newtype · Prompt / Context Engineering 实战 §4(2024-05 帖 263 精华):
老黄 3 个 iCloud 快捷指令(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)。
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
9. 怎么选 —— 按身份的 Prompt 路径
| 你是谁 | 主用方法 | 起点 |
|---|---|---|
| 传播 / PM / 逻辑表达好 | 老黄反共识立场 | 不学 Prompt 课,学逻辑学 / 金字塔原理 |
| 国内素人 / 不会写 Brief | 老 D 三层架构 | 元提示词 → 系统提示词 → 智能体 → 用户提示词 / Markdown 结构化 |
| 投资 / 严谨决策 | 王凯 PUA Claude | 一次次分析→反馈→改进 / 6000+ 字 / AI 当尺子量化 |
| 想做生产级 Prompt 模板 | 老黄 4 个模板 | YouTube 播客 / Social Media / Creative Divergence / Weekly Synthesis |
| 想做 Claude Code 项目 | Cal Rueb CLAUDE.md | "我们倾向 X 因为 Y" / 不用"你必须 X" / 项目结构 + 命令 + 风格 |
通用起步顺序(任何身份):
- 5 元素任务拆解(是谁/什么背景/要干嘛/怎么做/成功图像)
- Markdown 结构化(用
#分层) - 强制 Markdown 输出(下游处理 10 倍轻松)
- 加 Ultra think(复杂任务必备)
- 配 Sequential Thinking MCP(让模型自己决定路由)
- 不满意 → 列 3 条不满意 + 修正 → 让 AI 修订提示词本身(王凯 PUA)
- 稳定后 → Skill 化(SKILL.md + references + Git)
10. 反 pattern 总结
| ❌ | ✅ |
|---|---|
| 把"我要学 Prompt 工程"当目标 | 学逻辑学 / 金字塔原理,Prompt 顺带学 |
| 收藏几百条 Prompt 模板 | 把核心模式封装成 Skill |
| 找博主学"AI 写小红书的 5 个秘诀" | 自己拆解清楚需求,5 元素 + 反向提问 |
| 期待"神级 Prompt"提升模型能力 | Prompt 天花板就在模型能力上(老黄) |
| 一次写对就完事 | PUA Claude 反复迭代到 6000 字(王凯) |
| 直接写系统提示词 | 让 AI 写系统提示词,你只写元提示词(老 D) |
| "你必须 X" 命令式 | "我们倾向 X 因为 Y" 带 reason(Cal) |
| 给互不相同的乱七八糟参考案例 | 给互相一致的案例,AI 找共同点 |
| 不强制 Markdown 输出 | 默认强制 MD,下游处理 10 倍轻松 |
| 不用 Sequential Thinking 让模型蒙头干 | 配上,让模型自己决定调不调 |
11. 引用清单
主要原始 author wiki:
- newtype · Prompt / Context Engineering 实战 —— 老黄 186 帖 / Prompt 不用学 / 5 元素 / Thinking-Claude 表演思考 / Ultra think / Prompt 调度 Prompt
- newtype Prompt 模板库(4 个生产级 prompt + 1 个 CLAUDE.md 范本) —— 4 个生产级模板(YouTube / Social Media / Creative Divergence / Weekly Synthesis)+ CLAUDE.md 范本
- newtype Skill 体系实战(Super Analyst v1/v2 + Super Writer) —— Super Analyst Pro 2.0 + Dual Sequential Thinking + 7-Stage Workflow
- 王凯 AI 时代决策系统 —— PUA Claude / AI 当尺子 / 风险量化 5 变量 / 决策拷问 SOP
- 王凯 RSI 投资实战案例集 + AI 价值投资理念 —— 内在价值计算 6000+ 字 Prompt(基于巴菲特/芒格/段永平 120+ 轮对话)
- 王凯 Claude Code 终端工作流方法论(完整版) §2 —— PUA Claude 心法 / Skill 是 Agent 的 wiki
- dontbesilent AI 自媒体课程 / 13 节系统化方法论 §一 + §L02 + §L09 —— 三层提示词架构 / AI 仿写 SOP / LobeChat 模仿博主
- Claude Code 最佳实践(Cal Rueb · Anthropic 内部讲座) §3 —— Cal Rueb CLAUDE.md 反 pattern / "倾向 X 因为 Y" / 项目结构 + 命令 + 风格
相关主题 wiki(本系列):
- Claude Skill 工程化(跨作者主题综合) —— Skill 工程化(本批 Batch 3)
- MCP 协议生态(跨作者主题综合) —— MCP 协议生态(本批 Batch 3)
- Claude Code 工作流(跨作者主题综合) —— Claude Code 工作流(Batch 1)
History
- 2026-05-18:Topic-dimension wiki 首发。从 8 份 author wiki 综合改写。显式标注 3 条分歧:要不要学 Prompt / Thinking 模式选择 / 表演思考价值
来源与关联资料
- newtype · Prompt / Context Engineering 实战
- newtype Prompt 模板库(4 个生产级 prompt + 1 个 CLAUDE.md 范本)
- newtype Skill 体系实战(Super Analyst v1/v2 + Super Writer)
- 王凯 AI 时代决策系统
- 王凯 RSI 投资实战案例集 + AI 价值投资理念
- 王凯 Claude Code 终端工作流方法论(完整版)
- dontbesilent AI 自媒体课程 / 13 节系统化方法论
- Claude Code 最佳实践(Cal Rueb · Anthropic 内部讲座)
- Claude Skill 工程化(跨作者主题综合)
- MCP 协议生态(跨作者主题综合)
- Claude Code 工作流(跨作者主题综合)