提示工程
Prompt engineering
学到 会用 就够：能亲手用起来
你可能会说
“我总在换提示模板，却说不清哪一版更适合自己的研究任务；怎样把这种试错变成能积累的改进过程？”
提示工程是设计、测试和维护模型输入的方法，目的是让特定任务更稳定地完成；重点在任务、示例与评价，不在收集神奇话术。
使用 AI
科研里的例子
把原来的“总结论文”改为结构化任务，并用十篇已读论文核对研究问题、数据和识别策略的提取完整性与准确性。
一次提示修改可能改变任务范围、材料顺序、格式或容错策略。要知道改动是否有用，需要先定义成功条件，再用一组代表性样例比较，并记录失败例。模型版本或任务材料改变后，原有提示可能失效，因此提示也需要版本和适用边界。对科研工作，减少无依据结论、区分证据与推断，通常比增加修辞或固定角色称号更值得优化。
在你的学科里，直接拿去用
把模糊需求变成可执行任务
我不熟悉AI术语。请把我的需求转成明确的任务说明。 我的原话：[粘贴] 可用材料：[列出文件、表、链接或说明目前没有材料] 使用者与用途：[填写] 先用普通中文复述目标，再给需要时才用的关键中英术语。区分任务、输入、约束、输出和可检查的完成标准。若缺项会实质改变结果，最多问3个问题；其他假设明确列出。先交付任务说明，不擅自执行与改文件。方括号里的内容换成你自己的。来自知识增量《科研中英表达与 Prompt 指南》PG01
判断
亲手检查一次
每次只改一组相关因素，保留旧版、检验材料和错误记录；确认表现提升可在未见样本上维持后再扩大使用。
它做不到的
提示工程不保证模型具备原本没有的知识或权限，也不能弥补模糊的研究问题；更长的模板可能引入相互冲突的要求。
增量，由你来写
读完这张，你的理解变了什么？
留言功能会在后面的版本开放。现在可以先在 X 上 @knowledgedelta 告诉我。