M2-L3 · 迭代优化：让提示词从 V1 进化到 V3
适合谁读这节课
适合：已经能写出基础提示词，但每次需要改好几轮才能得到满意结果，想让迭代更有方向感的人。
不适合：还没完成 M2-L1 和 M2-L2 的人——先把 BROKE 框架和三个规律做熟。
读完这节课你能做到什么：拿到一个不满意的 AI 输出，能快速诊断问题出在哪里，用系统化的方法迭代到满意——而不是靠感觉反复改，越改越没方向。
真实的提示词，从来不是一次写成的
有一种常见误解：好的提示词高手能"一发入魂"，第一次就得到完美结果。
现实是：迭代是正常的，不迭代才奇怪。
差别在于：
- 无效迭代：感觉不对 → 随机改一些词 → 重发 → 感觉还是不对 → 再改 → 循环
- 有效迭代：感觉不对 → 诊断出问题在哪 → 有针对性地修改 → 重发 → 明显改善
这节课讲的是有效迭代的方法。
一次真实的迭代过程（加湿器文案案例）
假设你是做家居产品的，需要为一款加湿器写一段推广文案。
V1（BROKE 填得很简单的版本）：
给 AI 的提示词：
帮我写一段加湿器的推广文案，读者是年轻女性，语气温柔一点。
AI 输出（V1）：
这款加湿器，让每一天都温润如初。
静音设计，让你安心入眠；柔雾加湿，让肌肤保持水润。
在家的每个角落，都有它陪伴的痕迹。
你的诊断：
- 太通用，说的是所有加湿器都能说的话
- 没有任何具体的产品特点
- "温润如初"这类词感觉像模板
V2（针对"太通用"做修改）：
加上了你的产品特点：
帮我写一段加湿器的推广文案，读者是年轻女性，语气温柔一点。
产品特点：500ml 大容量，一次加水用一整夜；出雾口可以 360° 旋转；噪音低于 25 分贝；有香薰功能，可以放精油。
重点突出：睡觉时不需要中途起来加水这个痛点的解决。不要说"高品质"、"卓越"这类词，用具体细节说。
AI 输出（V2）：
睡前加满，一觉到天亮。
500ml 大容量，8 小时持续加湿，不用半夜起来补水。
25 分贝静音，比正常呼吸声还安静，闭眼就能忘记它在工作。
360° 出雾，不管床头放哪边都能照顾到。
还可以滴几滴喜欢的精油，让整个房间都是你的味道。
你的诊断：好多了，有具体细节，最后一句有点用力过猛。
V3（微调语气）：
只需要告诉 AI：
最后一句"让整个房间都是你的味道"太用力了，改成更自然、更低调的表达。其他保持不变。
AI 输出（V3）：
睡前加满，一觉到天亮。
500ml 大容量，8 小时持续加湿，不用半夜起来补水。
25 分贝静音，比正常呼吸声还安静，闭眼就能忘记它在工作。
360° 出雾，不管床头放哪边都能照顾到。
还可以滴几滴精油，睡前给自己一点仪式感。
用了 3 轮，最终结果和一开始相差 10 倍。 关键是每轮迭代都有清晰的诊断——改什么、为什么改。
迭代诊断的四个维度
拿到 AI 输出，觉得"哪里不对"，用这四个维度找原因：
| 维度 | 问自己 | 对应的修改方向 |
|---|---|---|
| 方向 | 整体方向对吗？还是走偏了？ | 回到 BROKE 的 O（目标），重新说清楚你要的结果 |
| 内容 | 内容是否具体？有没有缺少关键信息？有没有加了你不要的内容？ | 在 B（背景）里补充更多具体信息；明确说"不要X"（记得用正面方式） |
| 格式 | 长度对吗？结构对吗？语气对吗？ | 在 K（关键结果）里更精确地描述格式 |
| 细节 | 整体方向对，但某个具体段落或措辞不对 | 直接指出那个段落，说明想要什么替代 |
一个神器：让 AI 帮你改提示词
当你发现 AI 的结果不满意，但你说不清楚哪里不对，可以这样做：
你刚才给我的结果，我不满意，主要原因是：[简单描述你的感受，比如"太通用"、"感觉太正式"、"重点不突出"]。
基于这个反馈，帮我分析：
1. 可能是我最初的提示词哪里没说清楚？
2. 建议我怎么修改提示词，能让下一版更接近我想要的？
AI 会分析你原来的提示词的问题，并给出建议修改方向。 这个方法在你自己诊断不出问题的时候特别有用——让 AI 帮你找提示词的漏洞。
上下文积累：对话越长，效果越好
很多人用 AI 的方式是：一个任务开一个新对话，每次从零开始。
这样有个损失：在同一个对话里，你说过的每一条信息，AI 都能"记住"并在之后的回答里参考。
在一个对话里做迭代，AI 知道：
- 你的读者是谁
- 你之前对哪些结果满意、哪些不满意
- 你的风格偏好
这叫上下文积累。它让你不用每一轮都重新说背景，AI 会在你之前说过的基础上继续。
实用建议：对于一个重要的内容任务，在同一个对话窗口里完成，不要开新对话——你的上下文在里面，是隐形的资产。
但要注意：上下文有上限（模型的上下文窗口大小）。超过这个限制，AI 就会"遗忘"早期的对话。对话很长的时候，重要的背景信息可以在中途主动重复一次。
一张工作流分工图
把你的内容生产流程画出来，在每个环节标注 AI 的角色：
选题 AI 生成候选 → 你过滤、确定
调研 你收集素材 → AI 整理提炼 → 你核查
搭结构 AI 提供 3 种结构选项 → 你选一种 → AI 细化
写初稿 你提供骨架+素材 → AI 生成 → 你注入个人视角
修改润色 你写完 → AI 提建议 → 你决定接受哪些
平台适配 你确认成品 → AI 生成各平台版本 → 你发布
核心原则：在每个"→ 你决定"的节点，不要把控制权交出去。AI 提供选项，你做判断。
引导练习
准备：你手头任意一个你最近用 AI 做过但不太满意的内容任务。
任务：
- 找出你当时给 AI 的提示词（或者重建一下）
- 用四个诊断维度（方向 / 内容 / 格式 / 细节）找出问题
- 按照诊断结果重写提示词，进行 V2
- 对比 V1 和 V2 的差距，记录下来
独立挑战
关掉讲义，独立完成。
任务：完成一次完整的 V1 → V3 迭代：
- 选一个你实际需要完成的内容任务（不是练习题）
- 写 V1 提示词，发给 AI，拿到 V1 结果
- 诊断 V1 的问题，写 V2 提示词，拿到 V2 结果
- 诊断 V2 的问题，写 V3 提示词，拿到 V3 结果
- 写下：从 V1 到 V3，你改了什么、为什么改，以及 V3 比 V1 好在哪里
重要：把每次的诊断记录下来——这是你在建立自己的迭代经验。
量规
通过条件：
- 你完成了完整的 V1 → V3 迭代，三个版本都有（不只是想象的，是真实发给 AI 的）
- 你对每次迭代都有清晰的诊断（改什么、为什么改），不是随机改
- 你能说出 V3 比 V1 具体好在哪里（不是"更好"，是"具体哪些方面更好"）
不通过：只做了一轮修改就停了，或者没有记录诊断过程——迭代的价值在于积累经验，不在于那一次的结果。
模块 2 小结
模块 2 结束。你具备模块 3 的入场条件，如果能不看讲义回答这三个问题：
- BROKE 框架是哪五个要素？"角色"要素背后的原理是什么？
- "粉色大象效应"是什么？怎么避免？（说原理，不只是说"要用正面表达"）
- 当你拿到 AI 的不满意输出，你会用哪四个维度来诊断问题？
三个都能回答，进入模块 3。
进入模块 3
M3 · AI 工作方法论
模块 2 你学的是如何完成单个任务。模块 3 往上走一层：如何设计可以重复使用的工作系统，以及两个让 AI 能力再上一层台阶的进阶技术——上下文工程和链式推理。