你提供给AI模型以获取回应的文本。提示词可以是一个问题、一条指令、一份创意简报，或一段你希望被解释的代码。模型所做的一切都始于你输入的内容。提示词的质量、具体性和结构直接决定了返回结果的质量。
提示词就是界面。它是大多数人使用AI时唯一能操控的杠杆，而且这个杠杆出人意料地强大。模糊的提示词得到模糊的回答；具体、结构良好的提示词能从同一个模型中提取出专家级的输出。理解提示词是有效使用AI的第一步。
提示词不仅仅是"你输入的一个问题"。在API层面，提示词是一系列结构化的消息——通常包括一条系统消息（设定模型的行为方式），然后是交替出现的用户消息和助手消息，构成一段对话。当你使用Claude.ai这样的聊天界面时，你看到的是一个简单的文本框，但在底层，你的消息在到达模型之前已经被包装成了这种结构。
有效的提示词通常具备几个特征：它们明确说明你想要什么（不仅是主题，还包括格式、长度和目标受众），它们提供模型所需的上下文，它们包含防止偏离的约束条件。"告诉我关于Python的事"会得到一个泛泛的概述。"为一位了解Java但不了解Python的开发者写一段200字的Python GIL解释，重点关注对Web服务器的实际影响"则会得到真正有用的内容。这不是魔法——这是具体性的力量。
"提示工程"之所以成为一门学科是有原因的。在API层面，提示词本质上就是用自然语言编写的程序。你可以包含示例（少样本学习），要求模型逐步推理（思维链），分配角色（"你是一名资深安全审计师"），或约束输出格式（"仅以有效的JSON格式回答"）。这些不是旁门左道——它们是可靠地改变模型行为的技术，因为它们改变了模型采样时的概率分布。
一个常见的误解是，正确的提示词可以让任何模型做任何事。事实上，提示词与模型的训练数据、对齐调优和架构约束之间存在交互作用。提示词无法赋予模型它从未学过的知识，无法可靠地绕过其安全训练，也无法超越其上下文窗口。理解提示词能做什么和不能做什么，能节省时间，也能避免期望通过巧妙措辞实现奇迹所带来的挫败感。