Prompt 与上下文工程
回答：怎么让模型输出从"互联网平均值"变成专家级。
†context-over-prompts（问题多半不在咒语在上下文）、context-is-all-you-need-prompting（把模型当零上下文陌生人）、five-core-prompting-techniques + prompting-techniques-that-dont-work（Sander Schulhoff，1500 篇论文的提炼）、prompt-engineering-five-core-tactics + advanced-prompt-tactics-task-splitting（Mike Taylor 版）、conversational-vs-product-prompting（聊天 prompt 和产品 prompt 是两回事）、make-the-other-mistake-prompting（Mike Krieger 反向指令技巧）、magic-questions（Hilary Gridley 提取隐性判断标准）、pm-task-prompt-template、context-loading-four-components、context-limit-handoff-prompt、prompting-replaces-post-training（Robby Stein：能 prompt 解决就别微调）。
上下文优于提示词Context Over Prompts
觉得 AI 输出"像互联网的平均值"、对战略性/创新性工作失望时，判断问题出在哪、往哪个方向修——是换模型、学 prompt 技巧，还是别的。
上下文至上提示法Context Is All You Need Prompting
为什么同样是用ChatGPT,有人问出来的答案惊艳,有人问出来的答案很平庸?给普通用户一个能立刻上手、不需要死记"咒语"的prompt engineering心智模型。
五大核心提示技巧Five Core Prompting Techniques
想让 LLM 输出更靠谱——无论是日常对话，还是构建产品时那条要跑几百万次的关键 prompt。这是从分析 1500+ 篇论文的 The Prompt Report 里提炼出的、经验证有效的技术子集。
无效提示词迷信Prompting Techniques That Dont Work
戒掉那些在 Twitter 上被反复推荐、但在现代模型上其实无效的 prompt 迷信，别再浪费 token 和精力。
提示工程五核心战术Prompt Engineering Five Core Tactics
同样是用 ChatGPT/Claude/Gemini,有人做出让人惊艳的结果,大多数人却只得到"平庸"的输出。差距不在工具,在于 prompt 写得够不够具体——AI 和人一样读不了你的心思,不给方向就只会给你"大路货"的平均水平回答。
进阶提示词分步纠错法Advanced Prompt Tactics Task Splitting
基础 prompt 技巧解决不了复杂任务——AI 常见的错误需要靠"把任务拆成多步、搭一套纠错系统"来弥补,而不是在一个 prompt 里指望它一次性做对。这三个技巧比五个基础技巧更费时间、更难实现(尤其不会写代码时),但在 AI 频繁出错的场景下能带来质的差别。
对话与产品级提示词Conversational Vs Product Prompting
判断"该在 prompt 上花多少功夫"。很多人把 prompt engineering 只理解为"跟 ChatGPT 聊天聊得更好"，因而低估了它的价值所在。
逆向挑错提示词Make The Other Mistake Prompting
用 Claude(或任何对话模型)做产品策略/写作的思考伙伴时,模型默认的反馈往往"客气但没营养"("有没有考虑过 XX"这种四平八稳的评论)。这个小技巧给出一个立即可用的提示词调整,逼模型给出更有信息量的反馈。
魔法提问法Magic Questions
两个场景：(1) 你想理解某个人的判断标准（高管、法务、合规等"活规则库"），但对方要么说不清、要么只会回答 "it depends"；(2) 下属凡事来问你要答案，形成依赖。
PM任务提示词模板PM Task Prompt Template
想让 LLM 在某类专业任务（写策略、定指标、估 ROI 等）上稳定输出接近专家水平的结果，而不是"互联网平均水平"的泛泛答案。这套流程把 prompt 构造变成公式化操作，不依赖灵感。
上下文加载四要素Context Loading Four Components
AI 分析输出泛泛主题（"价格是一个因素""用户重视可靠性"）或只是复读你已知的东西，无法支撑具体决策。根因通常是提示词里的 context 要么只有三行目标、要么是四段想到哪说到哪的流水账。
上下文上限交接提示Context Limit Handoff Prompt
长期项目的 chat thread 撞上 LLM 上下文窗口上限，需要开新线程但不想丢掉几周积累的对话上下文。
提示词替代后训练Prompting Replaces Post Training
决定让模型具备某种定制能力时，选哪条路：写提示词、做后训练/微调，还是等模型进步。这是 Robby 被问"做 AI 产品学到的、别人不真正理解的事"时给出的第一答案，且注明是"最近一两周内"才成立的观察。