1. 项目概述：一次意料之外的模型评测

最近在准备一份重要的公关稿件时，我手头正好有Anthropic最新发布的Claude 3.5 Haiku和Claude 3.5 Sonnet两个模型的访问权限。按照常规认知，Sonnet作为中阶模型，其综合能力理应全面超越轻量级的Haiku。然而，一次实际的公关写作任务，却让我看到了完全相反的结果：在特定的上下文条件下，Haiku 3.5的产出质量竟然显著优于Sonnet 3.6。这个发现不仅颠覆了我对模型性能的刻板印象，更揭示了大模型应用中的一个关键维度—— 上下文（Context）的构建与利用 ，其重要性可能不亚于模型本身的参数规模。

这次经历的核心在于，我并非进行标准化的基准测试，而是在一个真实的、高要求的公关写作场景中，为两个模型提供了完全相同的任务指令，但构建了截然不同的“上下文环境”。结果，较小的Haiku模型凭借更精准、更丰富的上下文信息，在文稿的逻辑性、说服力和品牌调性契合度上全面胜出。这就像两位作家，一位（Sonnet）才华横溢但只拿到了题目，另一位（Haiku）才华稍逊却拿到了详细的背景资料、受众分析和过往优秀案例，后者的作品自然更贴合需求。

对于任何依赖大模型进行内容创作、策略分析或决策支持的从业者来说，这个案例极具参考价值。它清晰地指出：盲目追求“更大、更强”的模型可能是一种资源浪费，而精心设计提示词（Prompt）中的上下文，才是释放模型潜力、获得高质量产出的性价比更高的路径。接下来，我将完整复盘这次对比实验的设计思路、具体操作、结果分析，并分享如何系统化地构建“高价值上下文”的实操方法。

2. 核心需求解析：公关写作的特殊性与挑战

要理解为什么上下文能成为决定因素，首先需要剖析公关写作（PR Writing）这一任务本身的独特需求。它远非简单的文字堆砌或信息传达。

2.1 公关写作的本质：在多重约束下的精准沟通

公关稿件是一种高度目标导向的文体。它的核心不是展示文采，而是实现战略沟通目标。一次成功的公关写作，必须同时满足以下几个维度的要求：

1. 战略对齐性 ：稿件必须完美契合公司的整体品牌战略、当前市场定位以及本次传播的核心目标（是提升知名度、修复声誉、还是推广新品？）。每一个用词、每一个论点的角度，都需要服务于这个最高战略。
2. 受众针对性 ：面向媒体记者、行业分析师、潜在客户、投资者还是普通公众？不同受众的知识背景、关注点和阅读习惯天差地别。对科技媒体需要突出技术参数和创新点；对大众媒体则需要用类比和故事化解技术复杂性。
3. 信息精准度与分寸感 ：需要准确传达关键信息（如产品特性、合作细节），同时严格规避任何可能的法律风险、商业机密泄露或误导性陈述。哪些信息需要强调，哪些需要模糊处理，哪些绝对不能提，其中的分寸拿捏至关重要。
4. 行业语境与调性 ：不同行业的公关语言截然不同。科技公司的稿件需要体现创新与前瞻性，金融公司的稿件则强调稳健与可信，消费品公司的稿件可能更注重情感联结。稿件需要融入正确的行业“黑话”和叙事风格。
5. 媒介适配性 ：稿件是用于新闻稿、博客文章、高管发言稿还是社交媒体帖子？不同的媒介格式，其结构、长度和表达方式都有明确规范。

2.2 大模型在公关写作中的常见陷阱

基于以上需求，当我们直接向一个“裸奔”的大模型（如直接提问“请写一份关于XX产品发布的新闻稿”）时，即使强大如Claude 3.5 Sonnet，也极易落入以下陷阱：

• 泛泛而谈 ：产出内容正确但平庸，缺乏针对性和洞察力，像是从模板里套出来的。
• 调性偏离 ：可能使用了过于学术化、过于随意或与品牌形象不符的语言风格。
• 信息错位 ：抓不住本次传播最核心的新闻点，或在次要细节上过度展开。
• 缺乏“潜台词” ：好的公关稿善于引导读者得出我们希望的结论，而不仅仅是陈述事实。模型可能无法理解这层需要隐含的逻辑。

这些陷阱的根源，在于模型缺乏执行这个特定任务所需的“背景知识”和“操作约束”。而提供这些，正是构建上下文的核心目的。

3. 实验设计：如何设置“不公平”的对比

为了验证上下文的影响力，我设计了一个“控制变量”的实验，但变量不是模型，而是输入的信息质量。

任务目标 ：撰写一篇关于一款名为“Nexus Stream”的（虚构）智能视频会议硬件产品的上市新闻稿。

模型对比组 ：

• A组（基础指令组） ：使用Claude 3.5 Sonnet。提示词仅包含基础任务描述。
• B组（丰富上下文组） ：使用Claude 3.5 Haiku。提示词在基础任务上，叠加了多层结构化上下文。

3.1 A组提示词设计（Sonnet - 基础版）

请撰写一篇关于新产品“Nexus Stream”智能视频会议硬件的新闻稿。产品主要特点包括：4K超清摄像头、AI降噪麦克风、无线投屏功能。字数约800字。

这是一个非常典型、也是很多人日常使用的提示词方式。它提供了“是什么”（写新闻稿）和“有什么”（产品功能），但严重缺失了“为什么”和“为谁写”。

3.2 B组提示词设计（Haiku - 增强版）

# 角色与任务
你是一名资深科技公司公关总监，正在为即将发布的新产品起草核心新闻稿。

# 背景与战略上下文
1. 公司定位：“视界互联”是一家专注于企业级高效协作解决方案的B2B科技公司，品牌调性强调“专业、可靠、前沿但不高冷”。
2. 发布目标：本次“Nexus Stream”发布的核心目标，是切入高端远程协作硬件市场，与现有软件业务形成“软硬一体”生态，塑造公司作为“全方位协作专家”的形象。
3. 目标受众：首要受众是科技/商业版块的媒体记者和行业分析师；次要受众是IT采购决策者（CIO、IT经理）。
4. 核心信息层级（按重要性排序）：
   - 首要信息：革命性的“全场景清晰”体验，解决远程会议中画质、音质、共享不便的核心痛点。
   - 次要信息：无缝融入现有工作流，强调与企业常用软件（如Teams, Zoom, 钉钉）的即插即用兼容性。
   - 背景信息：体现了“视界互联”从软件到硬件的战略延伸，致力于提供完整解决方案。

# 产品详情与差异化
- 产品名：Nexus Stream
- 核心功能：4K AI追踪摄像头（不止是清晰，更能智能框选发言者）、8麦克风阵列与AI降噪（能区分人声与键盘声等环境噪音）、一键无线投屏（无需软件或适配器）。
- 关键差异化话术：避免使用“参数领先”。强调“开会时，你只需关注讨论本身，其他交给Nexus Stream”。将功能转化为用户利益。
- 避免提及：价格（后续公布）、与特定竞争对手的直接对比、过于技术化的芯片参数。

# 稿件具体要求
- 格式：标准新闻稿格式，包含标题、副标题、导语、主体、引语、结语和“关于视界互联”公司简介。
- 风格：专业、简洁、有洞察力。引用一句虚构的CEO引语，引语应体现战略格局。
- 字数：750-850字。

这个提示词构建了一个完整的“工作情境”。它定义了角色、战略背景、受众、核心信息金字塔、甚至具体的话术指导和禁忌。Haiku模型接收到的，是一个“饱和”的、高信息密度的任务包。

4. 结果对比与分析：上下文如何扭转战局

我将两组提示词分别输入Claude 3.5 Sonnet和Claude 3.5 Haiku，并对产出稿件进行多维度的对比评估。

4.1 产出稿件核心差异对比

评估维度	Claude 3.5 Sonnet (基础上下文)	Claude 3.5 Haiku (丰富上下文)	分析与胜出方
标题与导语	“视界互联发布全新Nexus Stream智能视频会议硬件”	“告别模糊与嘈杂：‘视界互联’推出Nexus Stream，重新定义高端智能会议体验”	Haiku胜 。Sonnet标题是平淡的事实陈述。Haiku的标题直击痛点（模糊、嘈杂），并拔高到“重新定义体验”，更具新闻冲击力。导语部分Haiku也更快地引出了核心价值主张。
结构逻辑	采用“公司介绍-产品功能列表-总结展望”的常规结构。	严格遵循“痛点导入-解决方案（核心功能如何解决痛点）-生态价值-领导引语-公司背景”的叙事逻辑。	Haiku胜 。Sonnet的结构是功能罗列，而Haiku的结构是一个有说服力的故事，层层递进，符合新闻稿的传播规律。
功能叙述方式	“该设备配备4K超清摄像头，提供清晰画质；拥有AI降噪麦克风，保证声音纯净…”	“Nexus Stream的AI追踪摄像头确保了无论与会者如何移动，都能始终处于画面C位，呈现‘影院级’视觉焦点；其智能音频系统能精准分离人声与背景噪音，即使是在嘈杂的开放办公室，也能让每一句发言清晰可辨…”	Haiku完胜 。Sonnet是在“描述规格”，而Haiku是在“描绘体验”和“阐述价值”。后者将技术参数转化为了用户可感知的利益，这正是公关写作的精髓。
品牌调性与话术	语调中性，偏技术说明书风格，未明显体现“专业、可靠、前沿但不高冷”的设定。	通篇用词专业但不晦涩，有洞察力（如提到“远程会议的疲劳感常源于技术摩擦”），CEO引语紧扣“生态”与“全场景”，完美契合预设调性。	Haiku完胜 。丰富的上下文让模型成功模仿了特定品牌的声音（Brand Voice），而Sonnet产出的是无品牌的通用文本。
信息优先级	平等地罗列了摄像头、麦克风、投屏功能。	突出强调了“全场景清晰”这一核心信息，将所有功能都作为支撑这一主论的论据，次要信息安排得当。	Haiku胜 。体现了对“核心信息层级”上下文的理解和执行力，稿件重点突出，主线清晰。
受众针对性	无明显针对性，适合泛读。	文中出现了“对于IT决策者而言”、“分析师认为”等隐含受众视角的表述，更易引起目标受众共鸣。	Haiku胜 。上下文中的受众定义起到了作用。

4.2 根本原因剖析：为什么小模型能赢？

这个结果看似反常，实则必然。其核心原因在于 任务信息的完备度 决定了模型性能的上限。

• Sonnet (大模型，贫信息输入) ：就像一个知识渊博但缺乏背景的专家。你问他“怎么写新闻稿”，他能给出结构严谨、文法完美的通用模板。但你问他“怎么写 我们公司 的 这个产品 的 给特定人群看 的新闻稿”，他缺少关键信息，只能基于“新闻稿”和“产品功能”这两个泛化概念进行推测和生成，结果必然趋向于“平均解”或“标准解”，缺乏个性化和策略深度。
• Haiku (小模型，富信息输入) ：就像一个经验老道的专业写手，拿到了完整的创意简报（Brief）。简报里包含了所有战略意图、受众分析、核心信息和风格要求。他的任务从“创作”变成了“在明确框架下的高水平执行”。虽然他的“文学造诣”（对应模型的底层推理和语言生成能力）可能略逊于前者，但完备的简报极大地压缩了其自由发挥和犯错的空间，引导其产出高度契合需求的“最优解”。

在这个实验中，丰富的上下文起到了以下关键作用：

1. 划定创作空间 ：明确了什么该说、什么不该说、重点说什么。
2. 提供推理依据 ：模型可以基于“品牌调性”选择词汇，基于“核心信息”安排结构，基于“目标受众”调整口吻。
3. 降低任务模糊性 ：将开放的“写新闻稿”任务，转化为具体的“模仿某品牌口吻，按某结构，向某人群传达某信息”的任务，复杂性大大降低。

因此，Haiku并非在“智商”上超越了Sonnet，而是在“信息对等”的条件下，更高效地完成了 定向、限定性任务 。Sonnet的潜力被贫瘠的输入所限制，而Haiku的潜力被丰富的输入所激发。

5. 构建高价值上下文的系统化方法

基于这次实验，我总结出一套为生成式AI构建“高价值上下文”的系统化框架，我称之为 “PRD提示法” ，即像撰写产品需求文档（PRD）一样构建你的提示词。它适用于绝大多数需要高质量、定向输出的任务，如文案创作、策略分析、代码生成等。

5.1 第一层：战略与角色定义（Why & Who）

这是上下文的基石，决定了产出的方向和格局。

• 定义角色（Role） ：明确告诉AI“你是谁”。这能激活模型内部相应的语言模式和知识库。
  • 示例 ：“你是一位有10年经验的资深网络安全架构师”、“你是擅长制造焦虑感与紧迫感的营销文案专家”、“你是风格冷静客观的财经评论员”。
• 阐明终极目标（Ultimate Goal） ：不止是任务本身，而是任务背后的商业或战略目标。
  • 示例 ：不要只说“写产品描述”，要说“撰写产品描述，以说服犹豫中的中级程序员购买我们的API服务，核心是降低他们的集成成本和时间”。
• 设定边界与禁忌（Boundaries） ：明确什么不能做，和必须做什么一样重要。
  • 示例 ：“避免使用任何最高级形容词”、“不得提及竞争对手公司名称”、“必须包含合规免责声明”。

5.2 第二层：背景与情境注入（Context & Scenario）

让AI沉浸到具体的情境中，提供其推理所需的背景知识。

• 行业与市场背景 ：简要介绍相关行业趋势、技术动态或市场痛点。
• 受众画像 ：详细描述目标读者是谁，他们的已知信息、痛点、期望和阅读习惯。
• 历史或关联信息 ：如果是后续任务，提供之前的讨论摘要、相关文档链接（如果模型支持）或数据结论。

5.3 第三层：任务与格式规范（What & How）

这是最具体的一层，明确产出物的细节。

• 核心任务拆解 ：将大任务分解为必须涵盖的要点或问题。
• 思维链（Chain-of-Thought）要求 ：对于复杂问题，要求AI“逐步思考”，展示其推理过程，这能极大提升答案的准确性和逻辑性。
• 输出格式规范 ：明确指定结构、风格、长度、甚至段落安排。
  • 示例 ：“请用Markdown格式输出，先给出一个总结性答案，然后分三个部分阐述理由，每个理由配一个实际案例。”
• 提供范例（Few-Shot Learning） ：如果可能，提供1-2个高质量的例子。这是最强大的上下文之一，能极其精准地锚定你期望的风格和格式。

5.4 一个通用模板

你可以将以下模板作为起点，根据任务复杂度填充：

# 角色
你是 [具体、专业的角色描述]。

# 背景与目标
我们面临的情况是 [描述背景]。我们的核心目标是 [阐述战略目标]。本次任务需要达成的具体目的是 [具体任务目的]。

# 受众与风格
这份产出的主要读者是 [受众描述]，他们通常 [受众特点]。因此，整体风格应偏向 [风格要求，如：专业严谨/轻松活泼/富有感染力]，避免使用 [需要避免的风格或词汇]。

# 核心要求与约束
- 必须涵盖以下几点：[列出要点1, 2, 3...]
- 需要特别注意：[强调关键处或易错点]
- 严格避免：[列出禁忌事项]
- 输出格式应为：[指定格式，如：一份包含概述、分析、建议的报告；一篇带有标题、导语、正文的博客]

# 任务
基于以上所有信息，请执行以下任务：[清晰陈述最终任务]。

6. 实操心得与进阶技巧

在实际应用中，除了套用框架，还有一些细节决定了上下文的“质量”。

6.1 提示词的迭代与优化

很少有提示词能一次完美。将AI的首次产出作为“初稿”，然后进行迭代优化：

1. 指出具体问题 ：不要只说“不好”，要说“第三段关于市场分析的部分过于泛泛，请结合最近三个月内的行业报告数据，进行更具体的论述”。
2. 要求反向确认 ：在复杂任务后，可以追加提问：“为了确保我理解正确，请用你的话复述一下我的核心要求是什么？”这能检查模型是否真正消化了上下文。
3. 分步进行 ：对于极其复杂的任务，不要试图用一个提示词解决。先让AI帮你制定大纲或思路，你确认后，再让其分部分撰写。

6.2 不同模型对上下文的“消化能力”差异

这次实验虽然凸显了上下文的重要性，但并非否定模型能力差异。需要认识到：

• 长上下文窗口的价值 ：Sonnet等更大模型通常拥有更长的上下文窗口（如200K tokens），这意味着它们能一次性处理更庞大的背景资料（如一整份市场分析报告、产品白皮书）。对于需要深度消化大量文档的任务，大模型仍有不可替代的优势。
• 推理深度的差异 ：在上下文信息已经极度饱和、任务逻辑极其复杂时，大模型更深的推理能力可能会表现出更好的整合与创新水平。但对于大多数结构清晰、约束明确的专业写作任务，中等规模的上下文已足够。
• 成本与效率的权衡 ：Haiku等小模型响应更快、成本更低。通过提供优质上下文，用低成本模型完成大多数质量要求高但逻辑相对标准的任务，而将节省下来的预算和算力留给真正需要复杂推理、探索性分析的场景，这是一种更经济的策略。

6.3 常见陷阱与规避方法

• 信息过载与矛盾 ：向提示词中堆砌过多、甚至相互矛盾的信息，会导致模型困惑，产出质量下降。上下文应追求“精准”而非“庞杂”。
• 模糊的指令 ：避免使用“更好一点”、“更有创意”这类主观词汇。将其具体化为“将标题的点击率提升感加强”、“增加一个使用场景的类比”。
• 忽视系统提示词 ：许多AI应用允许设置“系统提示词”，用于定义模型的默认行为或角色。善用此功能，可以将一些通用要求（如“始终用中文回复”、“以列表形式总结要点”）固定下来，无需在每次对话中重复。

这次Claude Haiku与Sonnet在公关写作上的对比，给我最深的体会是：在AI时代， “提问的能力”可能比“回答的能力”更先成为核心竞争力 。模型本身是强大的引擎，但提示词中的上下文是导航系统和燃料。一个精心设计的、富含战略和情境信息的提示词，能够将中型甚至小型模型的输出质量，提升到足以媲美甚至超越“裸奔”状态下的顶级模型。

对于企业和个人而言，与其不计成本地追逐参数最多的模型，不如先投资于培养团队构建高质量提示词、梳理业务上下文的能力。建立常用任务的提示词库（Prompt Library），将业务知识、品牌规范、文风要求固化到模板中，这带来的效能提升和成本优化，往往是立竿见影的。最终，人与AI协作的范式，将从“我命令你生成”演变为“我为你设定舞台，请你精彩演绎”。