最近一个月都在不断的写prompt，不断尝试用AI写出来不错的内容，近期企业内部AI写内容的工作流跑的还不错，来汇总一下写prompt的思考：

1.对不同AI边界能力的认知是头等大事，需要不断的去体验试错。

建议大家非研发系统化做预算的时候，去跑MVP或者小团队应用的时候，只用这几个模型就行了：gpt4o、gemini1.5pro、claude3-sonnet，别的模型都可以不碰。

任何的AI需求都可以先用这三个模型来验证，比如说多模态的视频识别，你只能选gemini1.5pro；如果这三模型都搞不定，那其它的AI模型一定搞不定。

这三个模型代表着AI能力的天花板。

2.mvp验证完如何标准化产出

没有研发资源且小团队用，对知识库quary没啥诉求，还想低成本的话直接dify+gemini1.5pro就行了，谷歌给了很多免费额度，小团队直接够用了。

没有研发资源如果还想做一些知识库quary的事情，可以用coze做意图识别，这样省事一点，coze的rag相对dify简单一点。

没有研发资源尽量不要搞复杂rag，用心整理好文档才是头等大事。

又研发资源要算成本，产出内容不是很复杂，上deepseek，1元50万token，真的太香了，模型能力在国内也是属于靠前的水平。

在之后再考虑glm、kimi、通义模型等，主要就是看模型能力和算账的问题了。

gpt4o和claude主要是麻烦在还得给API充值，小团队慎用，白嫖gemini更好一点。

大的团队就无所谓了，反正成本hold住用啥都行。

3.拆工作流，拆的越细越好。

比如说我在mvp验证阶段的时候写了一个prompt，这个里边有3个核心workflow分别是：整理商品卖点、产出商品文案、商品文案精修。

在用dify或者研发化的时候把它们每个都拆成一个LLM来解决，每个LLM只干一个事情，来保证产出的结果变化较小，同时方便向下取兼容模型。

当你用gpt4o跑出来的prompt，直接给deepseek是跑不通的，但是你拆成3-4个步骤这个事情就有可能跑通了，因为复杂的事情被简化了，达到了模型能够解决的水平。

4.通过搜集前人经验和与AI对话来帮助自己搞定不懂的地方

比如说我现在要去写抖音文案了，但其实我是不懂抖音文案内容的，那这个时候我希望AI写出高质量的内容我该怎么办呢？

去找讲抖音文案的老师，把他们讲的逻辑都抽象出来：
- 开头要讲一个震惊的标题。。。。
- 中间的结构是xxxx
把这些内容选择和你的目标匹配的项扔到AI里边去，调试AI看看能不能产出预期的内容。

同时和AI进行多轮对话，让AI根据你希望的内容来倒推规则，然后把规则放到prompt进去继续调试可行性。

这样能够很好的让我们在一个没有涉足过得领域快速的有一些不错质量的产出。