提示素养：全民AI胜任力的核心要素及系统培育路径

Prompt Literacy: A Fundamental Element of Public AI Competence and Its Systematic Cultivation Pathways

摘要

生成式人工智能（AI）的快速发展正在深刻改变人机交互的形态，对公众AI胜任力提出了结构性转型的现实需求。在全民AI时代，有效运用AI的能力成为衡量AI胜任力的新标准。提示素养作为连接自然语言与智能系统的关键能力，逐渐成为全民AI胜任力的核心要素。但当前提示素养的培育主要依赖个体自发、自觉、自习探索，普遍存在知识获取碎片化、模板依赖明显、反馈机制缺失与群体不平等加剧等现实问题。为有效解决这些问题，需要将提示素养建设纳入全民AI胜任力提升的系统性框架中，建立覆盖基础教育、职业培训和终身学习的多层次教育体系，针对不同群体开展有针对性的培训，并激发社会自组织力量共同参与提示素养的系统性培育。

Abstract

The development of generative artificial intelligence （AI） is fundamentally reshaping human-machine interaction. At the same time， it has imposed new structural demands on the development of public AI competence. Prompt literacy， which refers to the ability to interact with AI through natural language， has emerged as a core component of public AI competence. This paper investigates pathways for systematically developing public prompt literacy and AI competence. Based on a conceptual analysis of prompt literacy and its increasing significance， the study proposes a structured framework for its cultivation. It aims to provide policy-relevant insights that promote capability equity and inclusive access to AI in the era of widespread AI adoption.The emergence of generative AI has transformed human-technology relations， shifting from command-based interaction to collaboration through natural language. Within this transformation， prompt engineering has emerged as a key interface that aligns user intent with AI-generated outputs. Consequently， the formulation and articulation of prompts have become critical determinants of AI effectiveness. In this context， prompt literacy has gained increasing attention. Prompt literacy differs from traditional notions such as information literacy， digital literacy， or general AI literacy. It centers on users’ ability to craft clear and accurate prompts using natural language to direct AI systems toward specific objectives. Conceptually， prompt literacy comprises at least three interrelated dimensions. The first is linguistic articulation， which refers to the capacity to understand tasks and express intent clearly. The second is interactive adjustment， involving the evaluation of AI outputs and the iterative refinement of prompts. The third is value orientation， reflecting the user’s ethical awareness and social responsibility in the use of AI. These dimensions constitute a foundational competency framework for effective human-AI collaboration in the era of generative AI.However， the development of prompt literacy remains predominantly dependent on individual initiative， resulting in several limitations. These include fragmented knowledge acquisition， excessive reliance on pre-set templates， the absence of systematic feedback mechanisms， and widening disparities in users’ capabilities. To effectively address these issues， prompt literacy must be integrated into a comprehensive and institutionalized framework of public education and science communication. This includes the development of a multi-level curriculum within formal education to support learners at different stages. It also involves providing targeted training for specific groups， such as civil servants， healthcare workers， and older adults. Furthermore， encouraging the participation of social organizations， learning communities， and content creators is crucial for developing a prompt literacy ecosystem grounded in both governmental support and social co-creation.

关键词

提示素养 / 生成式人工智能 / 全民AI胜任力 / 人机关系 / 人工智能+

Key words

prompt literacy / generative artificial intelligence / national AI competence / human-machine interaction / artificial intelligence+

伴随着生成式人工智能（AI）的快速发展，人人皆有AI、人人皆用AI的全民AI时代已经到来。在这一时代背景下，全民AI胜任力的整体水平，已不再仅仅是个人数字素养的体现，而是直接关系到社会创新活力的激发以及国家在新一轮科技革命中的核心竞争力。2025年8月，国务院发布《关于深入实施“人工智能+”行动的意见》，提出“鼓励和支持全民积极学习人工智能新知识、新技术”“着力提升全员人工智能素养与技能”以及“推进人工智能全学段教育和全社会通识教育”，体现了国家对全民AI素养与技能提升的高度重视。作为人与生成式AI互动的核心接口能力，提示素养是全民AI胜任力体系中的关键组成部分。本文围绕全民AI胜任力建设的战略需求，聚焦提示素养的概念内涵与现实意义，探讨系统、有组织的提示素养培育路径，以期为促进全民AI时代的能力公平与科技普惠提供决策依据。

一 全民AI时代与胜任力转型

（一） 全民AI时代的到来

近年来，生成式AI快速兴起，国际科技巨头开始加速AI大模型研发与应用的布局。OpenAI、谷歌、微软、Meta等公司陆续推出生成式AI产品，中国国内也出现了DeepSeek、文心一言、Kimi、通义千问等一系列生成式AI产品。截至2024年，中国已发布10亿参数以上的大模型79个，数量位居全球第二^［1］。其中，DeepSeek推出的高效率、低成本的推理模型和开源商业模式，吸引了上亿用户和众多大公司主动融入DeepSeek生态^［2］。

生成式AI的落地应用也在加速推进。根据第55次《中国互联网络发展状况统计报告》，截至2024年12月，中国有3.31亿人表示听说过生成式AI产品，占全国人口的23.5%；生成式AI产品的用户规模达2.49亿人，占全国人口的17.7%1

1 中国互联网信息中心. 第55次《中国互联网络发展状况统计报告》[EB/OL]. (2025-01-17) [2025-04-02]. https://www.cnnic.net.cn/n4/2025/0117/c88-11229.html.

。日本总务省2024年发布的《信息通信白皮书》数据显示，中国的AI用户普及率为56.3%；84.4%的中国受访企业已在具体业务运营中采用AI技术，这一比例与美国企业水平基本持平且远高于其他国家2

2 Information and communications in Japan: white paper 2024 [EB/OL]. [2025-02-28]. https://www.soumu.go.jp/johotsusintokei/whitepaper/eng/WP2024/2024-index.html.

。这些数据表明生成式AI正在从前沿技术拓展至影响社会各领域的基础设施，标志着全民AI时代的到来。

（二） 全民AI胜任力及相关综述

全民AI时代的到来，不仅表现为AI技术的普及，更意味着要构建新型人机协同的社会吸纳体系3

3 王硕, 索成.有组织的无序：生成式AI的加速扩散与社会吸纳的适配困境：基于DeepSeek“部署竞赛”的考察[EB/OL].[2025-04-12].http://kns.cnki.net/kcms/detail/11.5181.TP.20250409.0950.002.html.

。在生成式AI向大众日常生活渗透的过程中，公众对于AI的认知与态度不断深化，从最初的好奇与尝试，逐渐转向更加审慎的思考。公众关注的焦点不再局限于AI技术本身能否使用，而是延伸到如何与AI共处、如何判断AI的可靠性，以及如何监管AI风险等更复杂、更有挑战性的问题。这种变化给个体和社会都带来了前所未有的挑战。对个体来说，能否理解AI的工作方式，并合理运用和有效引导AI技术，已经成为个体是否能够胜任智能时代的关键指标。这一复合性能力可以被概括为“AI胜任力”。随着AI技术从专业技能加速演化为全民基础素养，如何系统提升全民AI胜任力，也成为当前社会必须回应的战略性任务。

围绕这一议题，已有研究大多聚焦数字素养^［3-4］、AI素养^［5-6］等概念进行分析，为初步理解公众AI胜任力提供了重要基础。但现有研究并没有充分回应生成式AI兴起所带来的人机交互模式变化及其引发的能力转型需求。虽然部分学者已经从教育学、图书馆学等学科视角对提示素养展开了初步探索，但相关讨论大多局限在具体技术操作层面或特定专业领域的教育实践，很少将提示素养作为一种公共基础能力，探究其在更广泛社会背景下普及与提升的意义。可以说，在系统性提升公众提示素养这一问题上，现有文献和实践探索还比较零散，难以真正推动全民AI胜任力的整体提升。

因此，本文围绕如何系统提升个体提示素养与全民AI胜任力展开探讨。在分析提示素养的概念内涵与重要意义的基础上，针对当前提示素养仍主要依赖个体自发、自觉、自习提升这一现状，尝试提出如何将零散个体实践转化为系统性公共教育路径，以期构建一种更加普适、可持续的提示素养培育路径。

二 提示素养的兴起及内涵

（一） 早期人机交互形态的演变

计算机技术的发展不断推动人机交互模式的演进，同时也对使用者的胜任力提出了持续更新的要求，相关内容如表1所示。

在计算机应用初期，用户主要依靠穿孔卡输入指令与数据。使用者需要熟练掌握穿孔卡的制作方法、理解计算机指令的编码规则，并具备一定的技术背景以应对复杂的操作流程。因此，计算机的初期用户是那些具有专业技术背景的工程师或科学家。

同期出现的批处理系统稍微简化了输入方式。用户能够一次性提交多个任务，由计算机集中处理后返回结果。这种方式虽然降低了逐一输入指令的复杂性，但对用户的任务规划和数据组织能力提出了更高的要求，一般用户仍然很难胜任。

20世纪70—80年代，个人计算机开始走向公众视野，以图形界面和鼠标为主的人机交互方式带来了重大转变。施乐帕洛阿尔托研究中心和苹果公司率先将图标、菜单和窗口引入系统界面。用户只需要点击几下鼠标，就可以实现过去需要记指令、打代码才能搞定的操作。这大幅降低了计算机使用门槛，使得计算机开始从专业领域走向普通家庭。但随着软件种类的快速增加，用户需要理解和适应各种界面设计，这成为使用技术的一个新的门槛。

自然语言交互的探索最早可以追溯到20世纪60年代中期。约瑟夫·魏岑鲍姆开发的ELIZA被视为最早的聊天机器人之一^［7］，虽然其功能比较初级，但展示了人机对话的可能性。一直到2011年苹果公司推出Siri，智能语音助手才真正实现了人机之间比较自然的语言互动。不过这一阶段的人机交互很简单，基本停留在执行指令或者回答问题上，不具备上下文的记忆与持续互动，更谈不上创造性地生成内容。

（二） 提示工程标志着人机交互的新形态

真正推动人机交互范式发生转变的是大模型的出现。生成式AI兴起后，提示工程成为人机交互的新形态。Amazon将其描述为“指导生成式AI解决方案生成所需输出的过程”4

4 What is prompt engineering? [EB/OL].[2025-07-20]. https://aws.amazon.com/cn/what-is/prompt-engineering/.

；McKinsey则在研究报告《生成式AI：CEO必读指南》中将其定义为“设计、改进和优化输入提示以引导生成式 AI 模型产生所需（即准确）输出的过程”5

5 生成式AI：CEO必读指南[EB/OL].[2025-07-20].https://www.mckinsey.com.cn/wp-content/uploads/2023/07/What-every-CEO-should-know-about-generative-AI-CN.pdf.

。简单来说，提示工程就是用结构清晰、表达准确的语言告诉AI，你究竟想要什么，让AI能够尽可能地理解任务意图并且生成有价值的内容。这种以自然语言为主要接口的新型交互方式，对用户的表达能力和任务拆解能力都提出了更高要求。

提示工程的优劣直接影响AI如何理解和回应用户需求，进而影响输出内容的质量。以OpenAI为例，其团队总结出了一系列提升AI生成质量的提示工程策略，包括编写明确具体的指令、提供必要的参考文本、避免模型在处理生僻话题时编造不真实的答案、将复杂任务拆解为简单子任务、鼓励模型逐步推理、使用外部工具增强模型能力，以及系统地测试提示效果，OpenAI提供的提示工程策略如表2所示。

作为生成式AI的核心环节，提示工程在人机协作中展现出广泛的应用潜力。OpenAI官方曾提供30个典型的提示词示例，包括代码与技术、数据处理与结构化、分类与提取、生成内容与创意、教育与学习支持、辅助工具与交互等多个场景。这些示例表明，只要提示设计得当，AI的任务完成效果就能够变得更好。

提示工程的兴起不只是技术发展的自然演进，更代表了人机互动方式的一次深刻转型，蕴含着重要的社会学意义。过去，人机关系以命令执行为主，如今正在逐步转向更具互动性、情境感知与认知协作的对话协商模式^［8］。随着大模型的普及，自然语言成为人与机器之间最主要的交互媒介。用户不需要掌握编程知识，仅凭日常语言就可以和AI进行复杂任务的协作。这种范式转变还带来另一层影响：交互过程变得越来越拟人化，用户对AI的认知方式也发生了重要改变。人们不再把AI看作单纯的工具，而是倾向于将其视为日常合作伙伴或智能助手。虽然这种拟人化感知并不新鲜，但生成式AI通过更自然的语言表达和即时反馈，进一步强化了这种心理倾向。

可以说，生成式AI正在重新定义人机互动的方式，让人与技术的关系从单向指令控制转向基于自然语言的协同合作。这一变化催生了提示素养的兴起。提示素养作为一种不依赖编程语言就可以实现高效人机对话的能力，正在成为个体有效运用AI的基础技能。

（三） 提示素养的内涵与结构

在此背景下，“会提问”成为衡量AI胜任力的一项核心指标。提示内容的质量，直接决定了模型生成结果的相关性、准确性与实用性^［9］。正如OpenAI首席执行官萨姆·奥尔特曼所言，为聊天机器人角色编写一个非常出色的提示是一项令人惊叹的技能。面对同一个生成式AI，一些用户能够通过结构清晰、表达准确的提问获得高效且精准的回应，而另一些用户却因为提问模糊或语义不清，可能得到偏离甚至错误的信息。造成这种差异的关键因素，并不只是模型本身的技术差距，而是用户提示素养的高低。

提示素养并不是一项单一技能，而是由多种能力构成的复合性素养体系。已有研究从不同视角出发，对提示素养的内涵与结构进行了分析。Hwang等6

6 HWANG Y, LEE J H, SHIN D. What is prompt literacy? An exploratory study of language learners’ development of new literacy skill using generative AI[J]. arXiv preprint arXiv:2311.05373, 2023.

将提示素养界定为一种通过生成精确提示、解读AI输出并迭代优化提示以达成目标的能力，强调提示生成—结果评估—策略调整的闭环过程。张贵香等^［10］从能力维度出发，提出提示素养包含四项核心要素，包括对生成式AI工具的基本理解、提示编写技巧、生成结果的评估能力，以及必要的伦理与道德意识。此外，赵宇翔等^［11］从更宏观的社会文化视角出发，将提示素养视为嵌入人类价值与社会情境的信息实践，涉及用户、技术、信息与组织等多个维度，是一种融合认知、情感、伦理与文化的综合素养框架。

综合来看，提示素养可以划分为三个相互关联的核心面向。第一是语言掌控，指的是用户理解自身需求并使用自然语言清晰准确表达自身意图的能力。第二是交互调适，强调用户在与AI持续对话的过程中，能够判断模型的反应、识别模型输出内容的质量，并及时对提示策略进行调整。第三是价值导向，体现为用户在使用AI过程中展现出的伦理意识、责任感与基本的社会判断。这三个面向相互支撑，共同构成了用户有效使用生成式AI的核心能力框架。

作为生成式AI时代的一种新兴能力，提示素养有必要与信息素养、数字素养与AI素养等相近概念进行比较，以厘清其独特定位和现实意义。三者在核心能力要素、技术关系逻辑、人机关系特征、代表性能力表现等方面的对比如表3所示。信息素养通常指个体具备定位、评估及有效运用所需信息的能力7

7 Information literacy competency standards for highereducation[EB/OL].[2025-07-20].https://alair.ala.org/server/api/core/bitstreams/ce62c38e-971a-4a98-a424-7c0d1fe94d34/content.

，是图书情报领域长期关注的核心议题。数字素养在此基础上拓展了信息获取的渠道与形式，强调个体在数字环境中安全、有效且创造性地使用技术工具的能力。例如，联合国教科文组织将数字素养定义为“通过数字设备和网络技术安全和适当地访问、管理、理解、整合、交流、评估和创建信息，以参与经济和社会生活的能力”8

8 A global framework of reference on digital literacy skills for indicator 4.4.2[EB/OL]. [2025-07-20].https://uis.unesco.org/sites/default/files/documents/ip51-global-framework-reference-digital-literacy-skills-2018-en.pdf.

。随着AI的发展，这一能力体系逐步延伸出AI素养这一概念^［12］，涵盖了理解AI核心概念与基本原理、应用AI解决实际问题的能力，以及具备对AI技术进行判断和反思的能力^［13-14］。

在此发展脉络中，提示素养展现出了独特的价值。作为一种以自然语言为媒介的人机协作能力，提示素养既要求理解AI生成逻辑，更强调如何通过自然语言生成准确清晰的输入，从而引导AI产生符合目标的高质量输出内容。与其他类型的素养相比，提示素养更加深度地嵌入到人机交互过程中，具有明显的语义敏感性、生成互动性与策略调整性。

三 提示素养提升的现实困境

随着生成式AI特别是DeepSeek等大模型的快速普及，社会对于人机交互知识的学习需求显著上升，提示素养也因此受到广泛关注。从2023年开始，“提示”“提示词”“提示工程”等概念频繁出现在全球在线教育平台与社交媒体中，成为AI时代的新兴技能标签。Coursera、Udacity、EDX等平台陆续推出相关课程，内容涵盖从基础操作、提示模板设计到复杂业务场景中的实际操作。例如，吴恩达与OpenAI联合开设的课程“ChatGPT Prompt Engineering for Developers（面向开发者的ChatGPT提示工程）”上线后引发全球大量用户注册与讨论，反映出大众对这类技能的高度兴趣。根据Coursera发布的《2025年工作技能报告》，生成式AI课程的注册量分别实现了1 100%、500%和1 600%的增长，覆盖了员工、学生和求职者群体9

9 COURSERA.Job skills report 2025[EB/OL].[2025-07-20].https://assets.ctfassets.net/2pudprfttvy6/5hucYCFs2oKtLHEq-GGweZa/cf02ebfc138e4a3f7e54f78d36fc1eef/Job-Skills-Report-2025.pdf.

。与此同时，YouTube、Bilibili、TikTok等社交平台上不断涌现提示技巧相关的短视频与实用教程，满足了用户碎片化、自主化的学习需求；GitHub、Hugging Face等开源社区也构建了多个高质量提示语共享库，如“Awesome ChatGPT Prompts”已获超12万星标，覆盖编程、写作、设计等20余个常见应用场景，为用户提供实用参考。此外，系统化的知识梳理以及书籍出版也开始发挥作用。例如，图书《人人都是提示工程师》系统梳理了提示工程师的职业路径与实操技巧；清华大学新闻与传播学院新媒体研究中心元宇宙文化实验室所编制的电子文档“DeepSeek：从入门到精通”也广为传播。

这些多元路径共同构建了一个由平台引导、社群共建与个体探索相结合的提示素养传播生态，加快了相关知识在公众中的扩散速度。但整体来看，目前公众提示素养的提升仍主要依赖个体自发探索，缺乏制度化、系统性的公共支持，容易引发知识输入零散、过度依赖模板、反馈机制不足等问题，难以支撑全民AI胜任力的长期建设目标。

（一） 知识输入零散不利于提示知识的深入理解与应用

当前很多用户主要通过开源社区和自媒体平台进行提示工程学习，获取的信息以各类脱离上下文语境的提示词模板、实用技巧或经验分享为主，例如生成创意文案的万能提示词、代码类提问的高频句式等。这种以工具使用为导向的操作性学习虽然上手很快，但不能帮助学习者理解提示设计背后的底层逻辑，例如任务拆解的方式，或者模型对不同表达方式的反应机制等。当学习者面对不熟悉的任务或者无法直接套用模板场景时，他们往往缺乏足够的判断与调整能力。因此，零散学习虽然能够满足短期操作需求，但无法提升用户对于提示知识的深入理解与应用。提示素养作为一种复合型能力，其有效提升必须依赖系统、连贯的知识输入，而不是零散化、碎片化的信息堆积。

（二） 模板依赖削弱了提示策略的灵活性与创造性

相比于知识输入的碎片化问题，另一个更现实的问题是用户对于模板的过度依赖。即便掌握了一些提示技巧，很多用户在实际过程中都倾向于反复套用熟悉的句式，比如 “详细解释+举例说明”“列出5个要点”等标准化句式。这种思维定式既降低了用户对于任务差异的感知能力，也使用户与AI交互时形成了固定表达方式，很难根据目标差异来调整自己的提示策略。更加重要的是，提示设计不仅仅是语言层面的简单调整，更是一种基于对模型行为理解的动态调控过程，包括如何引导AI进行推理、如何拆分复杂任务等。用户过度依赖提示词模板，就意味着跳过了这一理解过程，很难与AI进行灵活性、创造性的互动。

（三） 系统反馈缺失难以培养AI评估与提示迭代能力

提示素养不仅在于能写出提示词，更重要的要求是评估AI输出的质量并不断优化提示词。然而，目前的自发学习路径普遍缺乏清晰实时的反馈机制，用户通常是在试错中自行摸索，对于AI生成内容的质量判断也主要依赖直觉而不是明确标准，有时很难察觉内容的逻辑漏洞。更常见的是，即便意识到问题，也不知道应该如何修改提示词来引导AI改进输出内容。这种倾向使得学习者的提示应用只能停留在简单生成的操作中，很难提升对于AI的评估能力以及提示迭代能力。相比之下，有组织的训练能够通过案例引导和任务演练，引导学习者建立判断标准和调试的思维方式。

（四） 数字素养差异可能带来提示素养提升的新型鸿沟

尽管生成式AI在一定程度上降低了技术门槛，但提示素养的实际提升仍然高度依赖语言表达、逻辑组织和信息筛选等能力，这形成了新的学习壁垒。当前以自学为主的提示学习模式，本身就更加适配于那些数字素养较高、学习动机高的群体。而对于老年人、低学历者以及其他数字弱势群体而言，这种模式似乎并不适合。他们通常缺乏接触提示知识的渠道，难以融入主流的学习社群。即使偶尔有一些接触，提示设计所涉及的任务拆解、语义控制等技能，也远远超过这些群体原有知识结构所能支撑的范畴。更关键的是，由于缺乏技术使用经验和正向反馈，这些群体很难生发出主动学习提示知识的内在动机。所以，当提示素养的提升缺乏普惠性资源与专项支持时，提示素养的分化程度可能会进一步扩大。熟练用户可以不断试验、调整并精进提示策略，将生成式AI训练为高效的合作伙伴；而弱势群体则可能被排除在人机协作生态之外，从而不断放大既有的数字鸿沟。

四 提示素养提升的系统化路径

针对上述问题，提示素养提升需要上升为更加系统化、有组织的公共教育行动。作为生成式AI时代的基础能力，提示素养不能只靠平台热度或者个人兴趣驱动，更需要制度层面的介入和保障。这不仅关系到技术普及的广泛性，更涉及技术应用能力的社会分布。如果没有系统性的教育机制与公共资源支撑，提示素养的培育很可能长期停留在技术熟练者这一圈层，很难成为真正面向大多数公众的通用技能。生成式AI越是深入日常生活，这种能力不平等就越有可能演变成一种新型数字鸿沟。

（一） 国外经验与启示

目前多个国家和地区已经开始探索如何将提示能力提升纳入教育体系。在美国，提示素养的教育实践主要由高校和在线平台推动。斯坦福大学、麻省理工学院、范德比尔特大学等高校陆续开设提示工程相关课程，内容涵盖提示设计方法、语言优化技巧与教学场景应用，部分课程专门面向教师群体，帮助其将提示技能融入教学实践。同时，Coursera、Udemy、LinkedIn Learning等在线平台则面向公众提供系统课程，降低非专业用户的学习门槛。2023年，美国教育部发布了《人工智能与教学未来：洞察与建议》。虽然该报告中没有正式提出“提示素养”这一概念，但明确指出要在教育系统中强化师生提出有效问题、与AI工具协同工作的能力，体现出对提示能力的重视10

10 Artificial intelligence and the future of teaching and learning[EB/OL].[2025-07-20]. https://www.ed.gov/sites/ed/files/documents/ai-report/ai-report.pdf.

。欧盟也在积极推动相关议程，其发布的《数字教育行动计划（2021—2027）》将AI与数据素养纳入教育数字化转型的核心议程，并鼓励各成员国更新课程体系与能力框架11

11 Digital education action plan (2021-2027) [EB/OL] .[2025-07-20].https://education.ec.europa.eu/focus-topics/digital-education/action-plan.

。

这场全球性的提示素养教育实践提醒人们，需要将提示素养的培育上升为一项面向全体公众的基础能力建设任务。当前中国在数字素养培育方面已经具备良好的实践基础。自2021年中央网络安全和信息化委员会印发《提升全民数字素养与技能行动纲要》以来，多地陆续推进了普及性教育、基础资源建设以及弱势群体专项扶持。《全民数字素养与技能发展水平调查报告（2024）》也显示，中国六成以上公民具备初级及以上数字素养与技能，城乡居民数字素养与技能水平协同提升，各年龄段人群数字素养与技能发展态势持续向好，形成了良好的全民参与氛围12

12 全民数字素养与技能发展水平调查报告（2024）[EB/OL]. [2025-04-02]. https://www.cac.gov.cn/2024-10/25/c_1731546599579826.htm.

。

但需要指出的是，生成式AI所要求的提示设计、语言交互、模型评估等技能要求，已经远超出传统数字素养的范围。为了回应这种转型趋势，中国需要进一步探索如何将提示素养纳入更广义的数字素养体系。2023年，中国工业和信息化部教育与考试中心启动了“AIGC提示工程师”培训认证项目，成为国内首个官方认可的提示工程人才评价体系。这个项目在每个季度会组织考试，对学员的提示词运用和大模型应用能力进行测评，合格者将获得官方证书。这种体系化的认证路径，将分散的提示技巧上升为体系化课程，为社会大众提供了标准化学习路径。未来需要在现有数字素养体系的基础上进行战略升级，将提示素养作为AI核心能力的重要组成部分，纳入全民教育与能力建设体系。

（二） 构建多层次提示素养教育体系

学生群体作为未来社会的主力军，需要在不同阶段接受与其认知水平相匹配的提示素养教育。事实上，这种分阶段、分层次的培养思路，早在科技伦理教育体系构建中有所体现^［15-16］。这一理念同样适用于提示素养培育。比如，在中学阶段，教学重点不应放在复杂提示技巧的训练上，而是帮助学生理解基础AI知识，并初步建立对人机协作的直观认识。进入本科阶段，提示素养则应被视为一项通用能力，纳入各专业的通识课程体系。学校可以通过开设生成式AI实践类课程，引导学生关注如何构造高质量提示、清晰表达任务意图，并对输出结果进行判断和优化；也可以结合AI辅修专业、素养认证项目或者在线平台资源等形式，支持学生自主提升AI协作能力。

目前，国内外部分高校已经展开探索。清华大学不仅新建了200门AI赋能课程与38门AI通识课程体系，还推出了AI辅修专业与证书项目，并发布了《人工智能教育应用指导原则》，为学生提供了可以从零学起的系统性路径。亚利桑那州立大学则通过Career Catalyst项目提供短期在线课程，帮助学生掌握提示工程技能。悉尼大学也提供了提示工程的资源和实践案例，希望能够帮助学生利用ChatGPT等生成式AI工具来提升学习效果。

职业教育与继续教育也需要积极回应相关群体的学习需求。教育机构应将提示技能和行业岗位能力结合起来，推动培训内容的更新升级。例如，在电商、客服、金融、教育等行业的技能培训中，系统引入提示设计、内容优化与AI应用模块，实现通用技能与行业能力的相互支撑，推动生成式AI真正服务于一线工作场景。

（三） 面向重点群体构建提示素养分类培训体系

随着生成式AI加速进入各类专业场景，不同行业与群体在使用能力上的差异日益显著。推动技术普及的下一步，不是简单扩大技术覆盖面，而是回应不同群体在应用场景、职业特点与学习模式上的差异。提示素养作为一种高度依赖语境的实践能力，需要嵌入具体岗位需求与生活场景中。

在政务和医疗等公共服务领域，提示设计不能只强调效率，更需要考虑安全可控、伦理优先与服务导向。以政务系统为例，2025年以来，多地围绕国产大模型DeepSeek开展提示素养培训，逐步将其纳入公务员能力建设体系。例如，北京市石景山区住房和城乡建设委员会举办“DeepSeek大模型赋能政务办公应用”专题培训，温州市瓯海区将DeepSeek应用课程纳入新录用公务员“黄金三年”成长计划。这些探索表明，公务员的提示素养与AI胜任力不仅要关注技术应用能力，更强调对技术的理解、制约与引导能力。医疗系统的探索路径更偏向于任务辅助服务优化。生成式AI作为提升效率与减轻负担的技术手段，其介入往往发生在文书写作、科研检索、信息整合等环节。2025年3月，北京中西医结合医院组织全员参加DeepSeek知识应用培训，推动医护人员掌握AI辅助写作能力；昌平区中医医院举办“DeepSeek在医院中的应用与创新”专题培训，围绕生成式AI的应用前沿与提示策略展开教学，深入探讨如何将大模型与医疗服务流程有效融合。

对于数字适应度较低的群体，如老年人，提示素养的培训重心则需要回到日常化与实用化导向，包括服务问答、信息查询、智能设备操作等基本应用。例如，2025年3月，北京市夕阳再晨社会工作服务中心举办“DeepSeek点亮银龄生活，科技助力智慧养老”主题科普讲座，特邀公益讲师向社区老年人讲解生成式AI的应用场景，并通过现场互动引导长者学习如何用自然语言进行有效提问。这种科普活动有助于提升群体对于生成式AI的信任感和使用意愿。

（四） 激发社会自组织力量参与提示素养培育

最后，提示素养的培育不仅依赖学校教育与政府主导的培训体系，也离不开社会自组织力量的积极参与。很多人第一次接触并学会使用提示语言，是在社交平台上看经验教程，或者在微信群相互交流。当前一些在线平台上不断涌现的生成式AI课程、短视频教程与实操案例，显著降低了学习门槛，推动了提示技能的“草根化”扩散。这些来自AI爱好者、民间社群、知识博主的自组织力量，正在构建一套鲜活、多元、低门槛的提示知识学习网络，在提示知识普及中展现出了旺盛的创造力。

这种自下而上的学习模式，已经成为提示素养培育的重要路径之一。为了让这种民间创造力持续生长，政府和平台应当给予更有力的支持。比如，相关部门可以鼓励和资助有社会影响力的提示学习社群、内容创作者开展线下沙龙、线上直播、开源项目等活动，鼓励经验交流与工具创新，使提示学习更具实践性与趣味性。还可以鼓励高校和科研机构的专家学者主动参与其中，以志愿导师、专业顾问等方式加入民间社群，促进专业知识与公众实践的有效衔接。

从这个角度来看，提示素养的培育既是一项自上而下的制度工程，也是一场自下而上的社会动员实践。通过建立官方引导与民间共创的协同机制，构建开放、多元、可持续的提示学习生态，才能有效推动提示能力在全社会范围内的普及与深化。

五 结论与讨论

2025年初，国内外媒体和公众将DeepSeek誉为中国“国运级”技术产品。这一评价不仅源于大模型在技术上的突破，更因其可能带来知识生产与创新范式的系统性变革。生成式AI正逐步从专业工具转变为全社会广泛依赖的基础设施，深刻影响着人们的工作、学习与认知方式。继“数据即权力”“算法即权力”“算力即权力”之后，“提示”本身也在成为一种新的权力形式。谁能更好地与AI沟通，谁就可能在未来的学习、生活与创造中占得先机。提示语言掌握能力的不均衡，不仅可能催生创造力的社会分层和新型数字鸿沟，更可能进一步拉大国家之间创新能力的差距。全民AI胜任力已经成为衡量国家竞争力的软实力核心。基于这种认识，本文强调并主张社会各个行业与群体大力探索生成式AI的使用路径，主动适应与积极利用AI带来的新变化，以应对日益激烈的国际竞争与创新挑战。

在这一战略视角下，提示素养作为一种新兴核心能力的重要性不断凸显。与传统的信息素养、数字素养或者AI素养不同，提示素养更关注如何通过清晰、高效、策略性的提示语言，实现与生成式AI的有效协同与创造性产出。但是，目前关于提示知识的学习仍然停留在个体自发探索与民间经验，呈现出知识获取碎片化、过度依赖模板、反馈机制薄弱、群体差距扩大等问题。要解决这些问题，有必要将提示素养培养纳入系统化的公共教育与科普工程。这不仅需要构建正式的多层次教育体系，也需要面向公务员、医务人员、老年人等特殊群体开展贴合实际需求的分类培训，还要鼓励社会组织、学习社群、平台创作者等民间力量的共同参与，推动形成政府引导与社会共创并行的提示素养提升生态。

参考文献

[1] 中国科学技术信息研究所，科技部新一代人工智能发展研究中心. 中国人工智能大模型地图研究报告（2023）［R］. 北京：中国科学技术信息研究所，科技部新一代人工智能发展研究中心，2023.

[2] 李国杰.DeepSeek引发的AI发展路径思考［J］.科技导报，2025（3）：14-19.

[3] 李正风，王硕. 数字素养、数据权利与数字伦理［J］. 科普研究，2022（6）：8-14.

[4] 王兆轩.生成式人工智能浪潮下公民数字素养提升：基于ChatGPT的思考［J］.图书馆理论与实践，2023（5）：78-86.

[5] 蔡迎春，张静蓓，虞晨琳，等.数智时代的人工智能素养：内涵、框架与实施路径［J］.中国图书馆学报，2024（4）：71-84.

[6] 郭亚军，寇旭颍，冯思倩，等.人工智能素养：内涵剖析与评估标准构建［J］.图书馆论坛，2025（2）：42-50.

[7] WEIZENBAUM J. ELIZA：a computer program for the study of natural language communication between man and machine［J］. Communications of the ACM， 1966（1）： 36-45.

[8] 王硕，张徐姗，武晨箫，等.AI for Science：认知性协作、全过程效应与行动领域［J］.西安交通大学学报（社会科学版），2025（3）：117-128.

[9] HESTON T F， KHUN C. Prompt engineering in medical education［J］. International Medical Education， 2023（3）： 198-205.

[10] 张贵香，贾君枝.生成式AI时代下的提示素养培育研究［J］.大学图书馆学报，2024（6）：63-71.

[11] 赵宇翔，景雨田，宋士杰，等.AIGC赋能的提示素养：生成式AI时代的人智交互能力重构［J］.情报资料工作，2025（3）：14-25.

[12] NG D T， LEUNG J K， CHU S K， et al. Conceptualizing AI literacy： an exploratory review［J］. Computers and Education： Artificial Intelligence， 2021， 2： 100041.

[13] KONG S C， CHEUNG W M， ZHANG G. Evaluation of an artificial intelligence literacy course for university students with diverse study backgrounds［J］. Computers and Education： Artificial Intelligence， 2021， 2： 100026.

[14] LONG D， MAGERKO B. What is AI literacy？ Competencies and design considerations［C］//Proceedings of the 2020 CHI conference on human factors in computing systems，2020： 1-16.

[15] 王硕，李正风. 科技伦理教育体系的系统发展观：基于“六边形教育模型”的探索［J］. 科学学研究，2023（11）：1921-1927.

[16] 王硕，文侃骁，李正风. 中国式现代化视域下科技伦理治理的问题意识［J］. 科技导报，2024（6）：69-78.

基金资助

国家社会科学基金重大项目(21ZDA017)

中国科普研究所项目(240212)

教育部人文社会科学研究青年基金项目(24YJC710065)