从2023年ChatGPT出来了以后，我琢磨过一阵Prompts，但当时因为ChatGPT刚出来，网上能够找到的学习资源十分有限，一个是宝玉的博客，还有一个是GPT团队的Jason Wei的博客。
当然现在我手头上学习的资源已经是非常多了，我会在后面的文章单独写一篇AIGC学习资源分享。
整个2024年是AIGC蓬勃爆发的一年，这一年我们看到不管是国内还是国外，各种AIGC的应用产品各种卷。
再到今年过完年deepseek的出圈，整个AI圈子可谓各路大神争奇斗艳，百花齐放。
那么我们回到今天这篇文章的主题，在2025年AI大模型越来越智能的情况下，是否仍然有必要学习Prompts？
要先回答这个问题，首先我们先要明白如何理解Prompts，如果你认为的prompts就是一个一个别人写好的现成的模板，然后你生搬硬套的复制过来，那么我认为这种学习是没有任何必要的。
诚然这种方法一开始比较适合没有任何prompts经验的人，但是掌握整个prompts的底层逻辑更重要，只要掌握了prompts的原理，你才能举一反三。
其实Prompts没有那么复杂，我们在照搬一些prompts大神编写的模板的时候发现，哎呀怎么这个prompts这么复杂，光想这个prompts就得花不少时间了。
实际上，你就把整个AI对话想象成一个知识丰富的学霸，你就是在跟学霸进行一场对话，但是对话要分三个步骤或者阶段，在每个阶段要按照一定的原则。
学霸接受信息步骤
这个步骤最为重要的就是尽可能的去澄清你想要问的问题或者任务，我们在现实生活中的沟通也是一个道理，一定要对你们进行讨论的话题或者概念进行澄清，不然沟通的效果很差。
这里有几个重要的原则：
#role角色：
e.g You are a world-class SEO expert in SaaS industry
赋予角色实际上就是对通用对话大模型的限定，只有加以限定才能让AI Chatbot在特定领域内推理，这是最基本的一步，就像我们看医生一定是找某个专科领域的医生，我们不会说我就是找医生，至于是什么科的医生无所谓，这么讲太笼统了。
#Background/Context 背景：
e.g You are working in a AI agent company, your company just released a new product helping SEO marketers to complete on page SEO
交代下任务的背景或者上下文，这就像我们看一场话剧的时候，要交代下故事的背景，这样就能让我们赋予的角色更好的去理解你的任务。
#Target目标：
e.g Generate 10 commonly discussed topics for [keywords]
这一步直接了当的告诉AI你的目标。
以上这三个原则我认为是整个prompts的核心原则，简单概括就是：
Who:赋予AI什么样的角色
Why:告诉他一个背景，为什么要执行接下来的任务
What:告诉他要干什么
这三个核心原则写完了以后，剩下的原则都是一些锦上添花的。
#Tone语调
e.g normal,professional,funny,etc
#audiences受众
e.g 20-30 age,female,living in NewYork
学霸输出阶段
实际上这个阶段在Deepseek R1模型出来之前，国外的很多大模型都是对用户保密的，比如Few Shot Thinking,Chain of Thought推理过程。
但是目前基本上所有的大模型都会在输出阶段公开他们的推理步骤。
这个阶段一般包括，AI运算推理阶段，答案输出阶段。
这个阶段输出的结果的质量主要受大模型自身质量，还有prompts的质量影响。
同样的prompts在不同的大模型上表现不同。
结果完善阶段
这个阶段就是对AI给出的答案进行进一步的完善，通过进一步的追加prompts使答案更加详细。
通常你可以这么说：Ask me further questions in case you misunderstand.
你看，说实话整个的prompts思路并没有那么复杂，只是针对不同的用途，我们可能会在prompts上面写的更完善一些。
我会在以后的文章里，分享更多的针对不同的用途如何丰富你的prompts。
这篇文章就算是普及一下prompts的基本思路和逻辑链路。