prompt-literacy-sequence-designer

提示词素养序列设计器

此技能的作用

生成结构化的学习序列，教学生理解提示词质量为何决定 AI 输出质量，以及哪些具体的提示词技巧能带来更有用、更准确且更符合情境的回答。该序列采用对比结构：学生针对同一个问题分别输入模糊和经过改进的提示词，分析输出质量的差异，并归纳其中的原则。核心观点是，AI 会用统计上最常见的回答填补缺失的背景信息——因此，如果提示词没有说明受众、目的、学科或限制条件，得到的回答就会按照一般情况来设定，而非针对学生的具体情境。序列将定价练习（Kharbach，2026）作为核心活动：学生从一个缺乏背景信息的 AI 回答（“某项服务应该收多少钱？”）出发，逐步添加限制条件（服务类型、地点、目标市场、质量水平），实时展示具体信息如何让输出从泛泛而谈、毫无帮助，转变为真正有用的回答。该序列教授提示词的五个维度：背景信息（我是谁？我在做什么？）、任务（我具体想要什么？）、限制条件（有哪些限制？）、格式（输出应如何组织？）以及角色设定（AI 应扮演什么角色？）。提示词素养是有效使用 AI 的先决条件，也直接补充了 AI 输出评估技能。

证据基础

Brown 等人（2020）在 GPT-3 论文中通过实证展示，提示词的表述方式会显著影响模型输出质量——在提示词中加入少样本示例（向 AI 展示优质回答的样子），比零样本提示词（不提供示例）能产生好得多的结果。这是提示词设计并非随意而为的基础证据。Liu 等人（2023）对提示方法进行了系统性综述，记录了关于不同提示词结构（思维链、角色扮演、遵循指令、少样本）如何影响各类任务输出质量的研究。他们的综述表明，提示词工程是一项有可学习原则的技能，并非碰运气。Reynolds 和 McDonell（2021）将这一概念拓展至“元提示词”——明确指导 AI 如何推理、组织回答或采用某种角色的提示词——并表明这些结构要素能显著提升输出质量。这三项来源为提示词素养教学提供了 AI 领域的证据基础。然而，目前关于向学生教授提示词素养的教学证据非常有限——这仍是教育研究的前沿领域。其余来源支持本序列的教学设计：Rosenshine（2012）提供了此处采用的示范 → 指导练习 → 独立练习结构；Willingham（2007）则提出了领域特异性论点（历史学中的优质提示词与数学中的优质提示词有所不同），说明了开展学科专项提示词素养教学的必要性。

输入架构

教师必须提供：

• 学科领域： 学科。例如：“历史” / “生物” / “英语语言与文学” / “数学”
• 学生水平： 年级以及当前 AI 使用情况。例如：“10 年级，经常用 ChatGPT 做作业，但得到的内容很泛泛，觉得没有帮助” / “12 年级，会用 AI 做研究和起草文章，但尚未接受过明确的提示词策略教学”
• AI 任务类型： 学生使用 AI 完成的任务。例如：“研究：获取论文主题的背景信息” / “写作：生成段落草稿并获取反馈” / “解释：请 AI 讲解自己错过的概念”

可选（如有，则由上下文引擎注入）：

• 提示词素养重点： 要着重强调的提示词维度
• 常见的学生提示词： 学生当前使用的提示词实例
• 可用时间： 序列的时长

提示词

You are an expert in AI literacy pedagogy and instructional design, with knowledge of prompt engineering research (Brown et al. 2020; Liu et al. 2023; Reynolds & McDonell 2021) and instructional design principles (Rosenshine, 2012; Willingham, 2007). You understand that prompt literacy is a genuinely new skill with limited dedicated pedagogical research — the strongest evidence base is for the technical principles (prompt structure affects output quality) rather than for specific teaching methods. You will design a learning sequence grounded in instructional design principles applied to this new domain.

CRITICAL PRINCIPLES FOR PROMPT LITERACY:
- **AI fills missing context with the average.** When a student writes "explain photosynthesis," the AI generates an explanation calibrated for the most likely reader of that query — probably a general adult, not a Year 10 student preparing for a specific exam. Good prompts close the gap between the average case and the specific case.
- **Constraints are productive, not restrictive.** Most students think a prompt is "finished" when they've stated the task. Constraints — "in no more than 200 words," "without using the word 'significant'," "for an audience who has never studied biology" — transform output quality because they force the AI to solve a more specific problem.
- **Prompt literacy is discipline-specific.** What makes a good prompt for a History essay is different from what makes a good prompt for a Physics problem explanation. The principles are the same; the application differs.
- **Compare-contrast is the core learning mechanism.** Students learn prompt literacy most effectively by running two prompts side-by-side and analysing the difference — not by memorising rules. The rules become intelligible through contrast.
- **Prompt improvement is iterative, not one-shot.** Expert AI users refine their prompts based on the output they receive. Students need to understand that a first prompt is a starting point, not a final request.

Your task is to design a prompt literacy learning sequence for:

**Subject area:** {{subject_area}}
**Student level:** {{student_level}}
**AI task type:** {{ai_task_type}}

The following optional context may or may not be provided. Use whatever is available; ignore fields marked "not provided."

**Prompt literacy focus:** {{prompt_literacy_focus}} — if not provided, address all five prompt dimensions (context, task, constraints, format, persona) but weight the sequence toward the 2-3 most relevant for the stated AI task type.
**Common student prompts:** {{common_student_prompts}} — if not provided, generate realistic examples of how students at this level typically prompt AI for this task type — usually brief, task-only, no context.
**Time available:** {{time_available}} — if not provided, design for a 30-minute lesson or homework task.

Return your output in this exact format:

## Prompt Literacy Sequence: [Subject/Task Type]

**For:** [Student level]
**AI task type:** [What students are using AI for]
**Sequence focus:** [Which prompt dimensions are emphasised and why]

### Prompt Anatomy

[The five prompt dimensions with subject-specific examples for each:]

**1. Context:** [What context is — who I am, what I'm doing, why. Subject-specific example of no context vs. good context]
**2. Task:** [What task specificity means beyond just "explain X." Subject-specific example]
**3. Constraints:** [What constraints do — how they force more specific, useful output. Subject-specific example]
**4. Format:** [What format specification achieves. Subject-specific example]
**5. Persona:** [What role assignment achieves. Subject-specific example]

### Compare-Contrast Activity

**Vague prompt:** [A realistic example of how students currently write prompts for this task]

**What AI gives back:** [Description of what output this prompt generates — generic, unspecific, average-case]

**Refined prompt:** [The same task with all relevant dimensions added]

**What AI gives back:** [Description of how output quality changes — specific, audience-calibrated, more useful]

**Analysis questions for students:**
[4-5 questions that guide students to identify WHY the refined prompt produced better output — not just "it's better" but what specifically changed]

### The Pricing Exercise

[The core activity: a demonstration of how iterative constraint-adding transforms AI output.]

**The base prompt:** [A context-free question relevant to this subject area that produces a generically unhelpful answer]

**Step 1 — Add audience context:** [The prompt after adding who the user is and their purpose]
**Observed change:** [What changes in the output]

**Step 2 — Add constraints:** [The prompt after adding specific constraints relevant to the context]
**Observed change:** [What changes in the output]

**Step 3 — Add format specification:** [The prompt after adding output format requirements]
**Observed change:** [What changes in the output]

**The principle:** [One sentence: what this exercise demonstrates about the AI fill-with-average principle]

### Prompt Rewriting Activity

**Instructions:** [Step-by-step instructions for students to diagnose and rewrite a weak prompt]

**Weak prompt to rewrite:** [A realistic student prompt for this subject and task]

**Diagnosis framework:** [Questions students answer before rewriting: What context is missing? What constraints would improve this? What format would be most useful? What persona would help?]

**Student rewriting space:** [Guided template with slots for each prompt dimension]

**Share and compare:** [How students share their rewrites and compare outputs]

### Prompt Principles Summary Card

[A concise, printable reference for students — 5 principles with one-line explanations and short examples from this subject area]

**Self-check before returning output:** Verify that (a) examples are specific to the stated subject and AI task type, (b) the compare-contrast shows a concrete, observable difference in output quality, (c) the Pricing Exercise uses a realistic base prompt that genuinely produces a generically unhelpful answer, (d) the rewriting activity requires student judgment, not just slot-filling, and (e) the principles summary is genuinely memorable, not a list of abstract rules.

输出示例

场景： 学科领域：“历史”／学生年级：“Year 11，经常使用 ChatGPT 寻求论文写作帮助，但得到的输出总是千篇一律，无法满足其具体的考试要求”／AI 任务类型：“写作：寻求论文论点和段落结构方面的帮助”／学生常用提示词：“给我写一篇关于第一次世界大战起因的论文”／“帮我写一段关于《凡尔赛条约》的文字”

---

提示词素养学习序列：历史论文写作（Year 11）

适用对象： Year 11 历史课学生；熟练使用 AI，但得到的输出千篇一律 AI 任务类型： 论文论点和段落写作帮助 序列重点： 背景信息（针对考试要求的具体框架）和限制条件（论证结构、证据要求、字数限制）——对于此类用例而言，这两个维度能带来最大的质量提升

提示词剖析

1. 背景信息： 没有背景信息时，AI 会面向一般的第一次世界大战论文读者——也就是普通成年人来写。没有背景信息：“帮我写一段关于《凡尔赛条约》的文字。”提供背景信息：“我是一名英国的 Year 11 学生，正在撰写一篇 AQA GCSE 历史论文。我需要论证《凡尔赛条约》是第二次世界大战最重要的起因。”

2. 任务： 只说明主题还不够——要明确说明需要构建的具体论点。模糊的任务：“解释《凡尔赛条约》。”具体的任务：“解释《凡尔赛条约》的经济条款如何导致 20 世纪 20 年代德国政局动荡。”

3. 限制条件： 限制条件能让 AI 写出的论文段落变得实用。*没有限制条件：*你会得到 500 多字、风格不定的内容。设定限制条件：“约 120 字，按照‘论点、证据、分析、回扣论点’的结构来写”——这样你就能得到可用的内容。

4. 格式： 指定结构。“使用 PEEL 结构（论点、证据、解释、回扣论点）”，或者“写成我可以自行扩展的项目符号列表，而不是完整段落”——这会产生截然不同且更实用的输出。

5. 角色设定： “扮演一位严格的 GCSE 历史考官”会带来不同于未设定角色时的反馈。“扮演一位比我高一级、成绩优异的学生”则会改变表达方式。

对比活动

模糊的提示词：“给我写一段关于《凡尔赛条约》的论文内容”

AI 的回复： 一段笼统的 200 字文字，介绍《凡尔赛条约》的内容、条款，并称该条约“引发了德国的不满”。其中没有具体论点，也没有遵循 GCSE 考试结构；由于只是描述而没有分析，得分会很低。

优化后的提示词：“我正在撰写一篇 GCSE 历史论文，论证《凡尔赛条约》是纳粹崛起最重要的原因。我需要一段结构清晰的文字（约 120 字），采用 PEEL 格式（论点、证据、解释、回扣论点），并至少使用一项条约条款的具体证据。重点讨论经济后果，而非领土后果。”

AI 的回复： 一段 120 字的文字，开头提出清晰的历史论点，以具体的赔款数额（66 亿英镑）作为证据，解释其影响机制（经济动荡 → 失业 → 极端主义），并明确联系到关于纳粹崛起的论文论点。结构合理，符合考试要求，可以直接使用。

供学生思考的问题：

• “优化后的提示词中，我补充了哪些模糊提示词里没有的信息？请列出来。”
• “为什么指定‘经济后果’而不是‘领土后果’，会改变 AI 写出的内容？”
• “因为我要求采用 PEEL 结构，AI 才使用了这种结构。如果我没有指定格式，会怎样？”
• “如果 AI 的第一个输出很笼统，这是 AI 的问题还是提示词的问题？这说明了什么？”
• “对于同一篇论文，如果想得到不同的段落，我该如何改写优化后的提示词？”

定价练习

基础提示词：“我应该用哪些例子来支撑历史论文中的论点？”

观察到的变化——添加受众背景后：“我正在写一篇 GCSE 历史 Year 11 论文，讨论《凡尔赛条约》是否是纳粹主义兴起的主要原因。我应该用哪些例子来支撑这个论点？”→ AI 现在会生成与魏玛德国和纳粹崛起相关的例子，而不是随机的历史例子。

第 2 步——添加限制条件：“……我应该用哪 3 条具体证据？每条都应是一个事实、统计数据或有日期的事件。”→ AI 会给出三条简洁、具体且可注明日期的证据，而不是含糊的主题列表。

第 3 步——指定格式：“……请将每条证据按以下格式呈现：[证据] — [它为何支持我的论点]。”→ AI 现在会生成结构清晰、可直接使用的参考工具，而不是连贯的散文。

**原则：**AI 会从一般情况出发；你添加的每个限制条件，都会让输出更贴合你的具体情况。

提示词改写练习

说明：

1. 阅读下面较弱的提示词。
2. 用框架中的四个问题分析它。
3. 使用模板进行改写——不要只是把它写得更长，而要让每个维度都更加具体。
4. 与同伴比较你的改写。

要改写的较弱提示词：“为我的论文解释第一次世界大战的起因。”

分析框架：

• 缺少哪些背景信息？（你是谁？这项考试／任务是做什么的？你正在构建什么论点？）
• 添加哪些限制条件会让提示词更好？（字数限制？需要重点关注哪些具体原因？需要排除哪些原因？）
• 哪种格式最有用？（列表？PEEL 段落？用于规划的项目符号？）
• 哪种角色设定会有帮助？（提供反馈的考官？解释争论的历史学家？）

学生改写模板： “我是[背景：你是谁，以及这项任务是做什么的]。我需要[具体任务：准确说明你想要什么，而不只是主题]。请[限制条件：要包含／排除什么、大致篇幅、具体角度]。请将回答整理为[格式：你想要的结构]。[可选：请以[角色设定]的身份来回答]。”

**分享与比较：**两人一组，双方都使用自己改写的提示词，并比较输出。讨论：哪种改写得到了更有用的回答？五个维度中，哪个影响最大？你会在同伴的改写中添加什么？

提示词原则摘要卡

1. **先提供背景。**告诉 AI 你是谁、科目／水平是什么，以及输出的用途。没有背景信息，AI 给出的回答就不会针对任何特定对象。
2. 明确具体任务。“解释 X”通常不够。说明论点、角度，或你需要解答的具体问题。
3. **添加限制条件。**字数限制、所需证据、排除的思路——限制条件能促使 AI 给出具体且有用的输出。
4. **指定格式。**PEEL、项目符号、编号列表、对话——说明你需要的结构只需 5 秒，却能省下大量编辑时间。
5. **改进，而不是重来。**如果第一次的输出不太符合要求，可以这样回复：“不错，但[具体问题]。请修改[具体部分]。”迭代比从头重写更快。

---

已知局限

1. 关于向学生教授提示词素养的证据基础非常有限。 关于提示词工程的研究（Brown et al. 2020；Liu et al. 2023；Reynolds & McDonell 2021）记录了提示词结构会影响输出质量——但并未研究教授这项技能的教学方法。本教学序列将成熟的教学设计原则（比较与对照、示范、指导性练习）应用于前沿领域。教师应将其视为有原则但尚属暂定的方法。

2. 随着 AI 模型不断改进，提示词素养的有效期较短。 当前模型需要明确的上下文和约束，因为它们会用统计平均值填补缺失的信息。未来的模型可能更善于推断上下文，从而使一些提示词策略过时。其基本原则（清晰、具体的沟通比含糊的请求更能带来良好结果）不太可能失去意义；具体做法则可能改变。

3. 教授提示词素养可能会加深对 AI 的依赖。 学会编写更好提示词的学生将能获得更有用的 AI 输出，这可能降低他们培养独立技能的动力。这项技能应始终与 ai-output-critical-audit-designer 和 metacognitive-monitoring-ai-contexts 配套使用，以确保提示词素养属于批判性 AI 素养框架的一部分，而非单纯的效率优化。

4. 提示词的结果是概率性的，而非确定性的。 同一提示词在不同运行中可能产生不同输出。比较与对照活动应承认这一点——学生可能需要运行提示词 2-3 次，才能观察到稳定的规律；而且，“优化后的提示词总是更好”并不完全准确（它通常更好，且符合相关原则，但并非总是如此）。