Prompt工程方法论

通用 prompt 方法论的沉淀（来源 affweb 各期，标注 issue 号）。写作专用模板见 AI写作去AI味与仿写方法，可执行 Skill 的设计见 AI技能Skill设计与迭代。

四件套万能模板（#162）

立角色（你现在是/请你扮演/假如你是）+ 述问题（+背景信息）+ 定目标 + 补要求（格式/语气/限制）。角色起效的原理：专家身份 = 限定场景 + 行业标准。

解释、类比、罗列、转化（“转化为 markdown 表格，字段为名称/简述/案例”）、限制（“用 STAR 原则总结，格式为 Situation/Task/Action/Result”）、增改、对比、分类、翻译、推理、归纳、模拟、演员——两两组合可衍化上百种用法。

Concept（问题识别/价值评估/可行性/量化目标）→ Execute（学工作流/收集样本/写指令/初步测试）→ Test（功能/质量/用户 A-B）→ Optimize（分析结果/调整指令/持续迭代）。把 prompt 当产品迭代，不靠灵感。

想要某种文风却不会写 prompt 时：把样本给 GPT 让它反推 prompt → 新窗口验证 → 把不生效的要求前置 → 沉淀成模板（根据参考资料【X】写一篇【主题】的文章……）。

# Role
## Profile（author/version/language/description）
## Background
## Goals
## Constraints
## Skills
## Workflows
## Initialization（开场白）

编写五步：分析需求 → 问 AI 要能力清单 → 设计流程 → 成文 → 每次只改一处迭代。

汉语新解（李继刚，#676/#677）：用 lisp 伪代码写 prompt，两步 CoT（先文字解释再生成 SVG 卡片），给 AI 留发挥空间的设计；
Thinking Claude（#711）：17 岁作者写 o1 式意识流思维链，作者用 Claude 自迭代 80 版——“用 AI 迭代 AI 产物”本身是方法；
双向钢人论证（#736）：重述真实问题 → 正反两方各自钢人到最强 → 找关键分歧变量 → 只问一个最关键问题 → 再给判断。对抗 AI 谄媚的利器；
12 个思维 prompt（#739）：苏格拉底提问/双层解释/反向拆解/横纵分析/事实核查/专家会诊/第一性原理/跨领域借解/最小实验等。其中”横纵分析法”（半小时搞懂陌生领域，要求一手来源+事实/推断/观点分离+“暂未核实”标注）最值得单独记。

横纵分析法补全（卡兹克 2 年实用版，与上文 12 思维 prompt 同源）：纵向=历时分析（起源/关键节点/决策逻辑），横向=共时分析（竞品三场景：无竞品析潜在进入者、1-2 个逐一深入、≥3 个选 3-5 重点）；篇幅配比纵向 6000-15000 字/横向 3000-10000/交汇 1500-3000；Skill 版 hv-analysis 额外联网+arxiv 查论文+出 PDF；局限声明：报告是研究起点不是结论。
Leader.skill 目标七问（浪费 20 亿 token 的教训）：①Why 目的 ②Done 完成态（可判断的具体程度）③Proof 证据 ④Anti 反作弊（把最偷懒达标路径逐条堵死）⑤Bounds 边界 ⑥Trade 取舍 ⑦Unknown 未知（记录绕过，不硬闯）。核心洞见：Harness（约束）比 Goal 重要——没有 Harness 的 Goal，Agent 永远会找到你没想到的捷径；配 Commander’s Intent（意图不变、手段随机应变）。用法：规划模型跑七问出任务书 → 执行模型长程执行。

ReAct 核心模板：“已知：当前历史上下文…当前环境信息…用户目标…做出下一步决策，你必须最少使用一个工具”；每轮提示词不变靠历史累积驱动；ReAct 适合交互强/步骤少，Plan-and-Execute（Planner 出子任务列表+Executor 执行）适合长程多步但误差会传递；
工具 description 三原则决定路由准确率：清晰明确/区分明显/举例说明——“用于查询数据”这类模糊描述必致选错工具；
实习生思维四要素：背景/需求/限制条件/期望输出格式——“缺的从来不是 AI 能力，是人的表达能力”；
断言生成的证据约束：只对明确可见的元素断言、动态值只验格式范围；Playwright 生成规范（getByRole 优先/禁 sleep/只输出代码）；
隐式 CoT：输出前先 <analysis> 推演再 <summary>（summary 剥离分析）——Claude Code 压缩同款设计，见 Claude-Code使用与内部机制。