未来类似 DeepSeek 这种推理大模型普及，结构化提示词不会成为过时的知识。
虽然未来模型可能在某些情况下无需提示词，仅通过简单对话就能理解用户意图，但基础的如何与模型对话的认知仍需具备，这就涉及提示词。例如李继刚老师的结构化提示词能让模型给出更优质、完整的答案。操作过程中有很多有意思的提示词，如“酷老师”“抬杠高手”等，近期提示词有升级，李继刚老师将其玩到新高度，cloud 等大语言模型可直接显示编译结果内容。输入特定提示词可生成卡片，小创业项目可利用并改变提示词形成独到见解或小应用。
从工程视角看，AI 提示词在游戏创作及优化中也有应用。此外，提示工程的本质是提供足够的信息来明确指定要求，即使模型在理解上下文方面变得更好，能够清晰地陈述目标始终很重要，仍需要明确预期结果的能力和技巧。未来可能会更多地利用提示工程来让模型为我们生成、调整提示词，对于没有太多提示工程经验的人来说，提示词生成器可以帮助他们。未来的提示可能更像是一种自省，模型会尝试理解用户真正在思考什么、需要什么。
在 R1 时代，使用 AI 提示词的关键在于提供足够的背景信息，而非复杂的结构。简单大白话仍然有效，但信息量不足则难以得到理想结果。示例和框架可帮助理清思路，但最终影响在于用户的思考和表达。利用乔哈里视窗分析信息需求，避免过度指令化，让 AI 自由思考，从而激发更高的创意和效果。“有用的不是技巧，而是你的思考！”
[heading2]智能章节本章节认为虽然未来模型可能无需提示词，仅简单对话，但基础的如何与模型对话的认知仍需具备，这就涉及提示词。建议从最佳实践中的收录内容开始看，像李继刚老师的结构化提示词就很有意思，使用这种提示词能让模型给出更优质、完整的答案。[59:54](https://waytoagi.feishu.cn/minutes/obcn7mvb3vu6k6w6t68x14v5?t=3594000)提示词的用法及李金刚老师对其的创新玩法本章节提到操作过程中有很多有意思的提示词，如“酷老师”“抬杠高手”等。操作时可点开并复制这些提示词，文档板块可复制，将复制内容丢进大源模型对话效果会不同。此外，近期提示词有升级，李金刚老师将提示词玩到新高度，cloud等大语言模型可直接显示编译结果内容。[01:00:59](https://waytoagi.feishu.cn/minutes/obcn7mvb3vu6k6w6t68x14v5?t=3659000)利用提示词开展小创业项目及大语言模型相关分享本章节提到输入特定提示词可生成卡片，小创业项目可利用并改变提示词形成独到见解或小应用。13号李继刚老师会讲创作思路，还有很有趣的内容，如黑话专家。此外有教如何让语言模型输出更拟人化的板块，最佳实践中有很多实战案例，像产品经理的prompt等。[01:02:59](https://waytoagi.feishu.cn/minutes/obcn7mvb3vu6k6w6t68x14v5?t=3779000)从工程视角看AI提示词在游戏创作及优化中的应用
Alex Albert：我们聊了提示工程的过去，现在让我们来谈谈提示工程的未来。这是现在最热门的问题。我们将来都会成为提示工程师吗？那会是最后剩下的工作吗？有猜想说：未来我们除了整天和模型对话之外，什么也不剩了。还是说，将来这些模型会变得足够智能，不再需要提示词吗？David Hershey：模型会越来越擅长理解你的意图，你需要投入的思考量可能会减少。但信息论的角度来看，你总需要提供足够的信息来明确指定你的要求。这就是提示工程的本质，我认为它会一直存在。而且能够清晰地陈述目标始终很重要，因为即使模型在理解上下文方面变得更好，我们还是会需要能够明确预期结果的能力，这仍然需要技巧。Zack Witten：我觉得未来我们会更多地利用提示工程来让模型为我们生成、调整提示词。尤其是对于那些没有太多提示工程经验的人来说，提示词生成器可以帮他们开始自己的「提示工程之旅」，我认为这是一个的重要的发展路径。Amanda Askell：是的，我现在就在大量使用元提示。关于提示工程将何去何从的问题，我认为这是一个非常难的问题。还记得之前那个例子吗？我觉得未来会像是那些请来的临时工会转变为更熟悉各种边缘情况的专业外包团队。至于提示工程是否会消失，我觉得对于一些领域如果模型做得足够好，还真有可能——它们能从你的大脑中提取信息，然后完成任务，那确实可能会发生这种情况。Alex Albert：从你们的回答中，我看到未来的趋势可能是，从用户那里提取信息将变得更加重要。企业方面，这可能会变成提示生成的扩展，能够从客户那里获得更多信息，以便编写更好的提示。在云服务中，这可能不仅仅是文本框中的输入，而是更多的互动式引导。Zack Witten：我觉得现在的提示有点像教学，你试图理解学生的思维方式，帮助他们清晰表达。而未来的提示可能更像是一种自省，模型会尝试理解你，理解你真正在思考什么、需要什么，而不是你去教它。
《[AI「视觉图灵」时代来了！字节OmniHuman，一张图配上音频，就能直接生成视频](https://mp.weixin.qq.com/s/0OYlkcxoFvx6Z9IN-aq90w)》字节跳动推出的新技术OmniHuman，利用单张图片和音频生成生动的视频，突破了传统技术的局限。它通过多模态混合训练，解决了高质量数据稀缺的问题，实现了对任意尺寸图像的支持，生成自然的人物运动。《[甲子光年：2025 DeepSeek开启AI算法变革元年](https://waytoagi.feishu.cn/record/S5Jtrlw9neyXMccQ6CAcZsxHnXu)》DeepSeek的出现标志着算力效率拐点显现，其通过优化算法架构，显著提升了算力利用效率，打破了算力至上的传统认知。同时，AI基础大模型的参数量迎来拐点，2025年发布的大模型呈现低参数量特征，为本地化部署到AI终端运行提供了可能。此外，报告强调2025年是算法变革的元年，DeepSeek的推理模型开启了算法变革，其训练过程聚焦于强化学习，提升了模型的推理能力。《[R1之后，提示词技巧的变与不变](https://mp.weixin.qq.com/s/-51tjTWRdi19sEBCQMe1sw)》在R1时代，使用AI提示词的关键在于提供足够的背景信息，而非复杂的结构。简单大白话仍然有效，但信息量不足则难以得到理想结果。示例和框架可帮助理清思路，但最终影响在于你的思考和表达。利用乔哈里视窗分析信息需求，避免过度指令化，让AI自由思考，从而激发更高的创意和效果。“有用的不是技巧，而是你的思考！”