Part 01
什么是 AI Fluency
个人理解、评估并有效运用 AI 工具的能力——不需要成为算法专家，但需要具备足够的 AI 素养。
理解 Understand
了解 AI 的能力边界、工作原理与局限性
运用 Apply
选择合适工具、设计有效提示、整合工作流
判断 Evaluate
批判性审查 AI 输出，识别偏差与风险
Part 02 · Anthropic 4D Framework
4D AI Fluency 框架
由 Rick Dakan 教授和 Joseph Feller 教授开发，与 Anthropic 合作推广。核心理念：有效 · 高效 · 合乎伦理 · 安全地与 AI 协作。
D1
Delegation 委派选对任务，用对工具
这个任务该不该交给 AI？交给 AI 的哪一层？
| 模式 | 定义 | 适合场景 |
|---|---|---|
| 自动化 | AI 独立执行人类定义的任务 | 批量邮件、数据摘要 |
| 增强协作 | 人与 AI 共同迭代完成任务 | 文章共创、调研分析 |
| 代理模式 | 配置 AI 自主处理未来任务 | AI 客服、自动化工作流 |
D2
Description 描述说清楚，才能得到好结果
我的指令够不够具体？AI 能不能准确理解我要什么？
三个层面：
产品描述（输出定义）：你要什么样的结果
过程描述（迭代对话）：如何引导 AI 一步步靠近目标
性能描述（行为配置）：AI 应该扮演什么角色、遵循什么规则
D3
Discernment 辨别批判性审查，而非全盘接受
AI 的输出对不对？有没有遗漏、偏差或错误？
准确评估 AI 输出的质量、相关性与潜在偏差。判断产品质量、协作效果，以及 AI 独立行为是否符合预期。
D4
Diligence 尽责对 AI 输出负全部责任
我把这个内容发出去，出了问题谁负责？是我，不是 AI。
负责任地使用 AI：核查事实、披露 AI 参与、对已发布内容承担全部责任。
Part 03 · Core Capabilities
核心能力维度
与 AI 协作需要五项核心能力，其中提示工程是最容易上手、也最容易见效的能力。
1
AI 认知力理解主流 AI 技术与应用场景
2
提示工程设计精准 Prompt，获得高质量输出
3
数据判断评估 AI 输出质量，识别错误与偏见
4
工作流整合将 AI 嵌入日常工作流程提效
5
伦理意识数据安全、隐私与合规责任
Part 04 · Prompt Frameworks
五大 Prompt 框架
不确定选哪个？先用 RTF 写一版，如果觉得信息不够再加维度。RTF 可以自然扩展成其他框架。
1
RTF三个词就够了 · Role · Task · Format
生产级示例 · Production Prompt
Role: 你是一位在 Google 工作了 8 年的高级前端工程师，对性能优化和用户体验有深入理解。
Task: 以下是一个电商商品详情页的 React 组件代码。请找出所有可能影响首屏渲染性能的问题，并给出具体的优化建议。
Format: 每个问题单独一段，格式为"问题 → 原因 → 建议"。最后用一句话总结最优先要改的三个点。
[代码粘贴在这里]
2
CRISPE六个维度，把需求拆干净
生产级示例 · Production Prompt
Capacity: 你是一位在分布式系统领域有深入研究的技术架构师。
Role: 你现在扮演我们的外部技术顾问，帮团队做搜索架构的选型决策。
Insight: 我们是一家中型电商公司，目前用 Elasticsearch 做站内搜索。日均搜索量 50 万次，搜索结果的相关性一直不理想。
Statement: 请为搜索功能重构提供一份技术方案评估——至少三个备选方案，每个方案的优缺点、适用场景、迁移成本。
Personality: 风格务实，少用抽象名词，直接说优缺点。像跟技术团队面对面开会那样说。
Experiment: 先给一个整体框架和三个方向的概要。我看完之后会选定一个方向，你再展开细节。我们迭代 2-3 轮。
3
CO-STAR唯一带"观众"维度的框架 · 新加坡 GPT-4 竞赛冠军
生产级示例 · Production Prompt
Context: 我们公司做了一款 AI 写作助手，目标用户是大学生和研究生。现在需要为产品官网写一段核心卖点描述。
Objective: 让目标用户在 30 秒内理解这个工具能帮他们做什么，并产生试用意愿。
Style: 轻松但不轻浮，像一个有经验的学长在分享自己的工具。
Tone: 真诚、不油腻、不过度承诺。
Audience: 20-25 岁的大学生和研究生，日常有论文写作、报告撰写需求，对 AI 工具感兴趣但还没养成使用习惯。
Response format: 一段 150 字以内的文案，不要用小标题，用纯段落。
4
BROKE唯一带"迭代"维度的框架
生产级示例 · Production Prompt
Background: 我在写一篇关于"AI 对独立开发者影响"的长文，已经写完了初稿的大纲和前两章，大约 5000 字。现在卡在第三章。
Role: 你是一位有丰富独立开发经验的科技写作者，同时也是一个 Product Hunt 上有过三次 Top 5 产品的独立开发者。
Objective: 帮我完善第三章的内容，让它有真实的经验感和实操价值，而不是泛泛而谈。
Key Results:
- 第三章完整内容，2000-2500 字
- 至少包含两个真实案例（可以用匿名的，但细节要真实）
- 末尾有一个"行动清单"——独立开发者看完就能照做的步骤
Evolve: 先给我第一版。我看完之后会告诉你哪些地方需要调整。我们迭代 2-3 轮。
5
CARE拿例子说话 · Context · Action · Result · Example
生产级示例 · Production Prompt
Context: 我在做一份技术分享的 PPT，主题是"为什么我们从 REST 迁移到了 GraphQL"。听众是公司内部的后端开发团队，大约 30 人。
Action: 帮我写每页 PPT 的演讲者备注（speaker notes）。
Result: 每页备注 100-150 字，口语化，不要写成论文。要有自然的过渡句。
Example: 以下是第一页的演讲者备注，照着这个风格来——
"大家好，今天聊一个我们团队刚经历的事情。去年 Q3 我们把用户中心的 API 从 REST 全部迁移到了 GraphQL。这个决定当时争议很大——有人觉得没必要，有人觉得是未来方向。今天我不打算争论谁对谁错，就分享一下我们实际遇到了什么问题、怎么做的决定、做完之后的效果。先从问题说起。"
| 框架 | 维度数 | 最适合的场景 | 上手难度 |
|---|---|---|---|
| RTF | 3 | 简单任务、快速出结果 | 极低 |
| CRISPE | 6 | 复杂交付物、技术方案 | 中 |
| CO-STAR | 6 | 文案、营销、多受众版本 | 中 |
| BROKE | 5 | 长文、方案、需要迭代 | 中高 |
| CARE | 4 | 格式模仿、风格复刻 | 低 |
Part 05 · OpenAI Best Practices
OpenAI 官方提示词最佳实践
综合 OpenAI 官方文档和实践经验，六条核心策略。
01
写清楚指令
模型不会读心术。你越具体，输出越精准。
❌ 弱：写一篇关于 AI 的文章
✓ 优：你是一位科技编辑，为非技术背景的中层管理者写一篇 600 字的 AI 入门文章，语言通俗，配 3 个实际案例
✓ 优：你是一位科技编辑，为非技术背景的中层管理者写一篇 600 字的 AI 入门文章，语言通俗，配 3 个实际案例
02
提供参考文本
给模型一个锚点，输出会稳定得多。可以提供范文、模板或结构示例。
请参照以下格式，为另外三个产品撰写卖点描述：
[示例产品描述]
产品名称：Notion AI
核心卖点：将 AI 融入知识管理
适用人群：知识工作者、项目经理
[示例产品描述]
产品名称：Notion AI
核心卖点：将 AI 融入知识管理
适用人群：知识工作者、项目经理
03
将复杂任务拆分为子任务
不要一个 prompt 做十件事。拆成步骤，每步一个 prompt，效果显著提升。
Step 1: 先帮我列出这篇文章的 5 个核心论点
Step 2: 针对第 2 个论点，展开为 500 字的论述
Step 3: 为每个论点找一个真实案例支撑
Step 2: 针对第 2 个论点，展开为 500 字的论述
Step 3: 为每个论点找一个真实案例支撑
04
给模型"思考时间"
直接要答案，容易得到表面化的输出。让模型先推理，再给结论。
❌ 弱：这个方案可行吗？
✓ 优：请逐步分析这个方案的可行性：先列出支撑论点，再列出潜在风险，最后给出综合评估
✓ 优：请逐步分析这个方案的可行性：先列出支撑论点，再列出潜在风险，最后给出综合评估
05
使用系统提示（System Prompt）
通过 system prompt 设定角色、行为边界和输出规则，比在用户消息里重复声明更稳定。
System: 你是一位严谨的技术文档编辑。所有输出必须遵循以下规则：
1. 使用 Markdown 格式
2. 每段不超过 150 字
3. 技术术语首次出现时给出中英文对照
4. 不使用"众所周知"等空洞表达
1. 使用 Markdown 格式
2. 每段不超过 150 字
3. 技术术语首次出现时给出中英文对照
4. 不使用"众所周知"等空洞表达
06
迭代追问
好的结果很少一次到位。拿到初稿后，针对性追问比从头重写高效得多。
❌ 弱：不好，重新写
✓ 优：第二段太学术，请改得更口语化；同时把第三个案例换成制造业场景
✓ 优：第二段太学术，请改得更口语化；同时把第三个案例换成制造业场景
Part 06 · Optimization in Action
Prompt 优化实战：Before vs After
同一个意图，不同的表达方式，结果天差地别。
| 场景 | ❌ 弱 Prompt | ✓ 优 Prompt | 改进了什么 |
|---|---|---|---|
| 写文章 | 写一篇关于 AI 的文章 | 科技编辑为非技术管理者写 600 字 AI 入门，配 3 个案例 | 角色+受众+长度+结构 |
| 做计划 | 帮我出一份培训计划 | AI Fluency 培训计划：目标受众、3 个核心模块、每模块时长、考核方式，表格输出 | 具体内容+格式约束 |
| 代码审查 | 看看这段代码有什么问题 | 找出 React 组件中影响首屏渲染的问题，每个问题按"问题→原因→建议"格式 | 任务聚焦+输出格式 |
| 翻译 | 翻译成英文 | 翻译为美式英语，语气正式，保留技术术语不翻译，适合 SaaS 官网 | 语言变体+语气+规则 |
| 分析数据 | 分析一下这个表格 | 找出销售额环比下降超过 10% 的月份，列出可能原因，用表格呈现结果 | 具体指标+输出格式 |
Part 07 · Practical Applications
实战应用场景
不同职能如何将 AI 提示词能力融入日常工作。
📢 市场 / 运营
- 活动文案 / 社媒内容批量生成
- 竞品分析报告自动整理
- 客户反馈情感分析
- 多语言本地化翻译校对
💼 销售 / BD
- 冷邮件 / 提案个性化生成
- CRM 跟进话术建议
- 商业计划书快速初稿
- 客户问题 FAQ 自动回答
🔧 产品 / 研发
- PRD / 用户故事辅助撰写
- 代码注释 & 重构建议
- Bug 分析与解决方案生成
- 用户访谈摘要提炼
👥 管理 / HR
- 会议纪要自动整理
- 绩效反馈措辞优化
- 培训内容框架生成
- 政策文件要点摘要
Part 08 · Responsible AI
负责任地使用 AI
AI 是工具，你是对结果负责的人。
✓ 应该这样做
- 核实 AI 生成内容，尤其是数据与引用
- 避免输入公司机密 / 客户个人信息
- 保留人工判断——AI 是辅助，非决策者
- 标注 AI 参与程度，保持透明
- 持续学习，关注 AI 政策与合规动态
✗ 避免这样做
- 盲目复制粘贴未审核的 AI 输出
- 将敏感数据发送至未授权的 AI 平台
- 依赖 AI 做有法律 / 道德风险的决定
- 忽视版权与知识产权问题
- 夸大 AI 能力误导利益相关方
Part 09 · AI Fluency Maturity
AI Fluency 成熟度阶梯
你在哪一级？建议从 L2（探索者）起步，用 RTF 框架练习日常任务。
L1
观望者
了解 AI 存在，但几乎未使用
L2
探索者
偶尔尝试 AI 工具，效果不稳定
L3
实践者
日常使用 AI，有效提升产出
L4
赋能者
帮助团队用 AI，设计工作流
L5
变革者
推动 AI 战略落地，引领创新
Part 10 · Reusable Templates
通用文生文 Prompt 模板
直接复制、填空、使用。每个模板都经过实战验证。
快速润色
Role: 资深文字编辑
Task: 润色以下文本，保持原意不变，提升表达质量和可读性
Format: 直接输出修改后的文本，末尾用一段话说明主要改了哪些地方
[原文粘贴]
长文写作
Context: [背景信息]
Role: [写作者身份]
Objective: 完成一篇关于 [主题] 的文章，[字数] 字，面向 [受众]
Key Results:
- [结构要求]
- [风格要求]
- [具体交付物]
Evolve: 先给大纲和第一段，确认方向后展开全文
数据分析
Role: 数据分析师
Task: 分析以下 [数据类型]，找出 [具体目标]
Format:
1. 关键发现（不超过 5 条）
2. 数据支撑（每个发现标注对应数据）
3. 建议行动（按优先级排列）
[数据粘贴]
会议纪要
Role: 专业的会议记录员
Task: 将以下会议转录整理为结构化纪要
Format:
- 会议主题 / 时间 / 参与人
- 核心讨论要点（不超过 5 条）
- 待办事项（负责人 + 截止时间）
- 未决问题
[转录内容粘贴]
方案评估
Context: [当前面临的问题/决策背景]
Task: 评估以下 [数量] 个方案的可行性和优劣
Format: 每个方案一个段落，按以下结构：
方案名称 → 核心思路 → 优势(3条) → 风险(3条) → 适用条件 → 综合评分(1-10)
[方案内容粘贴]