提示词有用，系统才能规模化

大多数企业初遇 AI，面对的是一个空白输入框和一个闪烁的光标。输出取决于输入，于是人们学会了写提示词。有些人写得非常好。同事们纷纷向他们讨要魔法词句，这些词句被粘贴进文档和聊天里，一种新的民间传说就此诞生。

提示词很重要，值得好好写。但企业不能靠民间传说运转。下面谈谈好的提示词好在哪里，各大实验室自己有什么建议，以及为什么从 AI 中获益最多的企业，不再依赖巧妙的提示词。

一个糟糕的提示词，和一个好的

以每个营销团队都会提的一个需求为例。糟糕的版本是：写一篇关于我们新服务的 LinkedIn 帖子。

模型无从下手，于是写出一篇平平无奇的 LinkedIn 帖子，介绍一项平平无奇的服务：开头一个问句，中间一排表情符号，结尾一句行动号召。它没有错，只是不属于任何人。

好的版本会说明谁在写、写给谁，这项服务是什么、价格多少，读者接下来该做什么，帖子可以写多长，以及企业从不使用哪些词。它附上两篇以前效果好的帖子，并标注为示例。它还说明了原因：这篇帖子面向对 AI 持怀疑态度的财务负责人，所以应该以事实开头，而不是承诺。

第二个提示词长得多，也更有可能产出一份能用的初稿。区别不在于巧妙，而在于上下文。

各大实验室的建议

三大实验室的官方指南，说的大致是同一件事。

Anthropic 为 Claude 编写的指南建议您“把 Claude 看作一位才华出众、但刚入职的员工，还不了解您的规范和工作流程”。它的黄金法则是：“把您的提示词拿给一位对任务几乎一无所知的同事，请对方照着做。如果对方会感到困惑，Claude 也会。”指南还说明了为什么讲道理胜过下命令。与其用大写字母写下“绝不使用省略号”，不如解释清楚：回答将由一个文本转语音引擎朗读，而它读不出省略号。模型会从原因中举一反三。

OpenAI 的指南建议为模型提供所需的上下文，并给出覆盖面广泛的示例：可能的输入，以及期望的输出。它称提示词的编写“既是艺术，也是科学”。

Google 为 Gemini 编写的指南建议始终附上几个示例，并提醒说，没有示例的提示词效果很可能较差。对于复杂任务，它建议把每一步写成单独的提示词，再串联起来。它对这个过程也很坦诚：“提示词工程是一个反复迭代的过程。”

为什么提示词无法规模化

再读一遍这些指南，留意它们的前提：有一个人了解企业的规范，手头有合适的示例，还有时间反复迭代。在大多数团队里，符合这个描述的只有少数几个人，而且得是状态好的时候。

其他人则从聊天记录里复制一段提示词，改一个词，得到不同的结果。春天还好用的提示词，模型一更新就表现不同。两个团队各自保留一个版本，规则彼此矛盾。OpenAI 自己的一份提示词指南提醒，矛盾或模糊的指令对推理模型的伤害可能更大，因为模型会耗费力气去调和它们。指南举的例子是一个医疗助手：它既被告知未经患者有记录的同意绝不预约，又被要求不先联系患者就预约最早的时段。

正因如此，OpenAI 把提示词当作软件来对待。它的指南要求开发者把生产环境的提示词放在应用代码中，把应用固定在特定的模型快照上，并构建测试和评估套件来衡量提示词的表现。这与放在共享文档里的提示词库恰恰相反。

代价体现在结果上。MIT 的 NANDA 项目去年报告称，在其研究的 AI 试点中，只有约百分之五实现了收入的快速增长。Fortune 把原因归结为学习鸿沟：通用工具在企业内部停滞不前，因为它们不会从实际的工作方式中学习，也不会去适应它。

从提示词到系统

各大实验室自己已经得出了结论。Anthropic 如今谈的是上下文工程，而不是提示词工程：精心安排模型看到的一切，而不只是指令本身，并找出尽可能小、信息密度尽可能高的一组 token，让正确的结果更有可能出现。它的工程师提醒要警惕两种失败模式：一边是硬编码进提示词里的脆弱逻辑，另一边是模糊的指引，给不了模型任何具体的东西。

实用的答案是技能。Anthropic 把技能描述为“由指令、脚本和资源组成的有序文件夹”，智能体在需要时加载；并把编写一项技能比作“为新员工整理一份入职指南”。在一篇关于设计的文章中，这家公司写道，技能让有效的提示词变得可复用、贴合情境，没有人需要在每次请求中重复同样的指引。自 2025 年 12 月起，这一格式已成为开放标准。

一项技能，就是一个好的提示词：只写一次，附上它的理由、示例和检查，经过测试，并放在企业里每个助手都能找到的地方。再加上企业的知识、规则以及与真实系统的连接，就有了企业大脑。从此，质量不再取决于是谁在打字。

我们如何帮忙

这正是 Twin 背后的工作。我们先摸清一家企业实际如何运作，在需要的地方改进流程，然后构建它的大脑：每个回答都附有来源的知识，按企业惯例为每个角色编写的技能，与其系统的集成，以及按角色设定的规则和权限。它在团队已在使用的助手中运行，无论是 Claude、ChatGPT 还是 Codex，企业还会获得源代码。

没有 Twin，每个提示词都从零开始，质量取决于谁在提问。有了 Twin，每个回答都从企业出发，每张办公桌上都是同一个标准。

crue 自身也是这样运转的：80 多项技能，每款产品各有一颗大脑，在 Claude 和 ChatGPT 中运行，也在我们自有硬件上的自有模型中运行。当数据敏感到不能离开大楼时，还有 Eigna，由我们的合作伙伴 Eigna Labs 打造：一个基于企业自己的文件、规则和语言训练的私有模型，运行在企业自己的云端或服务器上，分步重新训练，每一步只有在测试表现更好时才会上线。

企业可以做什么

继续把提示词写好，并从上述指南中学习基本功。然后收集您最优秀的员工实际在用的十个提示词，问问每一个提示词知道哪些模型不知道的东西。把这些一次性写下来：上下文、理由、示例、规则，以及最后的检查。为每一个指定负责人和测试，并把它放在每个助手都能调用的地方。这就是一项技能。

我们希望机器承担日常事务、初稿和查询，并且比我们任何人都做得更快、更一致。判断、与客户的个人联系，以及对所发内容的责任，仍然留给人；而一个好的系统，恰恰能让人有更多时间做这些事。

一个巧妙的提示词让一个人更快。一个系统让整个企业更好，而且在那位聪明人下班回家之后，依然在工作。