AI 提示词循环：从一次对话到可复用流程

很多人用 AI 的方式是：打开对话框 → 丢一句模糊需求 → 对结果不满意 → 换个模型或换句「咒语」。

更稳的做法是把「碰运气」换成可重复的小流程。这篇是 AI 实用入门 的实践续篇：只谈提示词循环，不谈玄学。

先定原则

把模型当超级实习生，而不是神谕：

1. 你负责目标与验收。
2. 它负责草稿、枚举、改写、检索式整理。
3. 对话不是表演，是迭代。

第一版可以丑，第二版要对，第三版要能复用。

五步循环

1. 目标（Outcome）

一句话说清「完成后长什么样」。坏例子：「帮我看看这段代码。」好例子：「找出这段函数可能的空指针路径，按严重程度列 3 条，并给修复补丁草稿。」

2. 上下文（Context）

模型不知道你的默认设定。补齐：

• 读者是谁 / 代码运行在什么环境
• 已有材料：报错、片段、约束文档
• 你试过什么、为何不行

上下文宁短勿滥：只给决策相关的信息。

3. 约束（Constraints）

明确「不要做什么」往往比「要做什么」更能省轮次：

• 不要编造 API
• 不要改公共接口签名
• 中文回答，代码注释保持英文标识符
• 时间预算：先给最小可用方案

4. 格式（Format）

规定交付物形状，便于你粘贴进工作流：

• 表格：风险 | 原因 | 改法
• 清单：步骤 1/2/3
• diff 风格补丁
• 先结论后展开

5. 校验（Verify）

每轮结束问自己三句：

1. 它声称的事实我能否核对？
2. 代码/命令我能否在本地跑通？
3. 有没有越权（改了不该改的边界）？

校验失败就回到步骤 1–4，而不是换更长的「魔法前缀」。

一个可直接复制的模板

角色：你是资深 {领域} 助手，先求正确再求完整。
目标：{一句话结果}
读者/场景：{谁会用、在什么环境}
上下文：
- {关键背景 1}
- {关键背景 2}
约束：
- 不得编造不存在的接口/数据
- 优先最小改动
- 不确定就标明「假设」
输出格式：
1. 结论（3 行内）
2. 步骤或方案
3. 风险与待验证项

第一次用，把花括号换成真实内容即可。用过 3 次后，你会自然记住骨架，不必每次粘贴全文。

三轮迭代，比一问一答强

| 轮次 | 你要做的事 | 常见产出 | |------|------------|----------| | R1 | 要结构，不要完美 | 大纲 / 候选方案 | | R2 | 收紧约束，补真实材料 | 可执行草稿 | | R3 | 对抗式提问 | 风险清单、边界 case |

R3 特别有用。你可以直接问：「以审稿人身份挑错：哪里证据不足？哪里过度自信？」

把循环沉淀成个人资产

真正拉开差距的不是单次神回复，而是你留下的：

1. 3–5 条高频模板（改 bug、写 RFC、整理会议、润色中文）
2. 每个模板后面的验收清单
3. 一次失败案例：「哪种问法会稳定跑偏」

建议存在你自己的笔记里（见 数字花园写作法），而不是只活在聊天记录里。

和「安全地用」怎么衔接

循环解决的是效率与质量；使用边界 解决的是能不能问、结果算谁的。两者一起，才构成可持续的 AI 工作流。

本周最小练习

选一件你本周真实要做的事（不是玩具题）：

1. 用五步模板跑完 R1–R3
2. 把最终可用提示词存成一条笔记
3. 写下一条失败教训

做完这三步，你就已经从「会聊天」迈到「有流程」。