这是一个系列文章，把我写提示词的经验分享一下，其实原理就是结构化提示词。
受到一些 NLP 的启发——语言结构的魔力，参考了《神奇的结构》一书。
01 元提示词
处理提示词的提示词，就是元提示词。
提示词是给答案的指令，元提示词是给“指令本身”的操作系统。
-
普通提示词和元提示词对比 -
一个通用的「元提示词模板」 -
应用元提示词
普通提示词 vs 元提示词
一个通用的「元提示词模板」
你是资深提示词工程师与编辑。
任务：把「原提示词」处理成「可直接投喂模型的最终提示词」。
处理目标（可多选）：补全缺失信息 / 去歧义 / 强约束输出格式 / 提升可复用性 / 降低幻觉风险 / 适配特定角色与语气。
原提示词：
<<<
{粘贴原提示词}
>>>
上下文（可空）：
- 使用场景：{例如：公众号文章、内部文档、客服回复}
- 目标用户：{例如：新手/专家/管理者}
- 已知信息：{例如：产品特性、限制、数据来源}
- 输入数据形态：{例如：一段文本/表格/JSON}
- 期望输出：{例如：要点列表/Markdown/JSON schema}
硬性约束：
- 语言：{中文/英文}
- 输出格式：{例如：只输出最终提示词；不要解释}
- 风格：{例如：简洁、偏口语、不使用夸张词}
- 禁止项：{例如：不要编造数据；不输出敏感信息；不写免责声明}
生成要求：
- 把“模糊词”量化（例如：给长度范围、条数、步骤数、验收标准）
- 把“不可控要求”改成“可验证输入”（例如：需要引用资料就要求用户提供链接/摘要）
- 明确边界（不知道/缺少信息时要如何处理）
输出（严格遵守）：
只输出「最终提示词」，确保可复制粘贴直接使用。
应用元提示词
把元提示词当成一个“提示词编译器”：先写一个能跑的普通提示词，再用元提示词把它编译成更稳定、更清晰、更可复用的版本。
一个最小可用的融合方式：
-
把你的普通提示词粘进模板的「原提示词」 -
在「上下文/硬性约束」里补齐你真正在乎的边界与格式 -
拿到「最终提示词」后，回到原任务执行一次；不满意就把失败样例也放进上下文继续迭代
示例（把粗糙提示词“编译”成可执行版本）：
原提示词：
写一段介绍我们产品的文案。
经过元提示词处理后的最终提示词（示例产物）：
你是资深 ToB SaaS 文案策划。
目标：为一款「团队知识库」SaaS 写一段用于官网首屏的中文文案。
已知信息：
- 目标用户：20–200 人的互联网/软件团队的管理者与一线成员
- 核心卖点：统一知识入口、权限与审计、全文搜索、版本管理、AI 辅助整理
- 差异化：强调“可落地的流程 + 权限治理”，不走空泛口号
输出要求：
- 输出 1 段主标题（12–18 字）+ 1 段副标题（35–55 字）+ 3 条要点（每条 10–14 字）
- 语气：专业、克制，不使用“颠覆/领先/史上最强”等夸张词
- 禁止：编造数据或客户案例；不要提价格
只输出最终文案，按以下格式：
主标题：
副标题：
要点：
- ...
- ...
- ...
我一般都在 IDE 中完成元提示词的应用，或者把元提示词制作成 Agent 或者 Skills 就更方便一点，但是直接在对话中引用需要的提示词更方便快捷。
02 提示词解构和融合
看到网上流传的一段提示词，怎么快速变成自己的提示词，这样就可以把网上的提示词变成自己的了。
三个技巧和元提示词：
-
显性化隐含假设，清洗不确定的上下文 -
结构分解 -
输入自己的条件进行组合
这几个技巧都能让 AI 完成。
比如我之前看到一个毫无机器感的生成美女写真的提示词，我做了一些处理，得到了一个结构化的提示词模版，能写出比原作者还好的提示词。
beautiful realistic Asian woman, portrait, kind of dreamy feeling,
sitting near a window in a bedroom, morning light coming in, soft light, warm, cozy room,
cinematic, film grain, feels like 35mm film, shallow depth, soft focus maybe,
skin texture looks real and delicate, natural makeup, hair a bit messy not perfect,
pastel tones, warm colors, Fujifilm Pro 400H style?
realistic lighting but also slightly hazy, gentle atmosphere overall, intimate mood,
inspired by Petra Collins, Ren Hang,
--ar 3:4 --style raw --v 7
这段提示词没有逻辑分层、同类概念重复但不合并、风格与技术参数穿插出现、情绪词和摄影词杂糅，所以我开始了清洗。
清理无用信息（元提示词）
你是提示词清洗器。
输入是一段「网上流传的提示词」，请删除与目标无关、重复、含糊、不可执行的内容，保留关键意图与必要约束。
然后我得到了一个新的提示词：
a dreamy intimate portrait of a beautiful realistic Asian woman sitting by the window, soft morning light, cozy warm bedroom, cinematic film grain, 35mm film aesthetic, shallow depth of field, soft focus, delicate skin texture, natural makeup, slightly messy hair, Fujifilm Pro 400H look, pastel warm tones, realistic lighting, subtle haze, gentle atmosphere, by Petra Collins and Ren Hang --ar 3:4 --v 7 --style raw
结构化成模块（元提示词）
你是提示词结构化编辑。
请把「原提示词」改写为结构化版本，把决定提示词的关键要素设置为占位符（使用 [] 符号），并输出参数清单。
于是我得到了提示词模版以及参数清单：
a dreamy intimate portrait of a beautiful realistic [ethnicity] [gender/subject] [action or pose],
soft natural light, cozy [environment], cinematic film grain, 35mm film aesthetic,
shallow depth of field, soft focus, delicate skin texture, natural makeup, slightly messy hair,
[Fujifilm / Kodak / Ilford] [film type] look, pastel warm tones, realistic lighting,
subtle haze, gentle atmosphere, by [artist1] and [artist2] --ar 3:4 --v 7 --style raw
参数这里就不列举了，可以尝试让 AI 解释，实现无 AI 感的秘密就在于胶片质感类型、参考艺术家风格、光圈等技术参数。
提示词融合（元提示词）
你是提示词融合器。
给你两段提示词 A 和 B：严格以 A 为目标，结合提示词 B 的要求，融合出新的提示词。
A：前面的模版
B：说明你想要生成的图片效果
总结
通过元提示词「编译」与解构-融合这两套组合拳，我们能把任何粗糙或外来的提示词，快速升级为可复制、可迭代、可迁移的“结构化资产”：先让 AI 自己当编译器，补全缺失、量化模糊、锁定格式；再拆成结构化内容、换上自己的业务参数，最后融合出新场景专属版本。
