吴恩达 AI 提示词课程完整总结

课程概述

2026 年，熟练运用 AI 已成最有价值的技能之一。本课程面向"AI 新手"（只用 AI 像用 Bing 搜索一样回答简单问题），系统讲解如何成为"AI 高级用户"（Power User）。课程通过对比新手与专家的差异，讲清楚常用的提示写法。

核心原则：AI 新手 vs AI 高级用户

维度	AI 新手	AI 高级用户
提问	短提示，期望 AI 自行填补空白	提供丰富背景、文档、上下文
时间	不给思考时间	"请仔细思考后再回答"，允许 AI 用几分钟甚至更久
写作	让 AI 直接写正文，得到"AI 废话"（AI slop）	先列大纲→反复迭代→再扩写
反馈	暗示期望答案，得到附和	中性提问，使用评分标准（Rubric）
工具	单一聊天框	网络搜索、深度研究、桌面端 Agent、代码执行

把 AI 想象成"刚毕业的聪明应届生，非常积极但不了解你"，给它足够上下文，它才能做好工作。

第一模块：用 AI 查找信息

1.1 AI 的知识来源（预训练知识）

AI 通过海量互联网文本训练（书籍、维基百科、Reddit、Quora、新闻、论文等），这些知识被称作 pre-trained knowledge（预训练知识）。
可靠性经验法则：某个主题在互联网上出现的频率，大致正比于 AI 对该主题回答的可靠性。
训练数据有知识截止日期，截止之后发生的事（新电影、新研究）AI 默认不知道。
AI 对拼写错误、模糊表达有很强的鲁棒性，不必苛求语法。

1.2 网络搜索（Web Search）

何时触发：

时效性问题（天气、新闻、本地推荐）
高度本地化问题（附近健身房）
小众主题（罕见奶酪比赛）

工作原理（双模型协作）： 1、前端 AI 模型接收用户问题 2、后端助手 AI 模型代为执行 Google/Bing 风格搜索 3、后端 AI 抓取相关网页、做摘要 4、前端 AI 实际只看了"摘要"，没完整阅读原网页，所以经常引错。 5、前端 AI 基于摘要生成最终回答

最佳实践：

主动指定来源类型："请引用世界卫生组织、FDA 等官方机构的资料"
不要假设搜索结果总是准确，AI 会偏向引用 Reddit、Wikipedia 等高频来源
网页可能过时，要警惕"20 年前的健身地点"这类结果

1.3 深度研究（Deep Research）—— Agentic AI

工具	速度	信息源数量	适用场景
预训练知识	数秒	0	通用常识、定义
网络搜索	数十秒	数个	单一事实、近期信息
深度研究	数分钟~10+ 分钟	几十个以上	多维度综合分析（如研究健康影响、规划旅游）

深度研究 = Agentic AI：AI 自主决定下一步要搜什么、读什么，边读边调整研究计划，最后生成带引用的完整报告。Gemini 还可直接把报告转成网页、信息图。

第二模块：把 AI 当作思维伙伴

2.1 头脑风暴（Brainstorming）

不要：只让 AI "给我想 10 个点子" 应该：把它当作反复对话的合作伙伴

有效配方： 1、一次性提供充足背景（年龄、资源、约束、目标） 2、要求它一次给出 3-5 个方案 3、对每个方案给出反馈（我喜欢/不喜欢/还缺什么信息） 4、迭代多轮，让它重组出新方案 5、满意后再让 AI 细化其中一两个

原因：AI 默认倾向给出"互联网最常见"的答案（平均化答案），如"做深蹲、俯卧撑"。提供细节和约束可以把它的回答从"普通答案空间"推向"定制答案空间"。

2.2 上下文（Context）

人类工作记忆约 7 项，顶尖 AI 模型上下文可达 75 万词（约前 4-5 部《哈利·波特》）。
上下文的构成：
- 系统提示（身份、日期、可用工具）
- 用户上传的文件
- 对话历史（每次问答都会被加入上下文）
提示："仔细阅读所有内容，认真思考后再回答"——能让 AI 多花时间推理。
陷阱：上下文越长未必越好。跑题时应该开新对话，避免无关历史干扰新问题。

2.3 让 AI 访问你的电脑（桌面 Agent）

代表产品：Claude Code、Codex 等等

使用流程：

1、明确任务目标 2、让 AI 提出行动计划（Plan） 3、审查、修改计划 4、满意后再让它执行 5、 安全注意：只授予必要文件夹权限；删除文件不进回收站，通常无编辑历史可恢复

优势：不再需要预先手动选文件上传，AI 自主发现并加载所需内容。

2.4 推理能力（Reasoning）

现代推理模型可以思考数分钟，完成原本需要人类数小时的任务。
提示词："think hard" 或 "ultra think"，或直接开启思考模式。
"Think step by step" 已基本过时，现代模型知道如何更复杂地思考。
推荐使用最新最强的模型，即使是 6-12 个月前的差距也很大。

第三模块：AI 写作与编辑

3.1 AI 废话（AI Slop）

特征：

过多使用长破折号（em dash）
高频词：nuanced、delve
"Not X but Y" 句式
三段式排比
句子孤立看都"通顺"，合起来空洞无物
实际上人类受 AI 影响，也开始说 "delve"

3.2 渐进式大纲（Progressive Outlining）—— 抗 AI Slop 利器

1、让 AI 写出大纲（不必直接写正文） 2、批判大纲，反馈修改意见，迭代几次 3、满意后扩成要点 4、再反馈、迭代 5、最后才生成完整正文

改一句话只能影响一句话，改一个标题可以影响整段，所以改大纲比改正文更省事。

3.3 用评分标准（Rubric）获得客观反馈

避免拍马屁（Sycophancy）：

AI 被训练成"让你开心"，你暗示它赞同，它就赞同
解决方案：中性提问（把"难道不是……吗？"改成"……在什么程度上如何如何？"）
提供客观、yes/no 的评分标准

评分标准示例（科幻短篇）：

人物（25分）：每个有名角色是否有明确目标？（10分）……
情节（25分）：……
世界观（25分）：……
文笔（25分）：……
每条标准都无歧义、yes/no 可判定

加分技巧：

让不同 AI 互相评审（用 Gemini 评 ChatGPT 的输出），整合多模型视角
把评分顺序反过来（先逐项打分，最后加总），避免 AI 先定总分再硬凑
jagged intelligence：不同模型擅长不同任务，定期切换模型、对比结果

第四模块：多模态与超越文本

4.1 多模态输出成本对比

▼
text
复制代码
文本 < 语音 < 图像 < 视频（成本与生成时间递增）

文本几秒，几分钱
图像数十秒，几毛钱到几块钱
视频数分钟，非常贵且不可中途打断

多模态生成的迭代成本更高，提示词要更仔细地设计。

4.2 图像输入（视觉理解）

AI 看图是"粗略"的，可能错过细节（把器械 A 误认成器械 B）
但对视觉独特的物体（巨型仓鼠轮跑带）、手写文字、收据、便签都能较好识别
一图胜千言：难以用语言描述时，直接拍照上传

4.3 图像生成（扩散模型）

底层原理：

不同于文本逐字生成，图像是一次性整体生成
训练时：从纯噪声图像 → 逐步去噪 → 最终清晰图像（扩散模型）
推理时：从随机噪声开始，按提示词去噪得到图像

提示词技巧：

描述场景、角色细节、风格/情绪（cinematic / watercolor / cyberpunk / anime）
让文本 AI 帮你写图像提示词
学习"图像语言"——视觉艺术爱好者往往更擅长图像提示

已知缺陷：

手部手指数量异常
文字乱码（Happy Birthday 拼错）
角色跨帧不一致（发型变化）

4.4 视频、语音、音乐生成

视频生成曾经只能做昂贵特效，现在 AI 一键生成
语音克隆已非常逼真（Andrew Ng 的克隆让一位家长没听出）
正面应用：游戏配音、播客小修补、影视制作
负面风险：诈骗（AI 克隆亲属声音伪造紧急求助）

4.5 代码执行与数据分析

机制：代码执行工具和搜索、读文件一样，是 AI 可调用的工具之一，适用于需要精确计算或绘图的任务。

示例（奶茶店销售数据）：

上传 CSV，问"哪些饮品销量变化最大？画图"
AI 自动写代码、运行、生成可视化，主动识别"有意思"的趋势
配合"carefully analyze"等词可触发深度推理

注意事项：

AI 可能幻觉，关键数字需自行复核
简单分析效果很好，复杂分析不如资深数据科学家

4.6 用 AI 构建应用

简单应用举例（单条提示词即可生成）：

烟花模拟器
颜色调色板选择器
番茄钟
账单分摊计算器
穿搭推荐

提示词三要素： 1、目标（Goal） 2、输入（Input） 3、输出（Output）

建议：从最简单的应用开始，逐步建立对"AI 擅长什么、什么很难"的直觉（平台游戏较易，多人联机很难）。

总结：AI 高级用户的核心技法清单

1、 给上下文：把 AI 想象成不了解你的聪明应届生 2、 给它时间："请仔细思考后再回答" 3、 中性提问：避免暗示期望答案，避免拍马屁 4、 用评分标准：把主观任务拆成 yes/no 可判定的标准 5、 渐进式大纲：写作时先大纲再正文，改一处可影响整段 6、 多轮迭代：头脑风暴和编辑都要反复来回 7、 不同模型各有所长：定期切换 AI，对比结果 8、 安全第一：桌面 Agent 只给必要权限，删除/编辑前先确认 9、 多想一步：Web 搜索 vs 深度研究 vs 预训练知识，选择最合适的 10、 多模态组合：图像输入、多模态输出，让 AI 发挥更大作用