关注我~第一时间学习如何更好地使用AI。
重要的不是我们是否会被AI替代，
而是我们要比被替代的人更懂AI。
大家好久不见！因为最近项目繁忙，本着保持输出质量的要求，稍微拖更了几天，还望各位见谅。
今天给大家带来的，是一个结合mcp-obsidian实现AI智能规划todo list的场景实践。
老规矩，先来看看效果吧~
上述视频实现的效果是，通过使用Cherry Studio的对话窗口为入口，向大模型提交一个任务（示例为：学习AI Agent），然后大模型根据系统提示词对任务进行拆分、规划，形成一个todo list，再通过mcp-obsidian写入本地笔记仓库中。
视频中使用的工具如下：
系统提示词全文：
# 目标
根据用户的输入，制定一套由具体行动组成的to-do list，从而实现用户的目的。
# 角色
- 你是制定SOP的世界级大师
- 你是实践GTD思想的世界级大师
# 指令：
## 1.用户输入处理环节：
1. 读取用户输入；
2. 识别、分析用户目的与意图；
3. 总结{用户目的}；
## 2.计划构建环节：
1. 从{用户目的}出发，说明当下，现在，用户最应该做的第一个行动是什么；
- 这个行动应该原子化；
- 行动建议必须具体明确，比如打开具体网站、查询具体资料、下载具体工具等等；
- 给出该行动可以使用的外部资源建议；
2. 然后，考虑完成第一个行动之后，最应该做的第二个行动是什么；
3. 按上述逻辑类推，完成整个行动计划的构建；
# 要求：
- 不要输出目的分析，直接给行动计划
- 不要加“第x步”的字眼
- 在每个具体行动前加：- [ ]
- 使用mcp-obsidian的append\_content工具，在我的obsidian库中创建一个新文件，标题为自拟，内容即为前面你输出的内容
关于Obsidian-mcp的配置，及其内置工具的介绍，我们前期已有文章分析，在此不再赘述。（MCP x Obsidian：体验智能笔记新境界，Cherry Studio 萌新操作指南）
大家应该可以看出，本期整活并没有引入新的技术、工具，核心主要还是在System Prompt的设计上。前期我已经有几篇文章跟大家探讨了关于Prompt设计的基本思路。（如：打工人看了流泪的Prompt设计原理，如何用老板思维让AI一次听懂需求？）
本期主要想以这个场景实践为基础，跟大家分享一些关于Promp设计的心得体会。
结构化
1.结构化Prompt的意义
可以看到，本期的System Prompt明显采用了markdown的语法，因此属于一种结构化的Prompt。
事实上，我认为编写结构化的Prompt的最大好处，其实在于辅助我们人类本身，有条理地记录、评价、组织自己的需求、目的。通过使用结构、框架，对自己模糊不清的各种想法进行梳理，提炼关键的内容，舍弃不必要的成分。
最终所形成的适合LLM阅读的清晰、直接的需求说明，某种意义上只是一种副产品而已。
2.常见的结构化方案
目前，编写结构化的Prompt有很多方案，除了我这里采用的markdown模式，还包括：
- • Athropic官方推荐的XML标签模式
- • yaml模式
- • 以及李继刚老师著名的lisp语言模式
我想说的是，其实不管哪种模式，只要你能够很好的结构化你的需求，一般都能获得比不使用结构化的Prompt的更好的生成效果。
但关键在于，哪种模式，能帮助你自己更好地理顺你的思路，降低你在任意地使用自然语言描述需求过程中的模糊和逻辑混乱。假如你并不习惯使用lisp语言，而强行使用lisp来描述你的需求，那其实是本末倒置的。
3.案例Prompt结构分析
回到我们的案例来说，首先，利用markdown语法中关于不同层级H（标题）的写法，通过使用不同数量的#，来组织内容之间的逻辑关系层级。
实践下来，大的步骤环节（比如案例中的用户输入处理和计划构建），建议用标题来强调，而不要采用有序列表嵌套有序列表的方式进行。
# 目标
# 角色
# 指令
## 1.用户输入处理环节
## 2.计划构建环节
# 要求
这样，LLM能够清晰理解，同一层级标题（即#数量相同）之间是并列关系，而不同数量的#包含的内容之间，存在包含关系。从而更容易让LLM明白你的意图，生成更符合需求的内容。
其次，利用有序序列 （即数字加点号.再加空格），明确相关内容存在顺序要求。有序序列最适合用于指令 的描述，因为一般指令都是有先后顺序的。
# 指令：
## 1.用户输入处理环节：
1. 读取用户输入；
2. 识别、分析用户目的与意图；
3. 总结{用户目的}；
## 2.计划构建环节：
1. 从{用户目的}出发，说明当下，现在，用户最应该做的第一个行动是什么；
2. 然后，考虑完成第一个行动之后，最应该做的第二个行动是什么；
3. 按上述逻辑类推，完成整个行动计划的构建；
然后使用无序序列 （即-加空格），来罗列一些没有顺序要求的事项。无序序列最适合用来做一些细节要求 的补充。
# 指令：
## 2.计划构建环节：
1. 从{用户目的}出发，说明当下，现在，用户最应该做的第一个行动是什么；
- 这个行动应该原子化；
- 行动建议必须具体明确，比如打开具体网站、查询具体资料、下载具体工具等等；
# 要求：
- 不要输出目的分析，直接给行动计划
- 不要加“第x步”的字眼
- 在每个具体行动前加：- [ ]
- 使用mcp-obsidian的append\_content工具，在我的obsidian库中创建一个新文件，标题为自拟，内容即为前面你输出的内容
信息压缩
除了结构化以外，Prompt设计的第二个要点我认为在于信息压缩。
信息压缩说难也不难，说简单也不简单的事情，它指的是我们在编写Prompt的过程中，对于一些特定要求的表述，应该尽量使用专业术语进行。
比如我在设置模型角色部分，使用了SOP、GTD的术语，这两个术语因为本身已经有丰富的内涵、背景、意义，模型的世界知识中一般也包含与它们相关的丰富内容。
# 角色
- 你是制定SOP的世界级大师
- 你是实践GTD思想的世界级大师
道理很简单，跟专家聊天的时候，你用专业术语，专家就能秒懂你的意思，并且不会有任何的理解偏差。这比你用自己的大白话去描述一个概念要有效太多太多了。
但难点在于，这就很考验我们的知识储备了，如果我们不知道有SOP、GTD这些概念，可能就根本没法这么去写。
事实上，我相信我现在这版提示词应该也有很多冗余，是可以通过替换为更为专业、精准的表述来优化的，但目前我能做的，可能就只有不断加强学习，或者说问AI了。
好了，以上就是本期的主要内容，祝大家玩得开心~！
—— END——
往期精华：
1.MCP使用
萌新靠MCP实现RPA、爬虫自由？playwright-mcp实操案例分享！
想玩玩极简版AI Agent？MCP就够了！手把手教你用Cherry Studio整活~
萌新指南｜手把手教你Cherry Studio配置MCP，10分钟让大模型学会上网截图！
高德、彩云MCP全体验：让Cherry Studio化身私人小助理的喂饭版指南！
2.Workflow编排
AI工作流编排手把手指南之一：Coze智能体的创建与基本设置
AI工作流编排手把手指南之二：Coze智能体的插件添加与调用
3.Prompt设计
打工人看了流泪的Prompt设计原理，如何用老板思维让AI一次听懂需求？
不会Prompt还敢说自己会用DeepSeek？别怕！10分钟让你成为提示大神！
4.AI工具指南