跨 AI 提示词转换
好消息：提示的基本功在每一个模型之间都能迁移。 如果你能把 Claude 提示好，你就能把 ChatGPT、Gemini 或 Llama 提示好。只有少数表层细节不同——这就是那块罗塞塔石碑。
哪些到处都能迁移
这些在所有模型上都有效——它们关乎沟通，而非某个厂商：
- 提供背景：目标、受众、格式、语气（提示词基础）。
- 示例（少样本）。
- 在难任务上要求推理。
- 约束输出（长度、格式、"只要 JSON"）。
- 用平实的语言迭代。
- 角色／系统提示——每个主流模型都有这个概念（角色）。
学会这些一次，你就能随处通用。
哪些有差异（以及如何调整）
| 方面 | 切换时需注意 |
|---|---|
| 结构提示 | Claude 偏爱 XML 标签；其他模型也接受，但可能更偏好 Markdown 标题或 JSON。 |
| 语气强度 | 旧模型能容忍强硬／全大写的提示词；较新的字面遵循者更偏好平和、具体的指令。需按模型重新调校。 |
| 推理 | "一步一步思考"对某些模型有帮助；专门的推理模型会在内部完成此过程——不要重复叠加。 |
| 预填充 | 替助手把话先说出来是一种 Claude 风格的杠杆；其他模型的支持程度各异。 |
| 系统提示的权重 | 每个模型都有，但被遵循的强度各不相同——需测试。 |
| 工具／函数调用 | 概念相同，但各厂商的请求结构（schema）不同。 |
一套可移植的工作流
- 用通用的结构（背景 + 格式 + 示例）来写提示词。
- 用几个真实输入在你的目标模型上测试（评估）。
- 仅在需要时调整上面提到的表层细节。
- 把提示词纳入版本控制，这样切换模型的成本就很低。
:::tip 不要从零重写 迁移到新模型很少需要一条全新的提示词——通常只需微调语气／格式。你的结构和示例都能延续。 :::