编写提示词的原则与方法

我在写 prompt 时的原则和方法大概是这样： 我的提示词原则 1. 做成模板，而不是固定提示词。 这样每个人都可以根据自己的场景自由发挥——输入自己喜欢的品牌、城市天气、公司股市、迷你店主题，甚至把文章做成信息图。核心是给用户一个“能玩”的框架，而不是规定他们必须怎么写。 2. 充分结合模型自身的能力（搜索、世界知识、理解能力）。 比如城市天气 prompt 可以让 Gemini 根据城市与日期检索天气；迷你 3D 公司股市图也是利用模型的实时金融检索；信息图 prompt 则依赖模型对文章内容的理解与提炼。 我写 Nano Banana Pro 的策略 1. 先用 AI 针对一种具体情况跑通原型。 2. 再把这个原型抽象成一个可扩展的提示词模板，让输入内容决定最终输出。 核心是让模型自动组合结构、自动适配场景，不去人为限制它。就像写程序，不 hardcode，而是留好接口灵活组合。 关于精简提示词 现在的模型能力很强，token 长一点或短一点影响不大。 所以我不会过度花时间去压缩 prompt，而是优先确保它“能用、能生长”。 等功能成熟后，必要时再考虑精简。 我主要使用的辅助

分类

插画艺术

模型

Nano Banana Pro

来源作者

宝玉

原始语言

zh-CN

浏览量0

来源 ID

writing-prompts-principles-and-methods

我在写 prompt 时的原则和方法大概是这样：
我的提示词原则
1. 做成模板，而不是固定提示词。
这样每个人都可以根据自己的场景自由发挥——输入自己喜欢的品牌、城市天气、公司股市、迷你店主题，甚至把文章做成信息图。核心是给用户一个“能玩”的框架，而不是规定他们必须怎么写。
2. 充分结合模型自身的能力（搜索、世界知识、理解能力）。
比如城市天气 prompt 可以让 Gemini 根据城市与日期检索天气；迷你 3D 公司股市图也是利用模型的实时金融检索；信息图 prompt 则依赖模型对文章内容的理解与提炼。
我写 Nano Banana Pro 的策略
1. 先用 AI 针对一种具体情况跑通原型。
2. 再把这个原型抽象成一个可扩展的提示词模板，让输入内容决定最终输出。
核心是让模型自动组合结构、自动适配场景，不去人为限制它。就像写程序，不 hardcode，而是留好接口灵活组合。
关于精简提示词
现在的模型能力很强，token 长一点或短一点影响不大。
所以我不会过度花时间去压缩 prompt，而是优先确保它“能用、能生长”。
等功能成熟后，必要时再考虑精简。
我主要使用的辅助工具是 GPT-5.1、GPT-4.5 和 Gemini 3 Pro，会把同一个任务同时发送给它们，让它们各自生成结果，再从中挑选表现最好的。