事情是这样的：我想发一条朋友圈，配图要一只可爱的橘猫。

我打开某AI画图工具，虔诚地输入：「一只可爱的橘猫」

点击生成。

三十秒后，我看到了一张——怎么说呢——仿佛被深渊注视过的橘色生物。它的眼睛数量不太对，四肢的个数也超出了我的认知范围。

我陷入了沉思。

人与AI之间的「巴别塔」

你有没有发现，人和AI之间的沟通障碍，有时候比人和人之间还离谱？

人跟人说「画一只可爱的猫」，对方就算画技再差，至少不会给你整出七条腿来。因为人类共享着同一套文化模因——我们都知道猫长什么样，「可爱」是什么意思。

但AI不一样。你以为你在描述一个概念，其实你只是在调参数。

「可爱」这个词，AI可能会理解为：大眼睛、圆脸、短四肢、暖色调。然后它会尽可能把这些元素堆到最大化——结果就是一张过度解读的「可爱」，可爱到开始恐怖。

Prompt: 一只可爱的猫
AI理解: 可爱=超大眼睛+超圆身体+超短腿+橘色+无处安放的水汪汪眼神

问题出在哪？出在你把「可爱」当成了一个简单的形容词，而不是一套复杂的文化共识。

Prompt写作的「祛魅」时刻

我见过太多人把AI想得太聪明，也见过太多人把AI想得太蠢。其实AI就是一个——怎么说呢——非常努力但不太懂人情世故的实习生。

你跟实习生说：「帮我整理一下客户资料。」他可能整理出来了，但你发现他按首字母排序而不是按成交金额排序，或者他把带「待处理」标签的客户和已成交的客户混在一起。

不是他不想做好，是他真的不知道你脑子里想的是什么。

AI也一样。

所以Prompt Engineering的本质，不是「学会怎么跟AI说话」，而是「学会怎么把你的脑子里那个画面，完整地翻译成AI能理解的指令」。

这需要的不是技术能力，是——共情能力。你得知道AI的「认知盲区」在哪。

三个让我交学费的教训

教训一：负面描述比正面描述更有效

刚开始我写Prompt都是加法：「一只橘色的猫，可爱的，大眼睛，胖胖的，毛茸茸的，温暖的」

结果AI给我的猫温暖到发光——它给猫加了一圈太阳一样金色光晕。不是说不行，但对于我的朋友圈来说，有点过于神圣了。

后来我学聪明了，开始用减法：

橘猫写实风格，无特效，无光晕，无背景干扰，不要卡通，不要拟人化，比例正常，四肢齐全

你看，后面这一串「不要」比前面的「要」有用多了。有时候你知道你想要什么，不如你知道你讨厌什么。

教训二：风格词比形容词管用

「高级感」这三个字，在AI眼里约等于「加金色和灰色，加模糊背景，加莫名其妙的光效」。

但如果你说「参考苹果产品官网的产品图风格」——AI秒懂。

所以下次你想表达「高级」，不如想想哪张图在你脑子里是「高级」的，然后直接引用那个风格。AI对例子免疫，对形容词脸盲。

教训三：数量词要精确到有病的地步

「几个人」在AI那里是个玄学。它可能给你画3个人，也可能给你画9个人，全凭心情。

如果你要5个人，就写「5个人」，然后再加一句「不要多余人，不要路人，不要背景人物」。

你不把话说死，AI就敢发挥。

「调教」AI的正确姿势

很多人把AI当成一个「你说啥它做啥」的工具。这是对AI最大的误解。

AI更像一面镜子——你输入什么，它就反射什么。你输入模糊，它就给你混沌；你输入精确，它就给你精准。

这不是AI的问题，是人类表达的问题。

我们平时说话太依赖上下文了：「差不多就行」「大概这个感觉」「你懂的」——人类沟通有大量隐性信息靠默契传递。但AI没有这种默契，你得把每个「你懂的」翻译成「我要的是XXX，而不是YYY」。

所以调教AI的终极奥义是：

先调教自己。

学会把脑子里的画面用语言精确描述出来——这件事本身，就已经是一种稀缺能力了。

那只猫后来怎么样了

最后我还是发出去了那条朋友圈。

配图是那只克苏鲁橘猫。配文写的是：「第一次用AI画图，感觉我和它之间，有一个在理解上出了点问题。」

结果那条朋友圈是我今年点赞最多的一条。

所以你看，有时候「失败」的内容，反而是最有趣的。AI画不出「可爱的猫」，但它画出了一只让所有人记住的猫。

这算不算另一种意义上的成功？

最后

AI时代最值钱的能力，可能不是「会用AI」，而是「会表达」。

能把一个模糊的想法说清楚，能把一个抽象的概念具象化，能站在AI的角度思考「它会怎么理解这句话」——这种能力，未来会比任何工具技巧都重要。

因为工具会变，但表达的底层逻辑不会。

下次当你觉得AI「听不懂人话」的时候，先别骂它，想想是不是自己的「人话」说得还不够好。

共勉。