pm10 · 小白三千问 · 会用篇 —— 七个热词分别落在哪一层

• 模块：M1 认知地基
• 集目：第 10 集
• 本集课节：提示词到底怎么写才好 /「提示词工程」有什么意义 / 模型、Agent、应用是什么关系 / Agent 到底强在哪 / 最近很火的 Skill 是什么 / Vibe Coding 是什么 / 国产大模型有哪些
• 配套音频：pm10-m1-播客.mp3（约 16 分钟）
• 来源：xueai.miyang.cn（小山学堂 · 洛小山《学 AI 产品，从入门到精通》）

---

一、本集要解决什么问题

提示词、提示词工程、模型、Agent、Skill、Vibe Coding、国产大模型——这些词天天出现，但很多人把它们当成同一件事的不同说法，结果在评审会上争了半天，争的其实不是同一层东西。

本集把它们按层次拆开：

层	关键词	对谁重要
手上功夫	提示词骨架、加分技巧	所有人
系统层面	提示词工程（岗位说明书）	做 AI 产品的人
结构层面	模型 / Agent / 应用	做产品决策的人
能力层面	Agent 的四个能力	用 AI 干活的人
经验层面	Skill（小抄）	想让 AI 按自己方式干活的人
边界层面	Vibe Coding 的三类禁区	想自己做工具的人
选型层面	国产大模型各有拿手科目	需要选型的人

核心心法：先分清层次，再动手。层次分清了，大部分争论会自己消失。

---

二、能力地图：七节内容的层次关系

第七层  国产大模型怎么选         → 选型决策
第六层  Skill 小抄 / Vibe Coding → 经验沉淀与自己做工具的边界
第五层  Agent 到底强在哪         → 从「给方法」到「给结果」
第四层  模型 / Agent / 应用      → 三层结构，评价要对层
第三层  提示词工程               → 系统级岗位说明书（成本、测试、防注入）
第二层  三个加分技巧             → 例子 / 让它先问 / 指着改
第一层  提示词骨架三块           → 背景 / 要求 / 限制

前三层是人人都能用的手上功夫，后四层是做 AI 产品时必须想清楚的层次。

---

三、第一层：提示词的骨架只有三块

网上流传着各种「神级提示词模板」，动辄几百字。真正管用的骨架只有三块：

块	回答什么问题	示例
背景	我是谁，情况是什么	「我在一家 20 人的装修公司做行政，要给全体同事发一个调休通知……」
要求	我要什么（动词要具体）	「……帮我写这个通知，说明 10 月 1 日至 8 日放假、9 日补班……」
限制	什么样算合格（验收标准）	「……语气轻松点，200 字以内，最后提醒大家提前订票。」

提示词不是咒语，就是一次说清楚的交代。

一个更好记的说法：把它当成不了解你的新同事。你不会对刚入职的同事说「帮我写个通知」就完事，你会交代公司做什么、发给谁、要什么语气。

提示一 · 亲手感受三块拼图的差距

同一个任务（比如「写一条面包店开业的朋友圈文案」），先只给要求，再把背景和限制一块块加上去，看回答的档次怎么变。同一个 AI，回答的档次完全取决于你给的拼图块。

---

四、第二层：三个加分技巧

1. 给一个例子，胜过十句形容——你说「写得活泼一点」，它对「活泼」的理解可能和你差很远。贴一段你喜欢的范文，说「照这个感觉写」，风格立刻对齐。

例：「帮我写产品介绍。参考这条的风格：『这把伞最大的本事，是装得下两个人的肩膀。』」

1. 说不清就让它先问你——不知道该交代什么，加一句「开始前，先问我几个问题」，让它来采访你。它问的每个问题，都在替你排除不合适的答案。
2. 不满意就说「哪里」不满意——第一版不好很正常，别整个推翻重来，指着具体的地方改。两三轮就能逼近你要的。

例：「整体不错。但『尊敬的各位同仁』太严肃了，我们公司都喊花名，改一下。」

改比重写快。

---

五、第三层：同一个词，两种分量

你可能听过「提示词工程师」，甚至听说过很高的薪水。一个说话技巧，凭什么配得上「工程」两个字？

同一个词，两种用法

	聊天框里写的	产品团队写的
性质	一次性的「交代」	系统级的「岗位说明书」
规模	用一次就扔	每天被执行几十万到几百万次
试错成本	几乎为零，重问一次就行	差一个字，几十万用户同时受影响
够用标准	背景 + 要求 + 限制	还要测调优、控成本、防注入

你用的每个 AI 应用（客服、助手、写作工具），背后都藏着一份几千字的提示词，规定 AI 的身份、边界、语气和禁区。

「工程」体现在三件事

1. 效果是「调」出来的，不是「写」出来的——专业团队会准备几百个测试问题，改一版提示词就全量跑一遍看效果。这套「写 → 测 → 改」的循环，和调试代码没有本质区别。
2. 每个字都在花钱——AI 按「词元」(token) 计费，系统提示词的每个词元都会在每一次调用里重复计费。把 3000 字精简到 2000 字而效果不降，对一个日活百万的产品就是真金白银。
3. 还要防「坏人」——有用户会故意诱导 AI 说不该说的话（业内叫「提示词注入」）。怎么在说明书里筑好防线，也是这门手艺的一部分。

提示二 · 感受「被放大百万倍」

做个心算：系统提示词里多写一段约 500 字的可有可无废话，产品每天被使用10 万次 → 这段废话每天白白发送 5000 万字。

按 2026 年 8 月主流模型 API 定价量级（约每百万 token 输入 1～3 元）取中间值粗算，一年是一笔不小的开销。反过来也成立：精简掉这段废话，这些钱就省下来了。

提示词工程师不是「会聊天的人」，而是给 AI 写岗位说明书、并用几百个测试用例反复验收的人。

---

六、第四层：模型、Agent、应用是什么关系？

拿汽车打比方最清楚：

层	比方	作用	例子
模型	发动机	提供「智能」这个原材料，你给它文字它接出文字	通义千问、Kimi、豆包背后的模型，以及国外几家知名模型
Agent	装上轮子和方向盘的整车	接上工具，能自己动手做完	能查资料、读文件、执行操作、检查重来
AI 应用	你叫到的那辆网约车	包装成打开就能用的服务	豆包、Kimi 等 App，AI 客服、AI 修图、AI 做 PPT

• 模型只能告诉你「怎么做」，Agent 能直接「做完」。
• 同一台发动机可以造出轿车、货车、跑车；同一个模型也支撑着成百上千个不同的应用。

提示三 · 评价要对层

觉得某个 AI 应用不好用，未必是模型不行，可能是「车」没造好。这个判断能帮你省下一大笔换模型的成本。

---

七、第五层：Agent 到底强在哪

同一件事，两种体验。任务：「把我这个月的 23 张发票整理成一张报销单。」

聊天式 AI

「好的！建议你这样做：第一步，把发票按日期排序；第二步，逐张录入金额和类目；第三步……」

它很有帮助——但给你的是一份攻略，活儿还是你干（自己干了一个小时）。

Agent

步骤	动作
读取	逐张识别 23 张发票的金额、日期、类目
拿不准就问	「第 7 张照片有点糊，金额是 380 还是 880？」——你回一句，它继续
汇总	按类目整理成报销表格
自查	合计和逐项相加不一致，发现漏了一张，回去补上
交付	一份能直接提交的报销单。你全程只回答了一个问题

它比「会聊天」多了什么

• 会拆任务：接到大目标自己拆成小步骤，先干什么后干什么，哪一步要先确认。
• 会用工具：能查资料、读文件、算数字、操作软件——接话茬的大脑，配上了能干活的手。
• 会自查：做完一步回头看结果对不对，合计不平就重新算，链接打不开就换来源。
• 会坚持：一条路走不通就换条路，直到把事办成，或者明确告诉你卡在哪——而不是给一版答案就下班。

核心区别：聊天给方法，Agent 给结果。你的角色从「执行者」变成「验收的人」。

一个诚实的提醒

Agent 不是魔法。步骤越多、越自主，中间某一步出错的机会也越多。 重要的活儿交给它之前，先用小任务试试手感；关键结果（数字、日期、要发出去的东西）依然值得你过目一遍——验收这件事不能外包。

---

八、第六层：Skill 小抄与 Vibe Coding 的边界

Skill = 一张写给 AI 的「经验小抄」

一个普通的文本文件（通常叫 SKILL.md），用大白话告诉 AI「遇到这类任务时，先做什么、再做什么、注意什么」。它不是什么新技术，但能让 AI 从「来回问你四趟」变成「一趟全搞完」。

示例小抄（去阳台收衣服）：

什么时候用这张小抄：当主人提到「收衣服」「阳台」「晾晒」的时候。
怎么做：
  第 1 步：出门前，先想好阳台上可能有什么（衣服、裤子、袜子、玩具…）
  第 2 步：能收的一次性全收回来，别一件一件跑
  第 3 步：看到植物顺手检查要不要浇水
  第 4 步：回来汇报一句「都好了」
最重要的原则：一趟搞完，别每做一步就回来问一次。

没有一行代码，全是大白话——这就是人人都能写的原因。

为什么最近这么火：主流工具（Claude、Cursor、Copilot 等）先后支持了同一种简单格式，写一张到处能用；人人都能写；最关键的是老师傅的经验第一次能「装」进 AI，以前只能口口相传。

Vibe Coding = 用大白话指挥 AI 写代码

你负责提需求和试用反馈，代码归 AI。以前是人学软件，现在是软件听人话——把需求说清楚这件事本身，就是一种新的编程。

• 传统路径：报班学编程，约三个月起步；
• Vibe Coding：做一个自用小工具，当晚就能搞定。

今晚就能试：打开常用 AI 对话工具，用大白话描述一个你真想要的小东西，让它做成网页。例如「帮我做一个网页，全屏显示距离我女儿高考还有多少天，字要大，背景要好看」。不满意就接着说，改到满意为止。

边界：三类软件需要专业把关

类型	为什么
碰钱的	收款、转账、算工资——出 bug 损失是真金白银。专业团队做的测试和防错设计，替代不了「有人负责」这四个字
存隐私的	存了别人的手机号、住址、健康记录，就有了保护数据的责任，需要懂安全的人兜底
很多人同时用的	自用工具卡一下无所谓；几千人同时用一崩就是事故。扛住人多是一门专门的手艺

---

九、第七层：国产大模型怎么选

先说一个可能让你意外的事实：在全球用户盲测的排行榜上，国产模型早就不是「追赶者」了，好几家排在世界前列。真正的问题不是「哪家最强」，而是「你的场景适合哪家」。

主力玩家图鉴 · 各自的拿手科目

模型	厂商	拿手科目
通义千问 Qwen	阿里巴巴	综合实力代表：旗舰版在全球文本盲测榜排进前五，图片生成也在全球前列；开源版本发得多，是全球开发者用得最多的开源系列之一
Kimi	月之暗面	Agent 干活的好手：旗舰版在全球 Agent 榜排进前五；处理长文档是传统强项
DeepSeek	深度求索	性价比之王：官方 API 每百万字输入只要一两块钱，价格是同档模型的零头，编程和推理能力扎实
豆包 / 即梦	字节跳动	全家桶体验好：豆包 App 是国内用户量最大的 AI 应用之一；生图、生视频都在全球榜前列，视频生成排到全球第二
GLM	智谱	清华系技术流：编程和工具调用是强项，开源社区口碑好，企业客户多
文心 / 混元 / MiniMax	百度 / 腾讯 / MiniMax	文心搜索整合深；混元背靠微信生态、视频模型开源；MiniMax 语音和视频出彩（视频模型开源全球第四）。小米、美团等也都下场了

排名事实来自 LMArena 全球用户盲测榜，数据截至 2026 年 8 月。榜单每周都在变，具体名次别背，记住「各有拿手科目」这个结构就好。

选择的心法：先想清楚你要干什么，再看谁这门课分高。 普通用户挑顺手的用就好，几家 App 都免费。

---

十、审查清单：动手前逐条打勾

写提示词

• 背景交代了（我是谁 / 什么行业 / 什么场合）
• 要求用了具体动词（写一段 / 列清单 / 出方案）
• 限制写清了验收标准（语气 / 长度 / 格式 / 不要什么）
• 说不清时加了「开始前，先问我几个问题」
• 风格对不齐时贴了范文，而不是堆形容词
• 改稿时指着具体位置提意见，没有整段推翻

做 AI 产品

• 分清写的是一次性交代还是系统级岗位说明书
• 系统提示词走完了「写 → 测 → 改」循环，有测试用例集
• 核算过系统提示词的词元成本（每次调用重复计费）
• 做过提示词注入的防护

选型与用 Agent

• 评价时对层了（应用不好用 ≠ 模型不行）
• 用 Agent 前先用小任务试过手感
• 关键结果（数字、日期、要发出的内容）亲自过目
• 做工具前分清了三类禁区（碰钱 / 存隐私 / 高并发）
• 选模型时先明确场景，再看谁这门课分高

---

十一、约束说明：这些方法不承诺什么

1. 排名数据是有时效的。 文中的模型排名来自 2026 年 8 月的 LMArena 全球用户盲测榜，榜单每周更新，具体名次会过时；「各有拿手科目」这个结构比名次更值得记住。
2. 成本估算是数量级感受，不是报价。 500 字废话 × 10 万次/天的年化浪费，是按当时主流 API 定价量级取的中间值粗算，只为感受「被放大百万倍」这个概念，不能当作预算依据。
3. Agent 不是魔法。 它步骤越多、越自主，中间某一步出错的机会也越多；文中「你全程只回答了一个问题」是理想化演示，真实任务里可能需要更多次确认。
4. Skill 不是新技术。 它本质上是一个大白话文本文件（SKILL.md），价值在于经验复用，不等于能力增强；不同工具对格式的支持细节有差异。
5. Vibe Coding 有明确边界。 碰钱的、存隐私的、高并发的三类软件出了问题后果不一样，课上给的是判断框架，不是「能不能上线」的结论——真要上生产，需要专业开发者评估。
6. 演示文本是简化文本。 课节里的对话、回放、小抄示例都是为教学写的简化文本，不是某个模型的真实输出。
7. 术语有中英混用。 为照顾可读性，文中保留了 Agent、Skill、Vibe Coding、token 等通行写法，音频里已尽量转成中文说法（智能体、技能小抄、氛围编程、词元）。

---

十二、可带走的判断清单（音频末段）

1. 写提示词先补齐三块：背景、要求、限制。写不好就加一句「开始前先问我几个问题」；改稿时指着具体的地方提意见，别整段推翻重来。
2. 分清你在写哪一层提示词：聊天框里那是一次性交代，试错成本几乎为零；写进产品的那是岗位说明书，一个字的措辞差异会被放大百万倍，必须走写、测、改循环，还要考虑成本和防诱导。
3. 评价要对层：应用不好用，先别怪模型，看看是车没造好还是发动机不行。
4. 用 Agent 之前先做两件事：先用小任务试手感，再对关键结果亲自过目。你的角色从执行者变成验收的人，验收不能外包。
5. 做软件时先分清边界：自用小工具随手做；碰钱的、存隐私的、很多人同时用的，交给专业开发者把关。选模型时先想清楚要干什么，再看谁这门课分高，不要问谁第一。

这五条的共同点是：先分清层次，再动手。层次分清了，大部分争论会自己消失。

---

十三、本集要点速览

课节	一句话
提示词到底怎么写才好？	把「背景、要求、限制」三块说清楚，你的提问就超过九成的人
「提示词工程」有什么意义？	对普通人是把话说清楚的功夫，对做产品的人是写进系统的岗位说明书
模型、Agent、应用是什么关系？	模型是发动机，Agent 是整车，应用是你叫到的那辆网约车
Agent 到底强在哪？	聊天给方法，Agent 给结果——拆任务、用工具、自查、坚持到做完
最近很火的 Skill 是什么？	一张写给 AI 的经验小抄，没有一行代码，人人都能写
Vibe Coding 是什么？	用大白话指挥 AI 写代码；碰钱、存隐私、高并发的三类要专业把关
国产大模型有哪些？	各有拿手科目，先想清楚你要干什么，再看谁这门课分高

---

*来源：xueai.miyang.cn（小山学堂 · 洛小山《学 AI 产品，从入门到精通》）*

*本页文字为配套解读，音频为二次演绎配音版。*