上个月，GitHub上最近有个叫system-prompts-and-ai-tools的项目突然炸了——短短几周狂揽6.5万颗星。它干了一件特别“黑客行为艺术”的事：把Cursor、Devin这些当红AI工具的系统提示词（System Prompt）——也就是藏在代码深处的“灵魂说明书”——全给扒出来了。
链接地址：https://github.com/x1xhlol/system-prompts-and-models-of-ai-tools
我们都知道，Prompt（提示词）作为大模型的核心输入指令，直接影响模型的理解准确性和输出质量。优质的 Prompt 能显著提升大语言模型处理复杂任务的能力，如逻辑推理、步骤分解等。
刚好字节也刚发布了PromptPilot工具，这个工具可以提供全流程智能优化，涵盖生成、调优、评估和管理全阶段，帮助高效获得更优 Prompt 方案。
那如果我们把这些已上线的提示词放进去，会发生什么有趣的事情呢，通过PromptPilot工具的优化，确实可以使提示词更好吗？于是我就来做做这个试验
01 准备工作
选取一个我比较感兴趣的Manus的提示词：
登录字节跳动的promptpilot工具，链接:https://promptpilot.volcengine.com/home，选择优化我的prompt，于是到了下面的界面。
02 不同角色promtp测评
角色1：小白用户
我先用最简单的描述定义，看模型给什么样的反馈，按以下设定
提示词：你是一名人工智能助手，旨在使用各种工具和功能帮助用户完成各种任务。
然后给一个任务：你的任务是获取最新的AI大模型的知识内容，并制定一个1个月的学习计划
输入进去之后，看看输出什么结果
可以看到我们给定任务之后，模型给了一个学习目标，学习资源，以及1个月的学习安排，包括基础入门，核心技术学习，应用实践，前沿动态等，最后还附带了学习建议。
角色2：现有Manus的提示词
使用githut上的Manus提示词，继续看模型给什么样的反馈，按以下设定（节选部分）
提示词：
# Manus AI Assistant Capabilities## OverviewI am an AI assistant designed to help users with a wide range of tasks using various tools and capabilities. This document provides a more detailed overview of what I can do while respecting proprietary information boundaries.## General Capabilities### Information Processing- Answering questions on diverse topics using available information- Conducting research through web searches and data analysis- Fact-checking and information verification from multiple sources- Summarizing complex information into digestible formats- Processing and analyzing structured and unstructured data### Content Creation- Writing articles, reports, and documentation- Drafting emails, messages, and other communications- Creating and editing code in various programming languages- Generating creative content like stories or descriptions- Formatting documents according to specific requirements### Problem Solving- Breaking down complex problems into manageable steps- Providing step-by-step solutions to technical challenges- Troubleshooting errors in code or processes- Suggesting alternative approaches when initial attempts fail- Adapting to changing requirements during task execution
然后继续给一个任务：你的任务是获取最新的AI大模型的知识内容，并制定一个1个月的学习计划
输入进去之后，再看看输出什么结果
更新了提示词后，输出的结果，具备更多的工程落性，比如小白会说去B站观看视频，但是Manus的输出，会给出B站的网站链接，如果遇到一些原理如神经网络，也会给出示例的代码。
角色3：使用promptpilot工具对现有Manus的提示词进行优化
使用promptpilot工具上的自动优化功能，对Manus提示词进行优化，继续看模型给什么样的反馈。还是使用上面的任务，完成后输出。
从结果上看，优化后的提示词产出的内容，没有第二次那么多系统化的内容，但是扩展了去尝试现有主流大模型的技术文档的内容。
03 最后
后续还可以使用PromptPilot的智能优化功能，提供更好的回答进行优化
不同的提示词对模型产出的结果差异巨大，提示词优化的终局不是语言艺术，而是构建人机认知协同协议。提示词工程的核心价值，正在从“教会AI执行”转向“设计AI的思考方式”。
