我构建了90多个 AI prompts，因为原始转录稿毫无用处

Source: Dev.to

我一直遇到的问题

我在工作中做访谈，主要是营销方面。目标通常是把 45 分钟的对话转化为可发布的内容——博客文章、社交剪辑，等等。

我会把文字稿粘贴到 Claude 或 ChatGPT 中，然后说类似“把它变成一篇博客文章”。
输出是……还行？但很普通。它会进行概括，而不是提取真实的引用，失去了受访者的声音。我得花一个小时去修正，然后想：“我本来可以自己写的。”

会议记录也是同样的情况。“总结这次会议”会给我一个概括，但我真正需要的是：

• 我们决定了什么？
• 谁负责什么？
• 接下来要做什么？

完全是另一个问题。

所以我开始构建 Prompt

不是因为我计划要这么做——而是因为我不断微调同一个 Prompt，直到它真的有效。

博客文章的 Prompt 用时最长。我需要它：

• 保持受访者的真实声音（不要把所有内容都消毒成公司语言）
• 提取真实引用，而不是把所有内容都改写
• 像真正的文章一样组织结构，而不是书面报告
• 以有趣的开头引入，而不是“在这次访谈中，我们讨论了……”

这个 Prompt 大约经历了 15 次迭代才不再让我烦恼。

随后我又为会议摘要构建了一个 Prompt，能够分别提取决策和行动项；为将播客转成社交帖子的 Prompt；以及为清理原始文字稿中说话者标签的 Prompt。到某个时刻，我回头一看，已经有 90+ 条了。

我对 Prompt 的一些体会

早期的 Prompt 太模糊。“总结一下”并没有告诉模型我真正关心的是什么。

最有效的 Prompt 往往几乎让人恼火地具体：

• 具体的输出格式是什么？
• 应该包含哪些内容，哪些要忽略？
• 什么语气？多长？
• 在开始之前应该向我提出哪些问题？

最后一点是一次突破。最好的 Prompt 不仅直接运行——它们先进行澄清。例如：“在我处理之前，告诉我：有多少说话者，他们的名字是什么，背景是什么？”
当模型了解它在处理什么时，输出会好得多。

一些实际有用的 Prompt

我经常回头使用的几条：

• 文字稿清理器 – 将带有 “Speaker 0” 与 “Speaker 1” 标签的原始输出转换为可读的、带有真实姓名和正确格式的文本。听起来很平常，但这是我使用最频繁的。
• 访谈 → 博客文章 – 提取对话中有趣的部分并组织成正式文章。保持原始引用不变，并写出不显得像 AI 写的过渡句。
• 会议行动项 – 从会议文字稿中抽取决策、任务和负责人，过滤掉 40 分钟的闲聊，只留下真正重要的 5 件事。
• 播客社交套装 – 根据一集文字稿生成一批社交帖子：引用卡、讨论问题等。

我还为法律文字稿（证词分析、矛盾检测）构建了一些奇怪且特定的 Prompt，虽然不确定是否有人需要，但它们确实存在。

现在它们在哪里

我把这些 Prompt 放在 GitHub 上，并从转录站点链接过去。它们按使用场景组织。有的附带完整的使用说明；有的仅是 Prompt 本身。它们兼容 Claude、ChatGPT、Gemini——任何模型都可以使用。文字稿的格式比使用的模型更重要。

仍在迭代中

其中一些已经相当成熟；另一些我仍不满意。尤其是社交媒体的 Prompt——让大模型写出不显得是大模型写的内容本身就是一个挑战。

如果你也为处理文字稿（或任何结构化文本）构建过 Prompt，我很想了解哪些方法对你有效。对我来说，“先提出澄清性问题”的模式是最大的提升，但我相信还有我未尝试的技巧。