# Millie Marconi 2025-12-30

## 1. 角色与专业知识背景（适用于任何任务）

LLMs 不仅需要指令，它们需要“成为”某个人。当你提供专业知识背景时，模型会激活完全不同的推理模式。

“资深开发者”提示产生的代码与通用代码在本质上完全不同。

Prompt:

```md
您是拥有[X 年]在[顶级公司/机构]工作经验的[特定角色]。您的专长包括[3-4 项具体技能]。您因[对这项任务重要的品质]而闻名。

您的沟通风格是[直接/分析性/创造性]。

任务：[您的实际请求]
```

## 2. 参考上下文（适用于网站和内容）

我们都知道，LLMs 在猜测你想要的内容时会产生幻觉。

当你向它们展示“好”是什么样的，它们就不再猜测了。参考上下文将模糊的请求转化为精确的执行。

这就是为什么机构能够在数百个输出中保持一致的品牌声音。

Prompt:

```md
"参考示例：
[粘贴 2-3 个您想要的风格/格式的示例]

这些示例之所以有效：
- [你注意到的模式 1]
- [你注意到的模式 2]
- [你注意到的模式 3]

现在创建：
[您的具体要求]遵循上述精确模式。
```

## 3. 约束上下文（用于研究和分析）

无限制的自由 = 平庸的输出。

约束迫使模型进入专注、富有创造性的问题解决。

当你给出边界时，AI 无法走捷径。这就是为什么最好的提示通常包括不要做什么。

Prompt:

```md
"约束条件：
- 不要包含[你想要避免的常见陈词滥调/方法]
- 必须包含[特定元素]
- 最大[长度/数量]
- 按照以下[特定结构]格式化
- 优先考虑[最重要的因素]

在这些限制条件下：[您的请求]
```

## 4. 视觉生成上下文（适用于 Nano Banana Pro、Image gen 1.5 等）

图像模型是在摄影师和艺术家语言上训练的。"美丽的日落"只会给你一堆垃圾股票照片。
技术相机和艺术指导的上下文触发产生令人惊叹的训练图像的模式。

Prompt:

```md
SUBJECT: [main subject in detail]
主题：[主要主题详情]

CAMERA: [camera model], [lens], [focal length]mm, f/[aperture], [shutter speed]
相机：[相机型号]，[镜头]，[焦距]mm，f/[光圈]，[快门速度]

LIGHTING: [light source], [direction], [quality - soft/hard], [color temperature]
照明：[光源]，[方向]，[质量 - 软/硬]，[色温]

COMPOSITION: [rule of thirds/centered/etc], [perspective], [depth of field]
构图：[三分法/居中等]，[透视]，[景深]

STYLE: [specific photographer/artist reference], [mood], [color palette]
风格：[特定摄影师/艺术家]，[氛围]，[色彩调色板]

POST-PROCESSING: [film stock/preset], [contrast level], [grain]
后期处理：[胶片/预设]，[对比度级别]，[颗粒度]
```

## 5.受众背景（针对内容与文案）

“撰写一篇博客文章”提供的是通用内容。
“为那些尝试过所有生产力应用的疲惫初创公司创始人撰写”则激活了特定的语言模式、痛点以及例子。
如果模型知道受众是谁，它才能与受众进行沟通。

Prompt:

```md
目标受众画像：
- 人口统计学：[年龄，角色，行业]
- 当前情况：[他们正在处理的问题]
- 痛点：[具体的挫败感]
- 目标：[他们想要实现的目标]
- 使用的语言：[特定的短语/术语]
- 他们已经尝试过的：[失败方案]
- 让他们怀疑的原因：[反对意见]

撰写[内容类型]，直接针对这个人。

```

## 6. 视频生成上下文（适用于 Veo 3，Runway，Kling）

视频模型需要的是电影语言，而不是描述。"一个人在走动"只能给你提供一些库存素材。
导演级别的上下文，包括摄像机运动、镜头类型和时间流动，才能产生电影级的输出。

Prompt:

```md

SHOT TYPE: [wide/medium/close-up/extreme close-up]
镜头类型：[宽/中/特写/极特写]

CAMERA MOVEMENT: [static/pan/tilt/dolly/tracking/crane/handheld]
摄像机运动：[静止/平移/倾斜/推拉/跟踪/吊臂/手持]

DURATION: [X seconds]
时长：[X 秒]

TEMPORAL FLOW: [real-time/slow-motion/time-lapse]
时间流动：[实时/慢动作/延时摄影]

SCENE DESCRIPTION: [what's happening, with movement verbs]
场景描述：[正在发生的事情，包括动作动词]

LIGHTING SETUP: [key light, fill, practical lights]
灯光设置：[主光、填充光、实用灯光]

MOOD/TONE: [cinematic reference or director style]
情绪/基调：[电影参考或导演风格]

SOUND DESIGN NOTES: [ambient, music style, silence]

声音设计备注：[环境音、音乐风格、寂静]
```

## 7.思维链上下文（用于复杂推理）

谷歌的研究证明了这一点：强制逐步推理将同一模型的准确率从 18%提高到 57%。
当你构建模型应该如何思考的方式时，你将解锁那些一直存在但从未被激活的能力。

Prompt:

```md
在回答之前，请按照以下步骤进行：

步骤 1 - 理解：用自己的话重新表述问题。我实际上被问到了什么？

步骤 2 - 分解：将其分解为子问题。首先需要解决什么？

步骤 3 - 分析：对于每个子问题，可能的解决方法有哪些？有哪些权衡？

步骤 4 - 综合分析：连接各个部分。子解决方案是如何组合的？

步骤 5 - 验证：检查你的推理。可能出错的地方在哪里？我在做哪些假设？

步骤 6 - 回答：现在提供最终答案，并给出信心水平。

问题：[你的复杂问题]
```

## 8. 输出格式上下文（适用于任何结构化任务）

LLMs 是模式补全机器。当你展示确切的输出结构时，它们不需要猜测你想要什么。
这消除了 90%的“这不是我想要的意思”的时刻。专业的 AI 工程师总是首先定义输出形状。

Prompt:

```md
输出格式（请严格遵循）：

---
[第一部分名称]
[此处描述内容]

[第二部分名称]
[此处描述内容]

[第三部分名称]
[此处描述内容]
---

示例输出：
[一个完整的示例，以便模型看到模式]

现在生成：[您的特定输入]
```