聊天产品让 AI 看起来像一个一直记得前文的人。实际上，每次生成都依赖当前被送进模型的上下文：系统规则、你的问题、此前对话、附件摘要，以及可能存在的工具结果。
所以“怎么问”并不是讨好模型，而是在设计它这次工作能看到的条件。
Prompt 不是一句咒语，而是你为当前任务提供的目标、材料、边界与验收标准。
01 / MESSAGES一轮对话里，不只有你的问题。
常见对话至少包含系统消息、用户消息和助手消息。带工具的系统还会加入工具调用与工具返回。不同消息承担不同职责：系统规则定义长期边界，用户消息给出当前任务，历史消息保留过程，工具结果把外部世界带回上下文。
系统规则
角色、原则、禁止事项和输出约束，通常由产品或工作流提供。
用户任务
这一轮真正要解决的问题，以及材料、背景和期望结果。
历史轨迹
此前讨论和已经做过的步骤；太多会变噪声，太少会丢状态。
工具结果
搜索、文件、数据库或执行反馈，必须标明来源与是否成功。
02 / WINDOW上下文有容量，也有注意力成本。
上下文窗口可以理解为模型这次工作时的桌面面积。桌上放不下无限材料；即使勉强放下，重要信息也可能淹没在重复对话和无关文本里。
好的对话不是把所有材料一股脑塞进去，而是留下当前决策需要的内容：目标、已知事实、未决问题、必要原文、刚刚完成的步骤和下一步。
03 / PROMPT普通人也能使用的四格提示框架。
不需要背所谓万能 Prompt。大多数任务只要补齐四格：要做什么、依据什么、不能做什么、怎样算完成。缺一格并非一定失败，但你应该知道模型会在哪里自行补空白。
- 目标：请把这份会议记录整理成可以执行的任务清单。
- 材料：只依据下面的记录，不补写没有出现的承诺。
- 边界：不确定的负责人和日期标为“待确认”。
- 验收：按负责人分组，每项包含动作、截止时间、依赖事项。
04 / HYGIENE对话越长，不一定越懂你。
任务变化时开新对话，重要结论主动总结，事实和推断分开，敏感材料只给必要片段。长对话里如果模型开始混淆，可以要求它先复述当前目标、已知事实和待确认项，再继续工作。
看见模型答偏时，先检查它拿到了什么，而不是立刻换一个更强的模型。
学习来源与阅读边界
- 《深入理解 AI Agent》开源仓库：十章工程主线与术语来源。
- 本前置系列由本站为非技术读者补写，使用生活化例子降低入口门槛，不替代原书。
- 不用访问 GitHub 也能在本站读完整内容并完成预编排互动；原始链接仅供想继续深挖的读者使用。
下一篇：从会回答，到会完成任务。
继续保持“先建立直觉，再补术语与工程细节”的顺序。
打开交互实验室 ↗继续零基础路线 →
读者评论
把这篇文章留给你的想法写下来。
还没有评论。你可以留下第一条。