3 提示词（Prompt）：大模型的交互语言
引子
之前我们学习了“大模型是什么”和“Token 为什么重要”。
今天我们要讨论另一个关键概念 —— Prompt（提示词）。
Prompt 是你和大模型沟通的语言，问得好，模型回答得就好；问得糊涂，答案往往跑偏。
作为产品经理，理解 Prompt 的本质，能帮助你 设计更清晰的交互方式，甚至直接把“Prompt 模板”做成产品功能。
一、核心概念
1. 什么是 Prompt？
通俗解释：Prompt 就像你给大模型写的“说明书”。
- 如果你只说“帮我写篇文章”，模型可能随便发挥；
- 如果你说“你是一个语文老师，用 200 字总结鲁迅的写作风格，并列 3 个例子”，模型会更精确。
专业定义：Prompt = 输入给模型的指令文本，用来引导模型生成所需输出。
2. 好 Prompt 的三个要素
- 角色：告诉模型“你是谁” → 决定语气和角度。
- 任务：说明“你要做什么” → 输出内容的核心。
- 输出格式：指定“结果怎么呈现” → 保证结果可用。
3. Prompt 工程（Prompt Engineering）
这是一门新兴技能，核心思想是：通过设计提示词，让大模型输出更符合预期的结果。
👉 可以理解为：Prompt 是“低成本的功能开发”。
二、实践环节：对比实验
我们来做一个小实验：同样的问题，用“随便问”和“结构化提示”对比结果。
1. 实验问题
目标：让模型解释“为什么 Token 会影响大模型的成本”。
（1）随便问
为什么 Token 会影响大模型的成本？
（2）结构化提示
你是一名 AI 产品经理的学习教练。
请用简单比喻解释为什么 Token 会影响大模型的成本。
要求：
1. 先给零基础的读者一个通俗的比喻。
2. 再给一个简短的专业解释。
3. 最后列出对产品经理的影响（3 条）。
2. 对比结果
- 随便问：模型可能回答一大段技术细节，读者容易看不懂。
- 结构化提示：输出更有条理，分点回答，既有比喻也有结论。
👉 实际效果：结构化 Prompt 更接近“产品级输出”，能直接放进文档或报告里。
三、产品经理思考
1. Prompt = 新的交互设计
在传统产品里，交互设计是“按钮、菜单、流程”；
在 AI 产品里，Prompt 本身就是交互的一部分。
2. 产品功能化的机会
- 预设模板：在产品里提供“总结文档”、“生成测试用例”、“写邮件”等一键 Prompt。
- 引导式输入：用表单或选项让用户选择 → 背后拼接成 Prompt。
- 规范化输出：在 Prompt 里强制模型输出 JSON 或表格 → 保证结果能被系统直接用。
3. 为什么 PM 要重视 Prompt？
- Prompt 的设计决定了用户体验的好坏。
- Prompt 可以快速试错，帮助验证功能需求。
- Prompt 还能成为产品的“差异化优势”。
四、小结
今天我们学习了：
- Prompt = 和大模型交流的“说明书”。
- 好 Prompt 有三个要素：角色、任务、输出格式。
- 实验对比：随便问 vs 结构化提示，效果差别很大。
- PM 角度：Prompt 是交互设计的一部分，可以产品化（模板、引导式输入、规范化输出）。