最近越来越少听到周围的人说提示词了。连我自己今天突然想到这个词的时候都是一愣。但后来回想一下用本地化软件AI多了一切都是提示词只不过现在我们更关注的是提示词的内容而不是它的形式。想到身边人说现在人说人们不说这个是提示词逐渐过时了我本来想反驳提示词不是消失了而是无处不在的。但又觉得嘴说不清楚于是决定写一篇博客回顾一下这个基本的概念。从解闷机器人到提示词最开始大家跟网页版 AI 聊天就是把它当个解闷的姐妹机器人。无聊了说两句问个天气聊个八卦它随便答两句你随便看看没什么正经目的。那时候根本没有提示词这个概念你说什么就是什么它答什么就是什么。但慢慢的大家发现不对劲了。这个机器人好像肚子里有点东西。你问它一个专业问题它居然能答上来。你让它帮你写一段东西它居然能写出像样的段落。它不是只会闲聊的花瓶它有知识储备而且是相当可观的知识储备。那新问题就来了怎么把这些知识储备批量调出来你总不能每次都从零开始跟它聊吧你跟它聊了五十轮把背景铺垫完了它终于进入状态了但对话窗口满了得开新对话。或者你今天问了它一个问题明天想接着问但它忘了昨天聊过什么。所以有人开始想能不能在对话开头先塞一段东西告诉它你是谁、你要干什么、你希望它怎么输出。塞完了再开始正经聊这样它上来就进入状态不用从零开始铺垫。提示词就是这么来的。提示词的出现根源在网页版对话式 AI 的设计方式上。网页版对话式 AI本质上是一个从零开始的系统。你每次打开一个新对话它就是一张白纸。它不知道你是谁不知道你上次跟它说过什么不知道你有什么偏好不知道你要解决什么问题。除非你告诉它。那你怎么告诉它用自然语言说。你说“我写博客说话不要带英文引号”它就记住了但只记住这一轮对话。下次新对话它又忘了。所以提示词本质上就是你在每次对话开始时用自然语言给 AI 塞的一段预装信息。这段信息里包含了你对它的人设要求、输出格式要求、禁用词清单、背景知识等等。你希望 AI 读完这段之后在整个对话过程中都遵守这些约束。一个好的提示词通常包括什么东西为了更好的套出AI知道的事情就引出了提示词、好坏提示词的概念。尽管他们本身没有标准模板但一般认为好提示词通常都包含下面几类内容。第一类是人设。你希望 AI 扮演什么角色比如“你是一个资深研究员”“你是一个擅长中文杂志的编辑”“你是一个 软件 调试专家”。人设帮 AI 确定说话的语气、专业程度、使用什么术语。第二类是输出格式。你希望 AI 用什么格式输出比如“用 Markdown 表格列出结果”“变量用文字描述不用数学符号”。格式要求让 AI 的输出能直接被你用而不是你还得手动调一遍。第三类是禁用清单。你不希望 AI 做什么比如“说话不要带英文引号”“禁用那几个你讨厌的词”“不要用首先、其次、最后这种结构”。禁用清单比正向要求更重要你说不要做什么比说要做什么更清晰。第四类是背景知识。你希望 AI 知道什么上下文比如“我是想要做一个关于超级计算机的项目”“我想知道人类历史上曾经试过用什么方法飞起来”。背景知识让 AI 不用从零开始理解你的领域。第五类是示例。你给 AI 一个你期望的输入输出样例。比如“输入是一篇模版输出是仿照模版句式的内容”。示例比任何文字描述都管用AI 看一个例子就懂你要什么了。提示词有什么用提示词的作用其实就是两件事。第一件事弥补 AI 的上下文空缺。网页版 AI 每次都是白纸你得用提示词把它变成有准备的白纸。有了人设它不会用机器语气跟你拉家常。有了禁用清单它不会输出你讨厌的格式。有了背景知识它不会犯常识性错误。第二件事引导 AI 的输出边界。AI 的输出是概率性的它不知道你想要什么只知道概率上什么词最可能出现。提示词就是给它画了一条边界线告诉它在这个范围内发挥。比如你说“如果有公式就别写符号用文本”它就不太可能给你写公式而是会写“取自然对数加一”。这两件事加起来就是提示词的全部价值。它不仅是让 AI 变聪明而是让 AI 更懂你。但是提示词越来越难用了提示词有用但它有绕不过去的天生缺陷。第一个缺陷是注意力稀释。提示词越长后面的内容越容易被前面的内容淹没。你写了一千字的提示词AI 真正能注意到的可能只有前两三百字。注意力机制不是百分百靠谱尤其是长提示词。第二个缺陷是复制粘贴的麻烦。提示词得每次手动贴。你存了一段一千字的提示词在笔记里每次新对话都得切窗口、找到那段、复制、粘贴。如果有多个提示词选用哪个就是一个麻烦。第三个缺陷是不能持久。提示词贴完了AI 记住了这一轮。但下次新对话它又忘了。你得再贴一遍。同样的一千字可能一年里你贴了几十次。第四个缺陷字数限制。网页版 AI 基本都有字数限制。你往提示词里塞的东西越多留给后面正经提问的空间就越少。有时候你精心写了一段两千字的提示词粘上去之后发现加上提示词你这次对话的总字数已经快到上限了后面没法再问复杂问题了。你想把背景知识、格式要求、示例全塞进去塞不下。只能挑最重要的放其他的忍痛割爱。第五个缺陷功能有限。提示词不能为你读写、编辑运行任何代码文件。但偏偏AI的阅读和理解能力其实能够够住这些能力。所以慢慢的大家开始想有没有办法不用每次都贴有没有办法让这些提示词粘在 AI 上下次打开就自动有提示词的演化从人工粘贴到被软件吃掉现在的本地化 AI 软件其实就是在解决这个问题。它们不是让你每次手动贴提示词而是把提示词的内容拆解成几个固定的位置存起来需要的时候自动塞给 AI。比如 rules。rules 翻译过来就是规则。你把那些重复要说的约束写在一个 md 文件里放在.trae/rules/下面。每次新对话开始AI 会自动把这个文件夹里的所有 md 文件读一遍把里面的内容当成本次对话的约束。相当于那段提示词不用你手动贴AI 自己去翻文件拿过来用。比如 memory。memory 也是提示词但它放的不是约束是背景。比如你是谁、你在做什么项目、你之前遇到过什么问题。AI 读了 memory就知道这次对话的上下文是什么不用你重新介绍自己。还有 skills。skills 里你可以放代码但 skills 文件本身还是一个 md 文件。当 AI 判断需要调用某个 skill 的时候它会先翻这个 skill 的 md 文件里面写着什么时候用、怎么用、要跑什么代码。这些文本其实也是提示词只不过 AI 是根据提示词里的说明去执行代码或者读技术文件。你看提示词没消失。它只是被现在这些本地化软件吸收了固化成了 rules、memory、skills 这几个固定的位置。需要的时候自动加载你不用每次手动贴。最后说一句提示词的演化史其实就是一部人怎么把重复劳动交给 AI的历史。所以如果你也厌倦了整理提示词、粘贴提示词、挑选提示词那不放考虑一下本地化AI软件吧。 
长河君 · 2026/11/2 1:51:51 · 阅读 1.2k 从复制粘贴到被软件吃掉：提示词消失了？
最近越来越少听到周围的人说提示词了。连我自己今天突然想到这个词的时候都是一愣。但后来回想一下用本地化软件AI多了一切都是提示词只不过现在我们更关注的是提示词的内容而不是它的形式。想到身边人说现在人说人们不说这个是提示词逐渐过时了我本来想反驳提示词不是消失了而是无处不在的。但又觉得嘴说不清楚于是决定写一篇博客回顾一下这个基本的概念。从解闷机器人到提示词最开始大家跟网页版 AI 聊天就是把它当个解闷的姐妹机器人。无聊了说两句问个天气聊个八卦它随便答两句你随便看看没什么正经目的。那时候根本没有提示词这个概念你说什么就是什么它答什么就是什么。但慢慢的大家发现不对劲了。这个机器人好像肚子里有点东西。你问它一个专业问题它居然能答上来。你让它帮你写一段东西它居然能写出像样的段落。它不是只会闲聊的花瓶它有知识储备而且是相当可观的知识储备。那新问题就来了怎么把这些知识储备批量调出来你总不能每次都从零开始跟它聊吧你跟它聊了五十轮把背景铺垫完了它终于进入状态了但对话窗口满了得开新对话。或者你今天问了它一个问题明天想接着问但它忘了昨天聊过什么。所以有人开始想能不能在对话开头先塞一段东西告诉它你是谁、你要干什么、你希望它怎么输出。塞完了再开始正经聊这样它上来就进入状态不用从零开始铺垫。提示词就是这么来的。提示词的出现根源在网页版对话式 AI 的设计方式上。网页版对话式 AI本质上是一个从零开始的系统。你每次打开一个新对话它就是一张白纸。它不知道你是谁不知道你上次跟它说过什么不知道你有什么偏好不知道你要解决什么问题。除非你告诉它。那你怎么告诉它用自然语言说。你说“我写博客说话不要带英文引号”它就记住了但只记住这一轮对话。下次新对话它又忘了。所以提示词本质上就是你在每次对话开始时用自然语言给 AI 塞的一段预装信息。这段信息里包含了你对它的人设要求、输出格式要求、禁用词清单、背景知识等等。你希望 AI 读完这段之后在整个对话过程中都遵守这些约束。一个好的提示词通常包括什么东西为了更好的套出AI知道的事情就引出了提示词、好坏提示词的概念。尽管他们本身没有标准模板但一般认为好提示词通常都包含下面几类内容。第一类是人设。你希望 AI 扮演什么角色比如“你是一个资深研究员”“你是一个擅长中文杂志的编辑”“你是一个 软件 调试专家”。人设帮 AI 确定说话的语气、专业程度、使用什么术语。第二类是输出格式。你希望 AI 用什么格式输出比如“用 Markdown 表格列出结果”“变量用文字描述不用数学符号”。格式要求让 AI 的输出能直接被你用而不是你还得手动调一遍。第三类是禁用清单。你不希望 AI 做什么比如“说话不要带英文引号”“禁用那几个你讨厌的词”“不要用首先、其次、最后这种结构”。禁用清单比正向要求更重要你说不要做什么比说要做什么更清晰。第四类是背景知识。你希望 AI 知道什么上下文比如“我是想要做一个关于超级计算机的项目”“我想知道人类历史上曾经试过用什么方法飞起来”。背景知识让 AI 不用从零开始理解你的领域。第五类是示例。你给 AI 一个你期望的输入输出样例。比如“输入是一篇模版输出是仿照模版句式的内容”。示例比任何文字描述都管用AI 看一个例子就懂你要什么了。提示词有什么用提示词的作用其实就是两件事。第一件事弥补 AI 的上下文空缺。网页版 AI 每次都是白纸你得用提示词把它变成有准备的白纸。有了人设它不会用机器语气跟你拉家常。有了禁用清单它不会输出你讨厌的格式。有了背景知识它不会犯常识性错误。第二件事引导 AI 的输出边界。AI 的输出是概率性的它不知道你想要什么只知道概率上什么词最可能出现。提示词就是给它画了一条边界线告诉它在这个范围内发挥。比如你说“如果有公式就别写符号用文本”它就不太可能给你写公式而是会写“取自然对数加一”。这两件事加起来就是提示词的全部价值。它不仅是让 AI 变聪明而是让 AI 更懂你。但是提示词越来越难用了提示词有用但它有绕不过去的天生缺陷。第一个缺陷是注意力稀释。提示词越长后面的内容越容易被前面的内容淹没。你写了一千字的提示词AI 真正能注意到的可能只有前两三百字。注意力机制不是百分百靠谱尤其是长提示词。第二个缺陷是复制粘贴的麻烦。提示词得每次手动贴。你存了一段一千字的提示词在笔记里每次新对话都得切窗口、找到那段、复制、粘贴。如果有多个提示词选用哪个就是一个麻烦。第三个缺陷是不能持久。提示词贴完了AI 记住了这一轮。但下次新对话它又忘了。你得再贴一遍。同样的一千字可能一年里你贴了几十次。第四个缺陷字数限制。网页版 AI 基本都有字数限制。你往提示词里塞的东西越多留给后面正经提问的空间就越少。有时候你精心写了一段两千字的提示词粘上去之后发现加上提示词你这次对话的总字数已经快到上限了后面没法再问复杂问题了。你想把背景知识、格式要求、示例全塞进去塞不下。只能挑最重要的放其他的忍痛割爱。第五个缺陷功能有限。提示词不能为你读写、编辑运行任何代码文件。但偏偏AI的阅读和理解能力其实能够够住这些能力。所以慢慢的大家开始想有没有办法不用每次都贴有没有办法让这些提示词粘在 AI 上下次打开就自动有提示词的演化从人工粘贴到被软件吃掉现在的本地化 AI 软件其实就是在解决这个问题。它们不是让你每次手动贴提示词而是把提示词的内容拆解成几个固定的位置存起来需要的时候自动塞给 AI。比如 rules。rules 翻译过来就是规则。你把那些重复要说的约束写在一个 md 文件里放在.trae/rules/下面。每次新对话开始AI 会自动把这个文件夹里的所有 md 文件读一遍把里面的内容当成本次对话的约束。相当于那段提示词不用你手动贴AI 自己去翻文件拿过来用。比如 memory。memory 也是提示词但它放的不是约束是背景。比如你是谁、你在做什么项目、你之前遇到过什么问题。AI 读了 memory就知道这次对话的上下文是什么不用你重新介绍自己。还有 skills。skills 里你可以放代码但 skills 文件本身还是一个 md 文件。当 AI 判断需要调用某个 skill 的时候它会先翻这个 skill 的 md 文件里面写着什么时候用、怎么用、要跑什么代码。这些文本其实也是提示词只不过 AI 是根据提示词里的说明去执行代码或者读技术文件。你看提示词没消失。它只是被现在这些本地化软件吸收了固化成了 rules、memory、skills 这几个固定的位置。需要的时候自动加载你不用每次手动贴。最后说一句提示词的演化史其实就是一部人怎么把重复劳动交给 AI的历史。所以如果你也厌倦了整理提示词、粘贴提示词、挑选提示词那不放考虑一下本地化AI软件吧。