用 Learning Prompt 系统学习提示工程：从课程到实战提示词

很多人用 ChatGPT 或 Midjourney 时，卡住的不是工具本身，而是不知道该怎么说。随手写一句需求，得到的结果往往泛泛而谈；看到别人一段提示词效果很好，却说不清它为什么好、换到自己的场景还能不能用。Learning Prompt 就是针对这个问题的一个免费在线学习平台：它不直接给你一堆现成提示词去复制，而是讲提示工程（Prompt Engineering）的方法与原理，解释一条提示为什么有效、该怎么改。平台覆盖 ChatGPT 这类文本生成工具和 Midjourney 这类图像生成工具，内容以简单易懂的方式组织，对初学者和非英语母语者比较友好。

这篇教程要解决的问题是：把 Learning Prompt 上的课程真正用起来，形成一条从读原理到写出自己提示词的可执行路径。适合的读者包括：刚开始接触 AI 工具、想系统补提示设计基础的人；已经在用 ChatGPT 或 Midjourney、但输出质量不稳定、想弄明白原因的人；以及需要把提示工程讲给同事或学生听、想找一套结构化材料的人。如果你只是想找几条能直接粘贴的提示词，这个平台的组织方式可能不是最省事的；它的价值在于让你具备自己写、自己改的能力。

准备工作

Learning Prompt 是在线学习平台，不需要安装客户端，也没有复杂的账号体系要求。开始之前，把下面几件事准备好，学习过程会顺畅很多。

• 一个可用的浏览器与稳定网络：课程内容在网页上阅读，部分页面可能包含较多图文，网络不稳定会影响阅读体验。
• 一个 ChatGPT 账号：平台以 ChatGPT 作为文本生成的示例工具。要跟着教程动手输入提示词、观察输出，你需要能实际使用 ChatGPT。具体可用地区、套餐与功能以 OpenAI 官网当前信息为准。
• 一个 Midjourney 使用入口：图像生成部分以 Midjourney 为例。Midjourney 的订阅方式、价格与可用渠道会变化，请以其官网当前信息为准；如果你暂时没有 Midjourney，也可以先只学文本部分，图像部分的原理（主体、风格、构图、参数）同样可以迁移到其他图像工具上理解。
• 一个记录用的文档或笔记：这是容易被忽略但很关键的一项。提示工程的学习成果大量来自对比——同一条需求换一种写法，输出差在哪里。准备一个地方，把「提示词原文 + 输出摘要 + 你的判断」三样记下来，后面复盘时非常有用。
• 明确一个自己的真实需求：比如「给新产品写一段介绍」「生成一张用于社交媒体的配图」「把一段技术说明改写成给非技术读者看的版本」。带着具体需求去学，比漫无目的地浏览模块效率高得多。

需要说明的是，平台本身免费提供教程内容，但你在练习中使用的 ChatGPT、Midjourney 等工具可能有各自的收费方案与使用限制，这部分与 Learning Prompt 无关，务必以各工具官网的当前说明为准。

操作步骤

第一步：进入平台，先看整体结构

在浏览器中打开 Learning Prompt 的站点，进入主页后不要急着点进第一个模块，先花几分钟把课程目录或教程入口浏览一遍。目的是建立一张地图：平台大致分成哪几块内容，文本生成和图像生成分别在哪里，基础概念部分和具体工具部分是怎么排布的。

这一步的产出应该是你自己的一句话总结，例如「前面讲提示的基本构成，中间分 ChatGPT 和 Midjourney 两条线，后面是案例和练习」。有了这句话，后面选模块时就不会迷路。如果平台提供搜索或分类导航，也可以顺手确认一下有没有按难度或按工具筛选的入口。

第二步：按需求选择模块，而不是从头到尾顺序读

课程内容通常既有通用原理，也有针对具体工具的章节。比较高效的做法是先补基础，再直奔与你当前需求相关的模块：

• 如果你的主要用途是写作、改写、总结、问答，优先进入 ChatGPT 相关的文本生成模块。
• 如果你的主要用途是配图、海报、概念图、风格探索，优先进入 Midjourney 相关的图像生成模块。
• 如果你两边都要用，建议先完成基础原理部分，再分别进入两条工具线。原理部分讲的是提示的结构、约束条件、示例的作用这类通用内容，学一次可以复用到所有工具。

不要因为「想学完整」就从第一页硬读到最后一页。提示工程是一门偏实践的技能，读三节不动手，效果远不如读一节练一次。

第三步：读基础知识时，把抽象原则翻译成自己的场景

基础部分会讲提示为什么有效、怎样构建和优化提示。阅读时建议做一件事：每读完一个原则，立刻用你自己的需求造一个例子。比如教程说「明确角色和任务边界能减少跑题」，你就写一条带角色设定的提示，而不是只在心里点头。

这一步可以用一个简单的模板来组织你的笔记：

原则：（用自己的话复述，一句话）
我的场景：（具体任务）
改写前提示：（原始写法）
改写后提示：（应用该原则后的写法）
输出差异：（一两句描述，不必贴全文）
是否有效：（有效 / 无效 / 不确定，以及原因）

「不确定」和「无效」的记录同样有价值。提示工程里很多结论是有条件的，记下失效的情况，比只记成功案例更能帮你建立判断力。

第四步：跟着示例亲手输入，做对照实验

教程里给出的示例和步骤，不要只是读。正确做法是在 ChatGPT 或 Midjourney 里原样输入一次，观察结果，再对照教程中的分析。然后做一次只改一个变量的对照实验：

• 文本场景：保持任务不变，只改角色设定，或只改输出格式要求，或只加/去掉一个示例，看输出如何变化。
• 图像场景：保持主体不变，只改风格描述词，或只改构图/画幅相关的描述，看画面如何变化。

一次只改一个变量，是让实验结果可解释的前提。如果同时改三处，输出变好了你也不知道是哪一处起了作用。每次实验后回到第三步的笔记模板里补一行记录。

第五步：用平台提供的案例和练习做自测

平台提供学习材料、案例和练习。做练习时建议采用「先写后看」的顺序：先不看参考答案，自己写一版提示，运行得到输出，然后再去看教程里的写法与分析，比较两者的差异。差异点通常集中在几个地方——任务描述是否具体、约束是否明确、有没有给示例、输出格式是否被规定。把这些差异点归类记下来，它们就是你后续写提示时的检查清单。

第六步：把学到的结构固化成自己的提示模板

学完一个模块后，不要停留在「理解了」，要产出一个可以重复使用的模板。一个通用的文本提示骨架大致包含这些位置（具体写法按你的任务调整）：

角色/视角：你是一位……
任务：请完成……
输入材料：……
约束条件：长度、语气、必须包含/必须避免的内容
输出格式：分段 / 列表 / 表格 / 字数范围
示例（可选）：输入示例 → 期望输出示例

图像提示的骨架则更偏向描述顺序：主体是什么、处于什么环境、什么风格与媒介、光线与色调、构图与视角。把这两套骨架存进你的笔记，以后遇到新任务，先套骨架再填内容，比每次从零开始想要快得多，也稳定得多。

第七步：参与交流，但带着具体问题去

平台设有社区，供学习者交流与分享经验。社区的价值在于解决具体困惑，而不是泛泛地逛。提问前先准备好三样东西：你的任务目标、你写的提示原文、以及你不满意的输出表现。这样别人才能给出有针对性的修改建议。同样，看到别人分享的提示词时，重点不是抄下来，而是分析它用了哪些你在课程里学过的结构。

一个完整示例

下面用一个具体任务把上面的流程走一遍：为一段技术说明写一个面向普通读者的科普版本，并配一张说明性插图。这个任务同时用到文本和图像两条线，正好覆盖平台的两类内容。

目标：把一段关于「缓存」的技术描述，改写成普通读者能看懂的短文，并生成一张用于文章开头的概念插图。

第一版提示（未学习前的典型写法）：

帮我改写这段技术说明，让它通俗一点：
（粘贴原文）

运行后通常会得到一个「稍微口语化但结构没变」的结果：术语还在，句子变短了，但普通读者仍然不知道缓存到底解决什么问题。把这次输出记进笔记，作为基线。

应用课程中的原则后，第二版提示：

角色：你是一位面向大众读者的科普作者。
任务：把下面的技术说明改写成一段科普短文。
读者：没有计算机背景的普通读者。
约束：
- 不使用「缓存命中」「淘汰策略」这类术语；如必须提到，先用一句日常类比解释
- 用一个生活化的类比贯穿全文
- 长度控制在 200 字以内
- 不要使用夸张的营销语气
输出格式：先给一句结论，再给类比解释，最后一句说明它的代价或局限。
原文：
（粘贴原文）

对比两版输出，差异通常出现在三处：读者被明确指定后，术语密度下降；约束里要求「先解释再使用」后，类比出现了；输出格式被规定后，结构变得可预期。这三处差异正好对应课程里讲的几个原则，把它们写进你的检查清单。

图像部分的第一版提示：

画一张关于缓存的图

结果往往是一个含义模糊的抽象图形。按图像提示的描述顺序重写：

主体：一个书架和一个经常被取用的常用书格
环境：简洁的室内场景
风格：扁平化插画，柔和的配色
光线：均匀的室内光
构图：正面视角，主体居中，留出上方空白用于放置标题
用途：文章开头的概念插图

第二版提示把「画什么」拆成了可判断的几个维度，输出与用途的匹配度会明显提高。如果结果仍不理想，按第四步的方法，一次只改一个维度——先只换风格，再只调构图，逐次记录变化。

收尾：把这次任务的两套提示（文本版、图像版）连同实验记录一起存进笔记，作为模板。下次遇到「把专业内容讲给外行听」或「为文章配概念图」的任务，直接套用骨架，只替换内容部分。

注意事项

• 平台教的是方法，不是成品提示词库：如果你期待打开就能复制一堆提示词直接用，可能会觉得进度慢。它的定位是讲原理和技巧，收益体现在你自己写提示的能力上，需要投入练习时间。
• 课程示例基于特定工具，但原理可迁移：文本部分以 ChatGPT 为例，图像部分以 Midjourney 为例。这两个工具的界面、模型版本、参数支持都会变化，教程中的具体操作细节可能与你当前看到的界面不一致。遇到这种情况，以工具官网的当前文档为准，把注意力放在提示的结构与逻辑上。
• 工具侧的可用性与收费随时变化：ChatGPT、Midjourney 的套餐、价格、功能范围、可用地区均由各自官方决定，本文不给出具体数字。开始学习前请自行确认当前情况，避免按过时信息做规划。
• 不要跳过对照实验：只读不练是这类课程最常见的浪费。提示工程的效果高度依赖具体场景，别人的结论在你的任务上未必成立，只有自己做一次单变量对照，才知道哪条原则对你有效。
• 记录比记忆重要：提示词的调整往往很细微，隔几天就记不清当时改了什么。坚持用笔记模板记录「提示原文 + 输出摘要 + 判断」，是长期进步最省力的方式。
• 社区提问要给足上下文：只贴一句「为什么我的提示效果不好」，很难得到有效回答。附上任务目标、提示原文和不满意的输出表现，回复质量会高很多。
• 注意内容边界：用 AI 生成内容时，涉及事实性信息需要自行核实；用于公开发布的材料，还要注意版权与平台使用条款的要求。