课前导读
不会写提示词时，可以让 AI 帮你写提示词。用 AI 优化和 AI 沟通的方式，是最实用的偷懒技巧。
教学正文
不会写提示词？让 AI 反过来帮你写
你不知道该怎么跟装修师傅说需求，最聪明的做法不是硬憋一份需求书，而是找个懂行的人先问你"你家几口人、预算多少、喜欢什么风格"，把你脑子里模糊的想法问清楚，再替你整理成清单。让 AI 帮你写提示词，就是找了这么个"懂行的人"。
这不叫偷懒，叫"先描述任务，再让 AI 补全结构"。连一些官方工具里都内置了 prompt generator、prompt improver——让 AI 帮你改进提示词，已经是正经工作流的一部分。你负责说清楚要干嘛，让 AI 负责把它翻译成一份结构完整的派工单。
最值钱的一步：逼它先问你问题
直接说"帮我写个万能提示词"，你会得到一堆模板废话——因为它不知道你的具体情况，只能给通用的。
真正好用的姿势是三步：先让 AI 问你（"你先问我 5 个问题，把岗位、对象、材料、输出、禁区确认清楚"），再让它根据你的回答生成提示词，最后让它拿这条提示词试跑一遍并自评还缺什么。第一步"逼它先问"最关键——它问的那几个问题，正好是你脑子里有、但没说出口的隐性条件。它问，你答，隐性需求就被挖出来了。
跟我做：让 AI 帮你生成一条 HR 提示词
记住核心动作——别让它直接写，先让它问。用 DeepSeek 或 Kimi，约 15 分钟。
- 打开 DeepSeek 或 Kimi，新建对话，输入：「我想让 AI 帮我做{比如：为销售经理岗设计面试题}，但我不会写提示词。请先问我不超过 5 个关键问题。」"先问不超过 5 个问题"是这节课最实用的一句
- 老实回答它的问题：岗位、对象、手上有什么材料、要什么输出格式、有哪些禁区。
- 输入：「根据我的回答，生成一条可复制的完整提示词，包含角色、任务、背景、输入材料、输出格式、限制条件、复核清单。」
- 让它自测：「用这条提示词模拟跑一遍，指出还缺什么信息。」不试跑，你不知道这条提示词到底能不能用
- 把定稿的提示词存进 Kimi"常用语"、飞书文档或你的个人提示词表，标好适用场景和禁用场景。
- 预期看到：一条比你手写更完整的提示词 + 一份缺失信息清单。
'帮我写个万能提示词' vs '先问我 5 个问题'
空转：直接说"帮我写个招聘面试万能提示词"。它给你一段放之四海皆准的框架，填进你的岗位却发现哪都不贴——因为它压根没问过你招什么岗、看什么能力。
挖到点子上：说"我要给销售经理岗设计面试题，你先问我 5 个问题"。它会问"重点考新客户开拓还是团队管理？有没有现成的胜任力模型？"——这些正是你心里清楚、但一开始没提的关键。答完这几问，生成的提示词自然贴身。让它问，就是把你的隐性需求显性化。
想把提示词从个人技巧变成团队资产（模板化、设必填/禁用字段），看本页底部"深入一层"。
让它直接写万能提示词：结果空泛。先让它追问任务细节。
生成后不试跑：看着完整，实际输出不可用。生成完立刻模拟运行一次。
好提示词不保存：下次又从零开始。建一个"HR 提示词库"沉淀下来。
提示词里没写禁区：AI 可能处理敏感数据或越权判断。补上"不得上传 X、不得判断 Y、必须人工复核"。
配套视频演示
从被AI逼疯到提示词高手，我只用了这4步（"AI参谋"步对应本节）
自测
1'让 AI 帮我写提示词'为什么不是纯偷懒？
因为它的正经名字是"先描述任务、再让 AI 补全结构"——你说清要干嘛，AI 把它翻译成结构完整的派工单。连官方工具都内置 prompt generator/improver，说明这是主流工作流的一部分。它帮你把模糊想法结构化，你仍然负责判断和验收，是效率提升，不是甩锅。
2为什么关键是'逼 AI 先问你问题'，而不是直接让它写？
因为直接让它写，它不知道你的具体情况，只能给通用模板废话。让它先问，那几个问题（岗位、对象、材料、输出、禁区）正好是你心里有、但没说出口的隐性条件。它问你答，隐性需求就被挖出来了，生成的提示词才贴你的真实场景。
3AI 生成完提示词，为什么一定要让它'模拟跑一遍'？
因为一条提示词看着结构完整，不代表真能出可用结果——可能还缺某个关键信息，或某处约束互相打架。让它拿这条提示词试跑并指出"还缺什么"，等于先做一次小测试，把窟窿在正式用之前补上，而不是到真用时才发现不行。
小结
- 不会写提示词，就让 AI 反过来帮你写——这是正经工作流，不是偷懒
- 最值钱的动作是"逼它先问你 5 个问题"，把你的隐性需求挖出来
- 三步走：让它问 → 让它生成 → 让它试跑自评，别跳过试跑
- 好提示词存进提示词库，标清适用/禁用场景，别每次从零写
实操落点
- 输入：我想用 AI 帮我做一项 HR 工作，但还没想清楚。请你问我 5-8 个问题，帮我理清需求，然后根据我的回答生成完整提示词。
深入一层 · 实战演练与研究依据
样品：让 AI 先问你 5 个问题，再替你写提示词
别一上来就喊「帮我写个万能提示词」，那只会拿到模板废话。最稳的是三步：先让 AI 追问缺失信息，再让它生成提示词，最后让它用这条提示词跑一遍并自评。
开场白就一句：「我想让 AI 帮我做{任务}，但我不会写提示词。请先问我不超过 5 个关键问题。」回答它问的岗位、对象、材料、输出格式、禁区，再说「请根据我的回答生成一条可复制的完整提示词，包含角色、任务、背景、输入材料、输出格式、限制条件、复核清单」，最后「请用这条提示词模拟运行一次，指出还缺什么」。
对 HR，最有用的反向提示就是「你先问我 5 个问题」——它能把你脑子里那些「我以为 AI 应该懂」的隐性条件全问出来。
让 AI 反过来写提示词，是官方在走的路
Anthropic 官方提示词概览列出了 prompt generator、prompt improver、模板与变量等能力，其交互式教程也把「向 AI 求助写提示词」列为一项技巧，并建议提供上下文、给示例、指定输出约束和分步要求。
生成好的提示词要能沉淀。Kimi 官方文档提到「常用语」功能，可以保存和复用高频指令，正好当 HR 团队攒提示词模板的入口。需要说明的是，目前没有中国 HR 团队公开披露的「AI 代写提示词」应用案例，本节讲的是官方功能加可复现实操。
四个偷懒翻车点
让 AI 直接写万能提示词——先让它追问任务细节。不让它试跑——生成后立刻模拟运行一次，看起来完整不等于能用。不保存好提示词——建「HR 提示词库」，下次别从零开始。提示词没有禁区——加进「不得上传/不得判断/必须复核」；招聘、绩效、培训差异大，按场景建模板，别追求一条通吃。
再深一层：把提示词产品化
把提示词从个人技巧变成团队资产：高频 HR 任务拆成模板，设必填字段、禁用字段、输出规范和复核清单，再放进知识库或智能体。
学有余力可研究 Anthropic 的模板变量和 prompt improver 思路，这条线正好衔接后面的 S5 智能体岛——提示词模板化，就是搭智能体的第一步。
- Anthropic《Prompt engineering overview》，2025
- Anthropic《Prompt Engineering Interactive Tutorial》，2025
- Kimi《Kimi 概述》，2026