AI时代的“渔夫”：我和AI如何协同“渔猎”提示词

“你的提示词是怎么写出来的？是你自己琢磨的，还是 AI 帮你生成的？”

在分享了一些 AI 的应用心得后，这几乎成了我最常收到的提问之一。坦白说，我的答案是：两者皆是，也两者皆非。它既不是我冥思苦想、完全原创的结晶，也不是简单地把问题抛给 AI、坐等答案的“甩手掌柜”模式。更准确地说，这是一个我与 AI 协同创作的过程。

“授人以鱼，不如授人以渔。” 直接给出分享提示词（Prompt），就像递给你一条鱼，能解决一时之需；而分享我如何思考、如何与 AI 一步步互动最终得到这个提示词，这才是“授人以渔”，希望能让你掌握一种可持续的方法。

所以，今天这篇文章，我就想和你分享这个“渔”：我是如何与 AI 一起“渔猎”，共同编写和优化任务提示词，让它帮助我们完成那些以前可能觉得挺有门槛的任务的。

这个想法的契机，部分源于前几天分享用 AI 做《纽约时报》级滚动叙事效果后，不少朋友对提示词本身的来源感到好奇。同时，也和我今天跟同事的一段真实互动有关。

今天，技术部的同事展示了一个AI生成新闻播客产品的 Demo，我看了之后，坦率地评价他的前端界面做得有点“朴素”（好吧，其实我当时心里想的是有点“丑”）。他听了似乎有点受打击，随口说道：“那要不……还是让设计部的同事来做一个吧？”

我当时就拦住了他，说：“别！我觉得这恰恰是个好机会。对于这种快速验证想法的 Demo，为什么不试试自己用 AI 来辅助完成前端呢？这不仅能快速迭代，还能锻炼自己的能力，朝着‘全栈开发者’的目标迈进！” 我甚至当场就在团队群里分享了我的思路：如果让我来负责这个 Demo 的前端部分，我会如何一步步地构思，并与 AI 协同来完成它。

这次小小的互动，让我再次思考：在 AI 时代，我们如何才能不仅仅是 AI 的使用者，而是成为一个能有效引导、驾驭 AI 的“协作者”？尤其对于那些我们不熟悉的领域，比如让一个后端开发者去搞定前端界面。

过去，这往往意味着依赖设计师和专门的前端同事，涉及不少沟通成本和时间协调。但现在，借助 AI，对于一些原型验证或内部 Demo 性质的工作，其效率和便捷性有时甚至超过了与人协作——至少，省去了反复沟通和等待的环节。（当然，我必须再次强调，最终要打磨出高质量产品，专业人士无可替代。这里探讨的是 AI 如何赋予我们快速实现想法的可能性。）

那么，一个从未涉足前端领域的程序员，该如何借助 AI 写出可用的前端代码呢？这不仅仅是“把需求丢给 AI”那么简单。它背后，其实反映了一套在 AI 时代进行有效创造和解决问题的思维框架，一套我与 AI 协同工作的“渔猎”之法。基于我自己的实践和观察，我总结了以下六个关键步骤，或者说，六项与 AI 高效协作的核心能力：

1. 精准定义问题，厘清项目背景

这是与AI协作的起点，也是最容易被忽视的一步。你需要清晰地告诉AI“我们要做什么”以及“为什么要做”。比如，在前面那个前端开发的例子里，第一步就是要向AI描述清楚：这是一个什么产品的Demo？它的目标用户是谁？核心功能是什么？期望达到什么样的效果？没有清晰的背景和目标设定，AI就像一个迷失方向的导航仪，无法给出真正有价值的输出。这考验的是我们界定问题、梳理需求的核心能力。

2. 设定AI的角色与专业视角

想让AI表现得像个专家，并不是简单地贴上"资深专家"的标签，而是要引导它以真正专业的视角审视问题。这一步的核心目标，是让AI能基于产品的实际需求，提出专业清晰的UI设计需求说明。

我通常会这样设定：“你现在是一位资深的产品设计师和UI/UX专家，擅长将复杂的产品功能转化为直观易用的界面。请基于我提供的产品信息，提出专业的界面设计方案。”

这种定位的价值在于，AI不再只是被动地等待我告诉它"按钮应该是什么颜色"或"布局怎么排"这类具体指令，而是会主动从专业角度分析产品本身的用户群体、核心功能、使用场景，然后提出既美观又实用的UI设计需求说明。

例如，对于同事展示的那个产品Demo，我不会直接让AI重写代码，而是先让它以UI专家的身份分析：“考虑到这是一款面向现代信息消费者的AI新闻播客应用，界面设计应优先考虑三个核心要素：内容可读性、音频控制的直观性和个性化推荐的突出展示。建议……”

有了这样专业的需求说明，后续才能更有方向性地进行界面优化或代码重构。这背后，是我们理解如何引导AI提炼出真正有价值的专业见解，而非泛泛而谈的能力。

许多人在使用AI时，往往停留在"告诉我这个界面怎么做好看"的宽泛问题上，结果得到的也只能是一般性的建议。而如果你能引导AI先从专业角度分析需求，为下一步的提示词编写建立明确的方向和原则，后续的实现过程才会更加聚焦和高效。

3. 整合现有知识，明确技术选型

AI并非凭空创造，它需要基于已有的知识库进行工作。在技术项目中，这意味着要引导AI考虑合适的技术栈。我会问：“有哪些成熟、专业的开源库适合用于这个前端项目？” 这一步是利用AI的广博知识，帮助我们快速筛选和决策。它体现的是我们整合信息、利用外部资源辅助决策的能力，知道该问什么样的问题来缩小范围。

4. 设计清晰指令，编写核心提示词

这是将所有准备工作转化为实际行动的关键一步。此时，你已经明确了项目背景（第一步）、获得了AI提供的专业视角和建议（第二步）、并确定了技术选型（第三步）。现在，你需要将这些分散的关键信息——项目目标、用户画像、专业设计原则、功能需求、技术栈限制——整合提炼，编写成一个结构清晰、指令明确、细节到位的核心提示词 (Prompt)。

这绝非简单的任务描述，更像是为AI量身定制的一份小型“需求规格说明书”。这份“说明书”的质量直接决定了AI能否准确理解你的意图并生成高质量的代码：

• 逻辑性：指令的组织顺序是否合理？信息是否层层递进？
• 精确性：使用的术语是否专业无歧义？需求描述是否具体？
• 完整性：是否包含了所有必要的信息？有没有遗漏关键约束？

这集中体现了你的结构化思考能力和清晰表达能力。

一个高效的实践方法是：利用AI来辅助构建这个核心提示词。

在经过第二步（AI提供专业视角）和第三步（AI辅助技术选型或分析）后，你已经有了一些AI生成的专业内容。此时，你可以对这些内容进行筛选、判断和决策，然后指示AI将这些关键点整合进最终的指令中。

例如，你可以这样向AI提出请求，让它帮你“写Prompt”：

通过这种方式，你不仅利用了AI的专业知识，还让AI参与到“如何更好地指导AI”的过程中，进一步提高了最终指令的质量和后续代码生成的效果。这本质上是将前面步骤的成果，结构化地“喂”给AI，让它生成一个最优的、用于指导下一步具体开发工作的“指令蓝图”。

5. 批判性评估，迭代优化指令 

AI的第一次输出往往不是完美的。你需要像对待初级员工提交的工作一样，对其进行审视和评估。哪里做得好？哪里有欠缺？是逻辑错误还是细节不足？然后，基于这些评估，修改和迭代你的提示词，引导AI进行改进。这个过程可能需要反复几次。这要求我们具备批判性思维和持续优化的能力，不能满足于AI给出的第一个答案。

6. 执行与整合，最终实现目标

最后一步，是将AI生成的代码（或其他成果）运用到实际场景中。比如，在Cursor这样的AI辅助编程工具中运行提示词，生成代码，然后进行必要的调试、修改和整合。AI提供的是草稿或半成品，最终的落地和完善，还需要我们动手执行和整合。

你看，这六个步骤，从定义问题到最终执行，构成了一个完整的工作流。它远不止于“会写Prompt”那么简单，它实际上训练的是我们在AI时代所需要的定义问题、构建框架、整合资源、清晰沟通、批判评估和动手实践的综合能力。

这套方法论，并不仅仅适用于写代码。无论你是想用AI写文章、做设计、分析数据，还是进行其他任何创造性的工作，其底层的逻辑是相通的。AI就像一片蕴藏丰富的海洋，而我们每个人，都需要学习成为熟练的“渔夫”，掌握与这片海洋有效互动的方法。

我们不再仅仅是知识的“消费者”或工具的“使用者”，而是越来越需要成为一个思考者、设计者、以及与智能体并肩协作的“导演”。这或许有点挑战，但也充满了令人兴奋的可能性，不是吗？

希望今天的分享，能给你带来一些启发。在AI的浪潮中，愿我们都能找到属于自己的那根“渔杆”，钓起属于未来的“大鱼”。