元元提示法笔记 — 让 AI 智能体真正运转的秘密

解决什么问题

直接写超长 prompt 容易翻车：维护成本高、迁移困难、调试不可见。GarryTan 提出的”元元提示法”是把这个过程拆成两层：

你 → 用提示让 AI 写一个 prompt → 用这个 prompt 跑实际任务

第一层是”造工具”，第二层是”用工具”。

核心思想

1. 不要追求一个完美 prompt，追求一个能稳定生成 prompt 的元 prompt
2. 每个工作流都应该可以被 skillify（沉淀为 skill 文件）
3. Cross-Modal Eval：用一个 AI 审核另一个 AI 的输出，做 gate

三个配套工作流

工作流	作用
Book-Mirror（书镜）	逐章读书 → 双栏映射个人经历 → 个人镜像
Meeting-Enrichment	会议 → 实体脑页更新 → 知识图谱
Cross-Modal-Eval	多模型质量审核 gate

元元提示法的实操

Step 1：定义任务 → 写元 prompt

"我需要一个 prompt 来做 [任务]。
任务的输入是 [X]，输出是 [Y]。
请生成一个高质量的 prompt，要求：
- 包含明确角色、目标、输入输出格式
- 包含 5 个示例
- 包含失败案例的边界处理
"

Step 2：把生成的 prompt 当模板

• 保存到 Skill 库
• 输入变量化（用占位符）
• 留可调参数（创造力 / 严谨度等）

Step 3：跑工作流

• 用模板 + 实际数据 → AI 跑任务
• 用 Cross-Modal-Eval 审核结果
• 不达标自动回到 Step 1 迭代

为什么有效

• 元 prompt 复用率 > 业务 prompt：业务每周变，元 prompt 几个月不变
• 维护成本低：改一个元 prompt = 改一整类业务
• 可观测：每次生成的 prompt 都可以审阅，不像黑盒

风险边界

• 元 prompt 的稳定性必须先测试通过：用 5 个不同任务输入，看生成的 prompt 是否一致
• AI 模型变更（GPT-4 → GPT-5）会让元 prompt 失效，需要重新校准
• 不适合极简任务：3 行能解决的事不要套元元提示法

配套资料

• 原文存档：2026-05-09 GarryTan 分享
• 实战案例：Book-Mirror / Meeting-Enrichment / Cross-Modal-Eval 三件套