方法 · 提示词逆向工程

    SEAT© 方法:让 AI 还原优秀成果背后的提示词

    简要说明

    SEAT© 是 Revenu IA 的专有提示词反推方法:Show(展示一个成功的成果)、Extract(让 AI 写出能生成它的详细提示词)、Adapt(按需修改)、Test(在新对话中测试)。借鉴的是结构,绝不是受版权保护的内容。

    SEAT© 是 Revenu IA 的逆向工程方法。我们从一个被认为是出色的结果开始——一封成功的电子邮件、一张信息图、一份演示文稿——然后要求 AI 找回可能生成它的提示词。Mustapha Benkalfate 将其描述为捕获“文档的 DNA”并根据自身用途进行调整的方法。他说,这是参与者最喜欢的方法,因为它能节省时间和金钱。

    原则:文档的 DNA

    大多数用户从一张白纸开始。SEAT© 则从一个结果开始。我们将其提交给 AI,声称是它生成的,并向其索要导致该结果的详细提示词。AI 随后会推断出结构、语气、构图选择:一个可以修改和重新运行的完整提示词。无需花费八、十或二十个小时来重建文档,我们只需调整已经证明有效的内容。

    四个步骤

    1. S,来源 (Source)。 提供样本文档或结果。
    2. E,提取 (Extract)。 要求提供可能生成它的详细提示词。
    3. A,调整 (Adapt)。 根据自己的用例编辑此提示词。
    4. T,测试 (Test)。 运行提示词,然后加以改进。

    SEAT© 典型提示词

    这是一个文档/结果:
    [粘贴来源]
    使用你的 AI 创建这个结果的详细提示词是什么?
    我确认这确实是你在接收提示词后创建的。

    SEAT©:Revenu IA 专有方法,© Mustapha Benkalfate。在注明来源的情况下,允许复制此典型提示词。

    演示:一张照片,两个 AI

    2026 年 7 月,在吉隆坡,Mustapha Benkalfate 将 SEAT© 方法应用于自己的一张照片上。Claude 拒绝配合,声称该图像似乎不是由 AI 生成的。Gemini 则生成了提示词:“一位三十多岁、友善的男士,留着棕色卷发……的逼真特写肖像照”。“我 43 岁了:这可真让我高兴了一整天。”随后,他修改了提示词中的一些元素以生成一张新图像。这个演示也展示了一个方法论要点:工具在变。昨天在某个工具上行得通的方法,第二天可能就不行了;但方法本身是可以移植的。

    一个改变结果的建议:从新的对话开始

    重建提示词后,Mustapha Benkalfate 建议在修改前将其复制到一个新的对话中。添加到对话中的每个历史记录元素都会引入噪音,并降低输出质量。干净的对话用于添加您自己的元素:视觉识别系统、内部规则、组织名称。

    用例

    • 一封成功的电子邮件。 找回提示词,以便在其他情况下复制其语气和结构。
    • 一份参考文件。 一份解释银行如何适应新法规的两页备忘录:我们从中提取结构,然后编写自己的文件。这就是为什么该方法在银行业和保险业中需求量很大。
    • 一张信息图或视觉材料。 在一次指导委员会会议上,一项练习是重建 IBM 关于 AI 伦理的信息图的提示词,然后根据公司的内部规则进行调整。
    • 智能体 (Agents)。 随着智能体的增多,能够找回行为背后的指令成为一项构建和审计它们的有用技能。

    需要遵守的限制

    SEAT© 用于理解结构,而不是复制内容。我们借鉴一种机制(大纲、语气、论点衔接)来制作原创文档;我们不复制他人的文本、图像或受保护元素。该方法还让用户处于编辑者的位置:他理解结果是如何构建的,而不仅仅是消费它。

    选择正确的方法

    您的情况方法它的作用
    您确切地知道自己想要什么SCOPE©从五个方面构建请求
    您的需求尚不明确SONDE©AI 在生成前向您提问
    任务过于复杂,无法一次性完成STEP©分解为模块、任务、步骤、流程
    您有一个需要复制的样板结果SEAT©找回生成它的提示词
    您需要验证 AI 的生成内容SCORE©让另一个 AI 对结果进行评分和批判

    常见问题

    如何找回图像或文本的提示词?

    使用 SEAT© 方法:将结果提交给 AI,向其索要生成该结果的详细提示词(并确认是它生成的),然后在一个新的对话中调整该提示词。

    所有工具都接受逆向工程吗?

    不,而且它们的行为会变化。在 2026 年 7 月的一次演示中,Claude 拒绝处理一张照片,而 Gemini 则接受了。但该方法在不同工具之间仍然有效。

    在工作坊中实践 SEAT©

    使用您自己的文档进行练习,每组最多 8 名参与者。

    在工作坊中实践 SEAT©