AI深度學習初步指南：從模型到提示詞，普通人的入門路徑
整理版優先睇
呢篇文係作者心辰為普通人寫嘅AI入門指南，核心係提示詞思維同Skills嘅概念，幫你由模型揀選到工具使用，一步步建立自己嘅AI工作流程。
呢篇文係作者心辰準備開一個面向普通人嘅AI應用同提示詞課程嘅序章。佢本身有兩年AI應用經驗，見身邊朋友對AI邏輯瞭解唔夠，所以想系統咁講解。文章整體結論係：要真正用好AI，唔係靠一次半次嘅神奇提示詞，而係要理解模型特性、揀啱工具，仲要將好用嘅提示詞模塊化封裝成Skills，咁先可以穩定重複產出高質量結果。
作者先介紹常用嘅AI模型，包括國外嘅Claude、Gemini同國內嘅DeepSeek、豆包等，強調Claude寫作最有温度但門檻高，而國內模型各有特色。跟住佢推薦三個核心工具：IMA知識庫、Trae智能編程工具同OpenClaw小龍蝦，但提醒普通人唔好急住玩小龍蝦，因為要識得系統提示詞架構先玩得掂。
最後重點講提示詞思維同Skills。佢提出三個技巧：效果思維、元提問同唔好迷信AI。然後解釋Skills就係模塊化嘅提示詞團隊，可以隨時召喚專屬AI員工。佢仲展示咗Claude Skills嘅文件架構，畀讀者有初步概念。成篇文章結構清晰，由宏觀到微觀，適合想認真學AI嘅普通人。
- 結論：AI應用嘅核心唔係單次提示詞，而係建立可重複使用嘅模塊化Skills。
- 方法：先用效果思維描述你想要嘅「效果」，再用元提問引導AI幫你釐清概念。
- 差異：Claude寫作最有温度，但門檻高易封號；國內模型如DeepSeek喺本地化選題有優勢。
- 啟發：OpenClaw小龍蝦雖然強大，但門檻在於要理解底層系統提示詞架構，普通人唔易上手。
- 可行動點：立即開始整理自己常用嘅提示詞，按場景分類，逐步邁向Skills化。
AI模型點揀？作者嘅心水推介
作者日常主力用Claude Opus4.6同Sonnet4.6，輔助用Gemini 3.1 Pro，偶爾用DeepSeek同豆包AI。佢話Claude寫作最有温度，尤其係將模糊想法具體化嗰下，真係「佢點解咁明我？」。
但Claude對普通人門檻高，易封號。替代渠道有鏡像網站、API，或者Antigravity工具入面嘅版本（但額度少）。Gemini可以喺Trae國際版用到，雖然係preview版。
- 1 Claude：寫作最有温度，但門檻高，可用鏡像或API。
- 2 Gemini：性價比高，用喺HTML、SVG呢啲對文案要求唔高嘅場景。
- 3 DeepSeek：適合睡前靈感記錄或簡單查概念。
- 4 豆包超能模式：多模態自動化，適合圖文賬號。
- 5 其他模型（KIMI、GLM、Qwen等）：主要喺龍蝦場景用coding plan，性價比高但要搶。
三個必睇AI工具，幫你提升效率
作者推薦三個工具：IMA知識庫、Trae智能編程工具同OpenClaw小龍蝦。IMA係一個「懂你自己資料」嘅私人助手，可以將知識庫型提示詞存喺裏面，提問時一併調用。
Trae唔好俾「編程」兩個字嚇親，佢有記憶功能、文件調用方便，仲可以原位編輯代碼或文章，唔使重新生成。即使你唔搞編程，攞嚟潤色文章或整HTML工具都好快。
- IMA：存放背景資料庫，提問時直接調用，降低溝通壓力。
- Trae：有記憶功能，越用越順手；可建工作區管理系列任務。
- OpenClaw：適合有技術底嘅玩家，token消耗高，效果差異大。
提示詞思維同Skills，打通AI進階之路
作者強調：提示詞就係你同AI對話嘅方式，唔好搞到太複雜。佢提出三個關鍵技巧：效果思維、元提問同唔好迷信AI。效果思維係直接描述你想要嘅效果，例如「詳細啲，唔好敷衍我」；元提問係當你唔識點問時，直接叫AI教你點問；唔好迷信AI係因為AI會刻意迎合你，要識得用反問句套出真話。
- 1 效果思維：描述你需要嘅效果，自然引出對話條件。例如畀範例要求格式。
- 2 元提問：唔識問就講現象，等AI定義本質。萬物皆可套。
- 3 唔好迷信AI：用反問句避免迎合，例如「請不要迎合我，直接指出漏洞」。
- 4 Skills入門：先整理常用提示詞，按場景分類，加上必要背景同規則。
my-skill/
├── SKILL.md ← 必須有，大腦中樞
├── evals/
│ ├── evals.json ← 測試用例定義
│ └── files/ ← 測試用的輸入文件
│ ├── sample1.pdf
│ └── sample2.xlsx
├── scripts/ ← 可複用的確定性腳本
│ ├── __init__.py
│ ├── build_report.py
│ └── validate_output.py
├── references/ ← 按需加載的深度知識
│ ├── aws.md
│ ├── gcp.md
│ └── azure.md
└── assets/ ← 靜態資源：模板、字體、圖標
├── report_template.docx
└── brand_logo.png
=2026年第23篇文章=
-全文4625字-
呢個號準備開個新坑，搞個面向普通人嘅AI應用同AI提示詞課，呢篇係序章。
大家好，我係心辰。
前排，兄弟話想揾個時間，約我做返個講師，好好講下AI嘅邏輯，覺得呢方面缺得太多了。
咁講起，倒係提醒咗我。
兩年嚟嘅AI應用經驗同提示詞心得，要點樣系統咁講畀普通人聽？
所以，就有咗開頭講嗰個課程。
而家嘅課程規劃，會向呢幾個方向去講：
提示詞思維，AI寫作，Skills打造，OpenClaw龍蝦應用
後面會根據AI發展情況，再按需求加入新嘅板塊，整體都係以“提示詞”為核心鏈。
今日，我會由AI模型，AI工具，AI提示詞同skills，呢三個模塊，將一啲將來會遇到嘅，同需要深入瞭解嘅嘢，先混個眼熟，打好個基礎。
先疊個甲：
AI嘅世界好大，總有我未涉足過嘅角落。我都唔係咩大佬，呢度分享嘅，都係我真實經歷過、親手做過嘅嘢。希望呢篇序章，包括未來嘅課程，能夠對大家有所啟發同幫助，多謝大家！
序、閲讀前說明
Antigravity | AI代碼編輯器 | 有記憶功能 分析文件方便 |
上面嘅功能模塊 | 嘅提示詞團隊 | |
訂閲制API服務 | 比普通API性價比高 | |
矢量圖像格式 | 輸出嘅圖片格式 | |
格式嘅文件 | 可以用記事本打開 | |
標準源代碼文件 | 時出現嘅文件 |
一、AI模型
個人常用模型：
主力使用模型：Claude（克勞德）嘅opus4.6同sonnet4.6
輔助使用模型：Gemini 3.1Pro
偶爾使用模型：DeepSeek，豆包生圖、豆包電話、豆包超能模式
龍蝦使用模型：KIMI K2.5,GLM5,Qwen3.5,Minimax2.7（排名不分先後）
國外模型
1.Claude（克勞德）
簡而言之，寫作最有温度嘅一個模型，首推Claude Opus4.6。
我平時寫作，做提示詞，搭建Skills，外化想法都係用Claude。
如果你平時淨係用DeepSeek或者豆包AI，突然用上Claude AI，你就會感受到AI答案質量直線上升。
特別係當你有模糊想法，但唔知道點樣具體化、清晰化，唔知道點樣將想法變成可落地嘅靈感時，Claude總會畀你驚喜。
“佢點解咁明我？”
所以，除咗寫作，Claude用嚟拓展思路同獲取靈感，真係好適合，習慣咗之後，好容易上癮。
不過，對於普通人嚟講，使用門檻好高。
就算有網絡手段可以直接用官方版，普通人用起嚟好易被封號。
而家普通人比較有可能用上Claude嘅渠道，一個係鏡像網站，一個係API。
仲有一個渠道，但額度太少，就算Pro版用完都要等至少5日去刷新，就係Antigravity（反重力）工具上面嘅，再高級啲嘅版本，太貴，冇必要。
2.Gemini3.1 Pro
谷歌嘅Gemini3.1 Pro其實都幾強，有人寫作都會用呢個。
我個人更習慣用Claude，文章風格同拓展思路回答嘅遣詞造句，更啱我口味。
但我間中都會用到，通常係為咗幫Claude慳額度，喺需要設計一啲HTML工具、SVG海報呢啲對文案要求唔高嘅場景時，我就會用Gemini。
普通人可以接觸Gemini嘅渠道同Claude一樣，仲有個Trae工具國際版可以用到，雖然係preview版，但無傷大雅。
國內模型
1.DeepSeek
DeepSeek而家我只係用嚟睡前用，就係突然有個想法或者靈感，會隨手喺手機上用下DeepSeek。
或者日常需要一啲簡單回答嘅，例如想知道某個概念、某個專業講法等等。
如果真係冇辦法用上國外模型，DeepSeek都值得玩下。
適合寫作、做規劃，或者臨時整HTML格式嘅小工具。
特別係做公眾號選題，基於中文本地化優勢，呢方面嘅規劃效果都唔錯。
2.豆包AI
豆包AI國內知名度已經好高，好多人玩過，呢度主要講一個模式：
超能模式。
呢個模式可玩性其實唔錯，相當於一個Agent，都可以當做一個小工作流嚟用。
多模態內容生成，能夠多輪自動化拆解任務加調用工具去解決問題，我一般用嚟做圖文賬號用。
當你要用一個比較複雜結構、多層級嘅長文提示詞時，特別係本身包含多模態生成嘅。
例如圖文漫畫，有生成文案嘅提示詞，仲有排版嘅提示詞，最後就係生成圖片嘅提示詞，最終仲可以要求打包成ZIP畀你。呢種打包喺ZIP嘅圖片，本身係冇水印嘅。
3.其他模型
KIMI K2.5,GLM5,Qwen3.5,Minimax2.7
呢幾個模型而家我只喺龍蝦場景使用，而家推薦渠道有兩種：一種係普通API，另一種係coding plan。
coding plan性價比唔錯，按請求次數扣，缺點係，最近各平台嘅coding plan都幾難搶。
coding plan主流服務提供商
騰訊雲、阿里雲、京東雲、百度智能雲等都有推出自家嘅Coding Plan。各間嘅模型支持側重點稍有唔同。
二、AI工具
1.IMA
一款知識庫應用，用嚟整理、分析、查找一系列主題文檔好好用。
可以理解為，佢係一個“明你啲資料”嘅私人助手。
例如你有一整套某領域嘅課程文檔，存咗入去之後，自己想學邊部分內容，自己直接同AI講就得。
要定位，定係跨主題關聯解析，都可以根據自己需求去問。
簡單嚟講，就係調用自己嘅“背景資料庫”或者“領域知識庫”好方便，量越大優勢越明顯。
個人用法：
通常我會將“知識庫型提示詞”放喺IMA，咁樣提問或者提需求時，“知識庫”同“提示詞”都可以一併調用，降低溝通壓力。
2.Trae
同Cursor一樣，都係一種AI智能編程工具，但唔好比“編程”兩個字嚇親。
而家有國際版同國內版，有條件嘅可以用國際版，整體效果好啲，國內版好處係免費。
對於普通人嚟講，只需要留意呢幾點：
有記憶功能，文件調用方便，可以實時修改代碼或者文章
1）有記憶功能
好處就係：越用越明你，越用越順手。
有啲背景信息唔使反覆交代，整體可以降低好多溝通成本。
呢點對於長期深度使用AI嘅人嚟講好重要
2）文件調用方便
一般你要解決某個系列嘅問題，例如公眾號選題。
你可以新建一個關於公眾號選題嘅文件夾，作為工作區。
之後就喺呢個工作區同AI對話，同樣可以新建唔同嘅對話框使用。
然後相關嘅背景資料、知識庫資料，都可以直接放喺呢個文件夾下面。
平時傾緊嘅時候，需要用到咩資料，可以直接叫AI工作空間調用。
3）可以實時修改代碼或者文章
特點就係，可以原位編輯，唔使重新全部生成，變相提高自己嘅優化效率。
就算唔搞編程，搞文章潤色，搞HTML工具優化，呢個功能用起上都好方便快捷。
如圖片所示，紅色部分為實時修改後要刪走嘅內容，綠色部分係修改後要加入嘅內容，實時修改後，AI會問係咪保存修改後嘅文件
3.OpenClaw（小龍蝦）
前排好火爆嘅AI開源智能體，但而家唔係好推薦普通人去玩。
唔係安裝門檻嘅問題，而家國內大廠已經出咗好多國內版小龍蝦。
真正嘅門檻，係點樣“用得好”。
想用得好，就要識小龍蝦底層系統提示詞架構，要識得點樣搭建AI員工團隊，要識得構建各類skills，要識得點樣優化各部分嘅細節。
- 系統提示詞架構文件：
- 身份層（你是誰）：SOUL.md + IDENTITY.md
- 關係層（你在幫誰）：USER.md
- 規則層（你該做什麼）：AGENTS.md
- 環境層（你在哪兒）：TOOLS.md
- 記憶層（你記得什麼）：MEMORY.md + memory/ 目錄
- 自動化層（你什麼時候幹活）：HEARTBEAT.md + BOOT.md
- 初始化層（你第一次醒來怎麼辦）：BOOTSTRAP.md
對於普通人嚟講，就係好難摸到一個睇到明顯差異化好效果嘅“下限”。
當然，識玩嘅大佬，確實都玩得好爽，但token消耗都高到飛起。
三、AI提示詞同Skills
1.AI提示詞
從技術本質上講，日常對AI隨口嘅提問同提需求，都係一種提示詞。
所謂嘅提示詞，就係用戶輸入畀AI嗰段文字指令。
但更多時候，大家講嘅提示詞，其實係：
經過設計、有結構、有策略嘅指令文字。
隨住AI使用嘅深入，你會發現，提示詞貫穿咗各個模型、AI工具到後面嘅skills。
但實際上，提示詞並冇咁玄乎，都唔需要理解得咁複雜，只需要知道：
提示詞，就係你同AI對話嘅方式。
如果你想深入去體驗，同AI對話嘅魅力，並提升AI回答嘅質量，呢度分享一啲提示詞思維同技巧。
1）效果思維
而家嘅AI，對人類嘅自然語言，即係白話，理解能力係比以前好咗好多。
所以，日常同AI對話，係唔使刻意去搞咩特定結構嘅提示詞。
只需要養成習慣，同AI講清楚你需要嘅嘢，要達到咩嘢“效果”。
唔需要去搞咩5W法，記住咩背景信息、約束條件、格式要求之類嘅模板。
而是“描述”你需要嘅“效果”，自然會引出你需要嘅一切對話條件。
舉例：
AI嘅回答總係鍾意用極簡闡述加簡單羅列嘅方式，而我希望嘅效果係：
詳細，有完整嘅思路，有發散嘅思考，而唔係停留在簡單嘅想法同建議嘅輸出。咁樣，我會咁講：
“請詳細啲講下你嘅思路同思考、想法同建議，唔好用單薄嘅內容同框架敷衍我。”
如果有特定嘅格式要求，我甚至會畀範例，等佢理解後，結合我嘅效果描述去寫，例如：
“請參考我提供範例嘅知識點層次同密度，以及錯落有致嘅格式嚟寫”。
2）元提問
喺描述想法，描述“效果”嘅過程中，仲有可能出現咁嘅情況：
唔知道點樣表達自己某個想法，或者自己用嘅“效果詞”，唔係好能夠表達清楚，自己想要嗰種“感覺”。
呢個時候，就可以用元提問技巧。
咩係元提問？
唔知道點樣問AI就等AI話畀你知點樣問。
當你習慣咗呢種提問技巧之後，你會發現，大腦輸出想法嘅頻率會快速升高。
呢種高頻具象化模糊想法嘅過程，會令你大腦有嗰種，雨後呼吸清新空氣嘅通透感。
簡而言之，你唔識嘅嘢，唔知道嘅嘢，都可以從AI嗰度“套出嚟”。
萬物都可以套。
具體實操要點樣套？
就係你嚟描述現象，AI嚟定義本質。
向AI描述你知道嘅特徵，你內心嘅感覺，然後交畀AI定義。
3）唔好迷信AI
AI唔係萬能嘅，而家無論邊個AI模型，都會存在一個現象。
就係AI會不自覺，去刻意迎合你嘅想法。
具體表現就係，喺唔違背自身底層規則要求嘅情況下，會根據你嘅想法“傾向”，去搭建一套對應嘅邏輯。
然後自顧自噉講：“點解好”，“點解比嗰個好”。
如果真係好唔肯定，感覺到AI喺刻意迎合你，咁你可以自己根據實際情況，喺其他窗口向AI套出話。
例如問AI，點樣避免特定場景AI嘅刻意迎合，叫佢寫一段白話提示詞。
三個提示詞參考：
A.請唔好迎合我嘅觀點，就算我嘅想法有問題，都要直接指出。我需要客觀分析，唔需要認同。
B.我可能對呢件事已經有咗自己嘅判斷，但請忽略我嘅傾向，淨係畀我客觀評估。包括我想法入面嘅漏洞同風險，唔使顧慮我係咪接受。
C.唔可以因為我嘅語氣或者立場調整你嘅結論，如果我嘅前提有錯，先糾正前提。結論同我嘅想法相反時，唔需要軟化表達。
2.Skills
1）咩係Skills
如果話提示詞係你同AI對話嘅方式，咁Skills就係：
你將呢種“講嘢方式”，變成一個隨時可以調出嚟嘅專屬AI員工。
更準確噉講，Skills係模塊化嘅提示詞團隊，每一個Skill，就係一個被你“訓練好”咗嘅AI角色，或者一套被你封裝好嘅工作流程。
Skills，本質上係對“好用提示詞”嘅結構化管理和封裝。
你將積累落嚟嘅啲有效提示詞，按照功能同場景做整理，加入一啲必要嘅背景設定、行為規範、輸出格式要求，一個Skills就成形。
之後再遇到同類場景，調一下呢個Skills，AI就能夠以“同一個狀態”投入工作，效果穩定，節省溝通成本。
2）點解要用skills
喺而家呢個階段，提示詞用耐咗，都推薦有目的地走向Skills化。
唔係因為Skills有幾高級，而係因為你同AI嘅工作，會越來越固定喺某幾個場景裏面。
當你嘅核心使用場景逐漸固定，對AI輸出質量嘅要求逐漸升高，單次對話嘅提示詞就會越來越難滿足你。
你會需要一個“可以隨時召喚、隨時複用、效果穩定”嘅提示詞團隊，呢個就係Skills存在嘅意義。
所以，而家用Skills，唔係為咗睇落“好叻”，而係而家呢個階段用AI用到一定深度之後，自然會行到嘅呢一步。
越早理解呢個概念，越早開始積累同整理，後面嘅使用體驗提升會非常顯著。
3）Claude Skills嘅文件架構
呢度可以先簡單瞭解Claude Skills架構，有個初步嘅感受。
my-skill/
├── SKILL.md ← 必須有，大腦中樞
├── evals/
│ ├── evals.json ← 測試用例定義
│ └── files/ ← 測試用的輸入文件
│ ├── sample1.pdf
│ └── sample2.xlsx
├── scripts/ ← 可複用的確定性腳本
│ ├── __init__.py
│ ├── build_report.py
│ └── validate_output.py
├── references/ ← 按需加載的深度知識
│ ├── aws.md
│ ├── gcp.md
│ └── azure.md
└── assets/ ← 靜態資源：模板、字體、圖標
├── report_template.docx
└── brand_logo.png
=END=
⏬心辰嘅個人微信
快啲一齊玩提示詞
=2026年第23篇文章=
-全文4625字-
這個號準備開個新坑，搞個面向普通人的AI應用和AI提示詞課，本篇是序章。
諸位好，我是心辰。
前陣子，兄弟說想找個時間，約我作回講師，好好講講AI的邏輯，覺得這方面缺得太多了。
這一說，倒是提醒我了。
兩年來的AI應用經驗和提示詞心得，要怎麼系統地講給普通人聽？
所以，就有了開頭說的那個課程。
目前的課程規劃，會往這幾個方向去講：
提示詞思維，AI寫作，Skills打造，OpenClaw龍蝦應用
後面會根據AI發展情況，再根據需求添加新的板塊，整體都是以“提示詞”為核心鏈。
今天，我會從AI模型，AI工具，AI提示詞和skills，這三個模塊，把一些將來會遇到的，和需要深入去了解的東西，先混個眼熟，打個基礎。
先疊個甲：
AI的世界很大，總有我沒涉足過的角落。 我也不是什麼大佬，這裏分享的，都是我真實經歷過、親手做過的東西。 希望這篇序章，包括未來的課程，能對大家有所啓發和幫助，謝謝大家！
序、閲前說明
Antigravity | AI代碼編輯器 | 有記憶功能 分析文件方便 |
上的功能模塊 | 的提示詞團隊 | |
訂閲制API服務 | 比普通API性價比高 | |
矢量圖像格式 | 輸出的圖片格式 | |
格式的文件 | 可用記事本打開 | |
標準源代碼文件 | 時出現的文件 |
一、AI模型
個人常用模型：
主力使用模型：Claude（克勞德）的opus4.6和sonnet4.6
輔助使用模型：Gemini 3.1Pro
偶爾使用模型：DeepSeek，豆包生圖、豆包電話、豆包超能模式
龍蝦使用模型：KIMI K2.5,GLM5,Qwen3.5,Minimax2.7（排名不分先後）
國外模型
1.Claude（克勞德）
簡而言之，寫作最有温度的一個模型，首推Claude Opus4.6.
我平常寫作，做提示詞，搭建Skills，外化想法都是用的Claude.
如果你平常只用DeepSeek或豆包AI，突然用上Claude AI，你就能感受到AI答案質量直線上升。
特別是在你有模糊想法，但不知道怎麼具體化，清晰化，不知道怎麼將想法變成可落地的靈感時，Claude總能給你驚喜。
“他怎麼這麼懂我？”
所以，除了寫作，Claude用來拓展思路和獲取靈感，真的非常適合，習慣了之後，非常上癮。
但是，對於普通人來說，使用門檻非常高。
哪怕有網絡手段能直接用官方版的，普通人用死非常容易被封號。
目前普通人比較有可能用上Claude的渠道，一個是鏡像網站，一個是API.
還有一個渠道，但額度太少了，哪怕Pro版用完了也要等至少5天去刷新，就是Antigravity（反重力）工具上面的，再高級點的版本，太貴了，沒必要。
2.Gemini3.1 Pro
谷歌的Gemini3.1 Pro其實也挺強，有人寫作也會用這個。
我個人更習慣於用Claude，文章風格，和拓展思路回答的遣詞造句，更合我口味。
但我時不時還會用到，一般是為了給Claude省額度，在需要設計一些HTML工具，SVG海報這些對文案要求不高的場景時，我就會用Gemini.
普通人可以接觸Gemini的渠道跟Claude一樣，還有個Trae工具國際版可以用到，雖然是preview版，但無傷大雅。
國內模型
1.DeepSeek
DeepSeek目前我只用來睡前用，就是突然有個想法或靈感，會隨手在手機上用下DeepSeek.
或者日常需要一些簡單回答的，比如想知道某個概念，某個專業說法等等。
如果確實沒法用上國外模型，DeepSeek還是值得玩玩的。
適合寫作，做規劃，或臨時搞個HTML格式的小工具。
特別是做公眾號選題，基於中文本地化優勢，這方面的規劃效果還是不錯的。
2.豆包AI
豆包AI國內知名度已經很高了，很多人都玩過，這裏主要說一個模式：
超能模式。
這個模式可玩性其實不錯，相當於一個Agent，也可以當做一個小工作流來用。
多模態內容生成，能多輪自動化拆解任務加調用工具去解決問題，我一般用來做圖文賬號用。
當你要使用一個比較複雜結構，多層級的長文提示詞時，特別是本身包含多模態生成的。
比如圖文漫畫，有生成文案的提示詞，還有排版的提示詞，最後就是生成圖片的提示詞，最終還能要求打包成ZIP給你。這種打包在ZIP的圖片，本身是沒有水印的。
3.其他模型
KIMI K2.5,GLM5,Qwen3.5,Minimax2.7
這幾個模型目前我只在龍蝦場景使用，目前推薦渠道有兩種：一種是普通API，另一種是coding plan.
coding plan性價比不錯，按請求次數去扣的，缺點是，最近各平台的coding plan都挺難搶。
coding plan主流服務提供商
騰訊雲、阿里雲、京東雲、百度智能雲等都有推出自家的Coding Plan.各家的模型支持側重點稍有不同。
二、AI工具
1.IMA
一款知識庫應用，用來整理，分析，查找一系列主題文檔非常好用。
可以理解為，它是一個“懂你自己資料”的私人助手。
比如你有一整套某領域的課程文檔，存進去後，自己想學哪部分內容，自己直接跟AI說就好。
要定位，還是跨主題關聯解析，都可以根據自己需求去問。
簡單來說，就是調用自己的“背景資料庫”或“領域知識庫”很方便，量越大優勢越明顯。
個人用法：
一般我會將“知識庫型提示詞”存放在IMA，這樣在提問或提需求時，“知識庫”和“提示詞”都能一併調用，降低溝通壓力。
2.Trae
和Cursor一樣，也是一種AI智能編程工具，但不要被“編程”兩字嚇到了。
目前有國際版和國內版，有條件的可以用國際版，整體效果更好，國內版好處是免費。
對於普通人來說，只需要關注這幾點：
有記憶功能，文件調用方便，可實時修改代碼或文章
1）有記憶功能
好處就是：越用越懂你，越用越順手。
有些背景信息不用反覆交代，整體能降低很多溝通成本。
這點對於長期深度使用AI的人來說很重要
2）文件調用方便
一般你要解決某個系列的問題，比如公眾號選題。
你可以新建一個關於公眾號選題的文件夾，作為工作區。
後續就在這個工作區去和AI對話，同樣可以新建不同的對話框使用。
然後相關的背景資料，知識庫資料，都可以直接放在這個文件夾下。
平時聊到什麼，需要用到什麼資料，可以直接讓AI工作空間調用。
3）可實時修改代碼或文章
特點就是，可以原位編輯，不用重新全部生成，變相提高自己的優化效率。
哪怕不搞變成，搞文章潤色，搞HTML工具優化，這個功能使用起來都很方便快捷。
如圖片所示，紅色部分為實時修改後要刪掉的內容，綠色部分是修改後要添加的內容，實時修改後，AI會詢問是否保存修改後的文件
3.OpenClaw（小龍蝦）
前陣子非常火爆的AI開源智能體，但目前不是很推薦普通人去玩。
不是安裝門檻的問題，現在國內大廠已經出了很多國內版小龍蝦。
真正的門檻，是怎麼“用得好”。
想要用得好，要會懂小龍蝦底層系統提示詞架構，要懂怎麼搭建AI員工團隊，要懂得構建各類skills，要懂得怎麼優化各部分的細節。
- 系統提示詞架構文件：
- 身份層（你是誰）：SOUL.md + IDENTITY.md
- 關係層（你在幫誰）：USER.md
- 規則層（你該做什麼）：AGENTS.md
- 環境層（你在哪兒）：TOOLS.md
- 記憶層（你記得什麼）：MEMORY.md + memory/ 目錄
- 自動化層（你什麼時候幹活）：HEARTBEAT.md + BOOT.md
- 初始化層（你第一次醒來怎麼辦）：BOOTSTRAP.md
對於普通人來說，就是很難夠着一個看得到明顯差異化好效果的“下限”。
當然，會玩的大佬，確實也玩得很爽，但token消耗也高得飛起。
三、AI提示詞和Skills
1.AI提示詞
從技術本質上來說，日常對AI隨口的提問和提需求，也是一種提示詞。
所謂的提示詞，就是用戶輸入給 AI 的那段文本指令。
但更多時候，大家說的提示詞，其實是：
經過設計、有結構、有策略的指令文本。
隨着AI使用的深入，你會發現，提示詞貫穿了各個模型、AI工具到後面的skills.
但實際上，提示詞並沒有那麼玄乎，也不需要理解那麼複雜，只需要知道：
提示詞，就是你與AI對話的方式。
如果你想深入去體驗，和AI對話的魅力，並提升AI回答的質量，這裏分享一些提示詞思維和技巧。
1）效果思維
現在的AI，對人類的自然語言，也就是大白話，理解能力是比以前好很多的。
所以，日常跟AI對話，是不用刻意去搞什麼特定結構的提示詞。
只需要養成習慣，跟AI說清楚你需要的東西，要達到什麼樣的“效果”。
不需要去搞什麼5W法，記住什麼背景信息、約束條件、格式要求之類的模板。
而是“描述”你需要的“效果”，自然而然引出你需要的一切對話條件。
舉例：
AI的回答總喜歡用極簡闡述加簡單羅列的方式，而我希望的效果是：
詳細，有完整的思路，有發散的思考，而不是停留在簡單的想法和建議的輸出。那麼，我會這麼說：
“請詳細的說說你的思路和思考，想法和建議，不要用單薄的內容和框架敷衍我。”
如果有特定的格式要求，我甚至會給範例，讓他理解後，結合我的效果描述去寫，比如：
“請參考我提供範例的知識點層次和密度，以及錯落有致的格式來寫”。
2）元提問
在描述想法，描述“效果”的過程中，還有可能出現這樣的事：
不知道怎麼去表達自己的某個想法，或者自己用的“效果詞”，不是能很好地表達清楚，自己想要的那種“感覺”。
這個時候，就可以使用元提問技巧。
什麼是元提問？
不知道怎麼問AI就讓AI告訴你怎麼問。
當你習慣這種提問技巧後，你會發現，大腦輸出想法的頻率會快速升高。
這種高頻具象化模糊想法的過程，會讓你大腦有那種，雨後呼吸清新空氣的通透感。
簡而言之，你不懂的東西，不知道的東西，都可以從AI那裏“套出來”。
萬物皆可套。
具體實操要怎麼套？
就是你來描述現象，AI來定義本質。
向AI描述你知道的特徵，你內心的感覺，讓後交給AI定義。
3）不要迷信AI
AI不是萬能的，目前無論哪個AI模型，都會存在一個現象。
就是AI會不自覺，去刻意迎合你的想法。
具體表現就是，在不違背自身底層規則要求的情況下，會根據你的想法“傾向”，去搭建一套對應的邏輯。
然後自顧自話地說：“為什麼好”，“為什麼比那個好”。
如果確實很不確定，感覺到AI在刻意迎合你，那可以自己根據實際情況，在其他窗口向AI套出話。
比如問AI，如何避免特定場景AI的刻意迎合，讓他寫一段大白話提示詞。
三個提示詞參考：
A.請不要迎合我的觀點，即使我的想法有問題，也要直接指出。我需要客觀分析，不需要認同。
B.我可能對這件事已經有了自己的判斷，但請忽略我的傾向，只給我客觀評估。包括我想法中的漏洞和風險，不用顧慮我是否接受。
C.不得因為我的語氣或立場調整你的結論,如果我的前提有誤，先糾正前提.結論和我的想法相反時，不需要軟化表達.
2.Skills
1）什麼是Skills
如果說提示詞是你跟AI對話的方式，那Skills就是：
你把這種“說話方式”，變成一個隨時可以調出來的專屬AI員工。
更準確地說，Skills是模塊化的提示詞團隊，每一個Skill，就是一個被你“訓練好”了的AI角色，或者一套被你封裝好的工作流程。
Skills，本質上是對“好用提示詞”的結構化管理和封裝。
你把積累下來的那些有效提示詞，按照功能和場景做整理，加進一些必要的背景設定、行為規範、輸出格式要求，一個Skills就成型了。
後續再遇到同類場景，調一下這個Skills，AI就能以“同一個狀態”投入工作，效果穩定，節省溝通成本。
2）為什麼要用skills
在目前這個階段，提示詞用久了，都推薦有目的去走向Skills化。
不是因為Skills有多高大上，而是因為你和AI的工作，會越來越固定在某幾個場景裏。
當你的核心使用場景逐漸固定，對AI輸出質量的要求逐漸升高，單次對話的提示詞就會越來越難滿足你。
你會需要一個“可以隨時召喚、隨時複用、效果穩定”的提示詞團隊，這就是Skills存在的意義。
所以，目前使用Skills，不是為了看上去“牛逼”，而是現階段用AI用到一定深度之後，自然會走到的這一步。
越早理解這個概念，越早開始積累和整理，後面的使用體驗提升會非常顯著。
3）Claude Skills的文件架構
這裏可以先簡單瞭解Claude Skills架構，有個初步的感受。
my-skill/
├── SKILL.md ← 必須有，大腦中樞
├── evals/
│ ├── evals.json ← 測試用例定義
│ └── files/ ← 測試用的輸入文件
│ ├── sample1.pdf
│ └── sample2.xlsx
├── scripts/ ← 可複用的確定性腳本
│ ├── __init__.py
│ ├── build_report.py
│ └── validate_output.py
├── references/ ← 按需加載的深度知識
│ ├── aws.md
│ ├── gcp.md
│ └── azure.md
└── assets/ ← 靜態資源：模板、字體、圖標
├── report_template.docx
└── brand_logo.png
=END=
⏬心辰的個人微信
快來一起玩提示詞