YC最新总结顶尖的提示词应该怎么写？

提示工程在大模型日趋强大的今天显得越来越重要，最终Agent的表现的核心秘密在于提示词的设计。近日，YC在其播客栏目《Lightcone》里分享了他们从与数百大模型创业公司中学到的先进提示工程实践。

以下是本次访谈的核心内容：

一、核心原则：像管理员工一样设计提示

1. 角色定义清晰化

• 开篇明确定义AI角色（如“你是一名客服经理”），用分点列举具体职责
• 示例：ParaHelp的6页提示文档首段明确任务边界
  
  
  完整版本：https://parahelp.com/blog/prompt-design

2. 任务拆解步骤化

• 复杂任务分解为编号步骤（如“步骤1：分析问题→步骤2：调用工具”）
• 提供高层计划框架，避免AI偏离方向

3. 输出格式标准化

• 强制规定输出结构（如XML/JSON标签），便于系统集成
• 关键技巧：XML标签能显著提升模型遵循率（因训练数据含大量XML）

二、进阶技巧：元提示工程（Metaprompting）

1. 提示自我进化

• 让大模型优化自身提示：输入失败案例，要求“基于此改进提示”
• 应用提示折叠（Prompt Folding）：动态生成场景化子提示

2. 案例驱动优化

• 注入高难度示例（如N+1数据库查询漏洞）指导复杂任务
• 比抽象规则更有效，类似编程的测试驱动开发（TDD）

3. 三层提示架构

   层级	作用	案例
   系统提示	公司级通用逻辑（核心IP）	ParaHelp客服审核框架
   开发者提示	客户定制逻辑（业务流差异）	Perplexity特殊需求注入
   用户提示	终端用户指令	Replit的“生成带XX功能的网站”

三、企业级实践：从调试到落地

1. 构建“逃生舱”机制

• 强制模型在信息不足时停止猜测（例：“如无法确认，请要求补充信息”）
• YC内部方案：设置debug_info字段收集模型“投诉”，生成开发者待办清单

2. 评估集（Evals）是护城河

• 真实场景测试集＞提示本身（ParaHelp公开提示但保密评估集）
• 核心能力：深入垂直领域（如农机保修决策），构建专属评估案例

3. 模型个性适配

• Claude：人性化强，易引导（适合客服场景）
• Llama：需精确指令，但可控性高（适合工程场景）
• 大模型蒸馏：用GPT-4优化提示，部署到小模型降延迟

四、创业者必知：向前部署工程师（FDE）模式

1. 创始人即首席提示工程师

• Giger ML：靠现场调优赢得Zepeto大单
• Happy Robot：3个月签下物流巨头7位数合同
• 亲自深入客户场景（如坐班客服中心），将观察转化为提示规则
• 成功案例：

2. 用demo加速成交

• 首次会议→定制提示→二次会议展示→当场签约
• 差异化关键：解决行业特定5%-10%的“魔鬼细节”

行业隐喻与趋势

• “1995年的编程”：工具链不成熟，但创新空间巨大
• “管理员工”：需明确任务边界、提供思考框架、允许“求助”
• “制造业改善”：一线执行者（AI）参与流程优化

关键结论：

提示工程=20%技术+80%领域知识，成功企业需深耕垂直场景，将用户工作流转化为提示语言。

公众号回复“进群”入群讨论。