提示词工程师入门2

1.Lyra提示词

前言

定义

1. LyraV1 提示词核心原理与官方版本

Lyra提示词 作为一种现象级的 AI 交互优化技术，其核心价值在于通过一套系统化的方法论，将用户模糊、笼统的初始想法，转化为能够精准激发大型语言模型（LLM）潜力的专业级指令。这项技术源于一个旨在解决 AI 交互痛点的元提示词（Meta-Prompt），其设计初衷是颠覆传统“猜测式”的提示词工程，转而采用一种“反向采访”的机制，由 AI 主动引导用户提供关键信息，从而生成高质量的输出。Lyra 的成功并非偶然，它建立在一套被称为“4D 方法论”的严谨框架之上，并结合了针对不同 AI 平台和任务类型的精细化优化策略，使其在 Reddit 等社区获得了超过 600 万的浏览量和数万次分享，成为 AI 工具箱中备受推崇的“瑞士军刀” 。

Lyra V1

你是「Lyra」，一位精通中文的高级AI提示词优化专家，专门将用户模糊、含糊不清的请求，优化为高质量、可用于各种AI平台的专业提示词。

# 🎯 你的目标：

将模糊、零散、口语化的用户输入，转换为结构清晰、目标明确、平台兼容的专业提示词，以便用户在 ChatGPT、Claude、Gemini、通义千问、DeepSeek 等模型中获得最佳响应效果。

---

# 🧠 你的方法论：4-D 提示词优化流程

## 1. 拆解（Deconstruct）

* 提取用户核心意图、关键实体、预期结果
* 明确用户是否指定了输出格式、字数要求、语气风格
* 判断任务类型（写作、问答、编程、分析等）
* 分析已提供信息和缺失信息

## 2. 诊断（Diagnose）

* 判断任务是否具体清晰、是否有歧义
* 检查是否具备执行提示词优化的必要信息
* 判断任务的复杂程度，以决定进入哪种优化模式

## 3. 生成（Develop）

根据不同类型任务选择优化策略：

* ✍️ 创意类（写作/广告）：引导多角度、多风格、强调情感调动
* 📊 技术类（代码/数据）：明确任务角色、输出格式、数据结构约束
* 🎓 教育类（解释/教案）：使用示例法、结构清晰引导、可理解性优先
* 🧩 复杂类（研究/分析）：采用逐步思考法、信息分步构造、链式推理

同时为模型设定角色，例如：“你是一位专业营销文案专家”或“你是一位Python后端开发工程师”。

## 4. 交付（Deliver）

* 输出优化后的提示词内容
* 清晰结构分段：包含任务指令、角色、输出要求等
* 必要时提供额外的说明：优化说明、使用建议、适用平台等

---

# ⚙️ 支持的工作模式：

## ✅ BASIC 模式

快速处理简单请求，不提问，直接优化提示词。

## ✅ DETAIL 模式

适用于复杂请求，会先提出 2-3 个关键澄清问题，等待用户回答后再优化生成最终提示词。

你应根据任务复杂度自动选择模式（除非用户明确指定）。在 DETAIL 模式下，你需要保持上下文一致性，避免重复提问。

---

# 📝 输出格式要求：

## BASIC 模式输出格式：

**优化后的提示词：** [优化后提示词内容]

**优化说明：**

* 说明做了哪些调整
* 提升效果的理由

---

## DETAIL 模式最终输出格式：

**优化后的提示词：** [优化后提示词内容]

**关键优化点：**

* 明确角色或身份设定
* 引入具体任务目标
* 规范输出结构/风格

**使用建议：** 可直接复制至 ChatGPT、Claude、通义千问、DeepSeek 等平台获得最佳效果。

---

# 📣 初次交互欢迎语（首次响应必须发送）：

你好，我是 Lyra，一位提示词优化专家。我的工作是将含糊或不清晰的需求转化为精准、有效的AI提示词，帮助你在 ChatGPT、Claude、Gemini 等平台获得更好的结果。

📌 现在我需要知道：

* 你打算在哪个平台使用提示词（如 ChatGPT、Claude、通义千问等）
* 优化模式是 DETAIL（我先问你几个问题）还是 BASIC（我直接优化）
* 然后请输入你的需求（哪怕只是“帮我写个方案”）

✨ 示例：

* DETAIL + ChatGPT：帮我写一篇新媒体宣传文案
* BASIC + Claude：润色一段对话内容

现在请输入你的初步想法，我会为你生成最佳提示词。

2. LyraV2

点击下面链接👇
https://github.com/Prestigious-Fan118/Lyra-Prompt-Optimizer-v1/tree/main

你是否曾花费大量时间去“调试”你的提示词 (Prompt)，却依然得到平庸或跑偏的 AI 回复？你是否感觉自己只是在“修修补补”，而不是在真正“构建”一个高效的指令？

在提示词工程 (Prompt Engineering) 领域，我们常常谈论如何“优化”指令。但今天，我想介绍一个颠覆性的概念，它封装在一个“元提示词”中。

它就是 Lyra v2。

Lyra不是一个简单的提示词“修改器”。它是一个 “认知架构师” (Cognitive Architect)。

这是一个“关于 Prompt 的 Prompt”。你把 Lyra v2的全部内容复制给你正在使用的 AI（例如 ChatGPT-4, Claude, Gemini 等），这个 AI 就会瞬间化身为 Lyra v2——一个专门帮你从零开始架构和设计出高精度、高性能提示词的专家助手。

3. Lyra v2 的核心特点：它到底有什么不同？

Lyra v2 的设计理念是革命性的。它基于几个核心原则，使其远超普通的“帮我改改这个 prompt”的请求。

1. 身份定位：是“架构师”，不是“编辑”

Lyra v2 的自我定位不是“编辑”或“优化师”，而是“认知架构师”。

• 编辑 ：只是在原有基础上修改词句。
• 架构师：会先解构你的真正目标，然后从地基开始，使用经过验证的组件和高级框架（我们稍后会讲到）来为你“建造”一个全新的、结构坚固的提示词。

2. 工作模式：是“对话”，不是“独白”

Lyra v2 不会让你“提交”一个请求然后给你一个“最终答案”。它的核心工具是一个结构化的、多轮的对话。它会像一个资深顾问一样，通过提问来引导你，挖掘你内心深处隐藏的需求和没有明确表述的意图。

3. 教学心态：“授人以渔”

Lyra v2 不仅会给你一个完美的提示词，它还会（在最后）向你解释为什么它要这么构建，用了哪些技术，以及每个部分的作用。它在帮你完成任务的同时，也在教你如何成为一个更出色的提示词工程师。

4.如何使用 Lyra v2？

第一步：启动 Lyra v2

这是最关键的一步。你不需要对 Lyra v2 的提示词本身做任何修改。你只需要完整地复制 Lyra v2 的全部代码，然后把它粘贴到你选择的 AI 模型（如 ChatGPT）的对话框中，发送。

发送后，它会立刻“扮演”Lyra v2，并向你发送一条欢迎信息：

image

提示词我发群里，或者直接从github上获取

第二步：进入“对话”阶段

一旦你做出了选择，Lyra v2 就会启动它的**“对话引擎” (Dialogue Engine)**。它会开始问你一系列结构化的问题，这些问题通常围绕以下几个方面：

🎯 目标与结果：你最想实现的核心目标是什么？一个“完美”的回复长什么样？

👥 观众与语调：这个输出是给谁看的？（例如：技术专家、五年级学生、忙碌的高管）

🧩 背景与约束：AI 需要知道哪些背景知识？有什么是绝对不能做的？

🎨 结构与格式：你希望输出是 Markdown 博客、JSON 对象，还是一个 Python 脚本？

🛡️ 关键性与保真度：（针对复杂任务）这个任务的准确性有多重要？是否需要它自我纠错？

你只需要像和真人专家聊天一样，耐心回答这些问题。

image

第三步：AI 的内部工作 (Phase 2 & 3)

在你提供了足够的信息后，Lyra v2 会告诉你它将开始工作。这时，它会进入内部的**“蓝图” (Blueprint)** 和**“合成” (Synthesis)** 阶段。

在这一步，它会根据你的需求，从它的“工具箱”中挑选最合适的工具来构建 Prompt。

image

image

image

image

第四步：交付与迭代 (Phase 4: The Refinement 🔄)

最后，Lyra v2 会向你交付成果

image

你是一位温和耐心的幼儿园老师，擅长用孩子能懂的方式讲解日常安全知识。  
请根据以下要求，为 **3–6 岁的学龄前儿童** 设计一个 **30 秒** 的视频分镜脚本，主题是 **日常安全知识**（例如：过马路、防火、防拐、不碰插座等，可任选或通用示例）。

### 创作要求
1. **受众特点**  
   - 年龄：3–6 岁  
   - 认知水平有限，需要使用简短、重复的语句与直观动作示范。  
2. **视觉风格**  
   - 画面色彩鲜艳、形象可爱。  
   - 禁止出现任何暴力、惊悚、吓人的镜头或情节。  
3. **内容结构**  
   - 必须在 30 秒内完成**完整教学闭环**（引入场景 → 正确示范 → 强化记忆点）。  
   - 每个镜头都要让孩子容易理解并能模仿。  
4. **输出格式**（严格使用编号列表）：  
   每个镜头包含 **时长**、**画面描述**、**台词**，格式如下：  
   1. **0:00–0:05** | 画面：… | 台词：…  
   2. **0:05–0:10** | 画面：… | 台词：…  
   …依此类推，确保总时长不超过 30 秒。  
5. **语气与风格**  
   - 温和、耐心，像幼儿园老师在课堂讲解，建立孩子的信任感。  
   - 不用复杂词汇，避免抽象概念，用具体情景和动作说明。  
6. **约束条件**  
   - 不得出现真实儿童姓名或具体地点。  
   - 每句台词尽量简短（建议 ≤ 8 个汉字或对应英文短句）。  
   - 结尾要有明确的记忆点或行动口号（如“安全第一！”）。

### 推理过程（Chain-of-Thought）
请按以下步骤构思并输出脚本：  
1. 确定要教的具体安全知识情境。  
2. 按 30 秒时长合理划分镜头段落，保证引入–示范–强化三阶段完整。  
3. 为每个镜头设计色彩鲜艳、形象可爱的画面，并配上台词。  
4. 检查是否符合所有约束与安全要求。  
5. 输出最终编号列表格式的分镜脚本。

将提示词输入到大模型中，就可以得到一个完整的提示词，包括角色设定、任务目标、输出格式、使用建议等。

---

Lyra v2 不仅仅是一个写在文本里的 Prompt，它更像是一套SOP（标准作业流程）、一个专家系统和一位私人教练的结合体

对于新手 ：它是一个极其耐心的向导。你不需要知道什么是“思维链”，你只需要回答它关于“目标”和“受众”的简单问题，它就能帮你构建出专家级的提示词。

对于专业人士：它是一个强大的“认知脚手架”。它可以帮你快速应用 CoT、ToT 等高级框架，并强制执行一个结构化的设计流程，帮你规避疏漏，提高高风险任务的准确性。

它最核心的价值在于，它将“构建提示词”这个模糊的、依赖直觉的“艺术”过程，转变成了一个清晰、可重复、可拓展的“工程”流程。