写好 Prompt 需要同时看懂模型、看懂行业，也看懂表达本身。分享者先从自己的使用经验说起，说明书籍中的方法论、笔记和框架可以借助大模型封装成可直接调用的 GPTs，前提是先判断模型特性，再把知识转成适合该模型的提示方式。随后他把写好 Prompt 归纳为三层：理解 LLM 的差异，沉淀行业 know-how，保持逻辑清晰且前后不矛盾，并强调真正拉开差距的往往不是技巧数量，而是对领域的深度理解和表达能力。后半部分进一步讲到如何提炼初稿、把重复劳动抽象成 Meta-Prompt 和 SOP Prompt，同时指出随着模型能力上升，人类更需要回到基本功，守住逻辑与审美这两条线，借此提升 Prompt 的质量与可复用性。