跳到主要内容

Prompt Engineering 提示词工程

掌握与AI对话的艺术，让AI准确理解并完成你的需求

什么是Prompt Engineering？​

Prompt Engineering（提示词工程）是一门设计、优化和调试AI输入指令的技术，通过精心构造的提示词来引导AI模型生成期望的输出。它是使用生成式AI的核心技能。

核心价值：

  • 🎯 提高AI输出质量和准确性
  • ⚡ 减少迭代次数，提升效率
  • 🎨 激发AI的创造力和潜能
  • 💰 降低token消耗成本

基础概念​

Prompt的组成部分​

一个完整的Prompt通常包含以下要素：

[角色设定] + [任务描述] + [上下文信息] + [输出要求] + [约束条件]

示例：

你是一位资深的Python开发者（角色）。
请帮我编写一个函数（任务），用于处理用户上传的CSV文件（上下文）。
代码需要包含错误处理和注释（输出要求），不要使用pandas库（约束）。

提示词类型​

类型说明适用场景
Zero-shot不提供示例，直接描述任务简单、通用的任务
Few-shot提供几个示例需要特定格式或风格
Chain-of-Thought引导逐步思考复杂推理、计算任务
Role-playing角色扮演需要特定专业知识

核心技巧​

1. 清晰明确​

❌ 不好的提示：

写点关于AI的东西

✅ 好的提示：

写一篇500字的文章，介绍生成式AI在教育领域的三个主要应用场景，
包括个性化学习、自动批改和智能答疑，目标读者是中小学教师。

2. 提供上下文​

❌ 缺少上下文：

这个代码有什么问题？

✅ 提供上下文：

我在开发一个Django Web应用。下面的视图函数在处理POST请求时
总是返回500错误。请帮我找出问题：
[代码]

3. 使用分隔符​

使用三引号、XML标签等分隔符清晰标识不同部分：

请总结以下文章的要点：

"""
[文章内容]
"""

要求：
1. 提取3-5个关键要点
2. 每个要点不超过一句话

4. 指定输出格式​

分析以下用户评论的情感倾向，以JSON格式输出：

评论："这个产品质量不错，但价格有点贵"

输出格式：
{
  "sentiment": "正面/中性/负面",
  "confidence": 0.0-1.0,
  "keywords": ["关键词1", "关键词2"]
}

5. 迭代优化​

从简单开始，根据输出逐步优化：

第一版：写一个排序函数
第二版：写一个Python快速排序函数，包含注释
第三版：写一个Python快速排序函数，包含详细注释和测试用例，
       处理空列表和单元素列表的边界情况

高级技巧​

Chain-of-Thought（思维链）​

引导AI逐步推理，提高复杂问题的准确性：

问题：一个班级有60名学生，其中40%是女生，女生中有30%戴眼镜。
请问戴眼镜的女生有多少人？

请按以下步骤思考：
1. 先计算女生总数
2. 再计算戴眼镜的女生人数
3. 给出最终答案

Few-shot Learning（少样本学习）​

提供示例来定义期望的输出格式：

将以下句子转换为正式语气：

示例1：
输入：这个东西真不错
输出：此产品质量优良

示例2：
输入：赶紧来看看吧
输出：欢迎您前来参观

现在转换：
输入：有啥问题随时找我
输出：

Self-Consistency（自我一致性）​

要求AI提供多个解决方案，提高可靠性：

请用三种不同的方法解决以下问题，并说明哪种方法最优：
[问题描述]

角色扮演​

指定专家角色获得更专业的回答：

你是一位有20年经验的儿科医生。请用通俗易懂的语言
向家长解释如何预防儿童近视。避免使用专业术语。

实用模板​

内容创作模板​

主题：[主题]
目标受众：[受众群体]
内容类型：[文章/博客/社交媒体等]
字数：[字数要求]
风格：[正式/轻松/专业等]
关键要点：
1. [要点1]
2. [要点2]
3. [要点3]

请基于以上信息创作内容。

代码生成模板​

编程语言：[语言]
功能需求：[详细描述]
输入参数：[参数说明]
返回值：[返回值说明]
特殊要求：
- [要求1]
- [要求2]

请生成代码，包含必要的注释和错误处理。

数据分析模板​

数据集描述：[描述]
分析目标：[目标]
关注指标：[指标列表]
输出要求：
1. 数据概览
2. 关键发现（3-5条）
3. 建议行动

数据：
[数据内容]

文本优化模板​

请改进以下文本：

原文：
"""
[原文内容]
"""

优化方向：
- [ ] 提高可读性
- [ ] 修正语法错误
- [ ] 增强说服力
- [ ] 简化表达

目标读者：[读者群体]

常见问题与解决方案​

问题1：输出不符合预期​

解决方案：

  • 增加更详细的描述
  • 提供示例
  • 明确不想要什么
  • 使用约束条件

问题2：输出过于冗长​

解决方案：

请用不超过100字总结...
只列出最重要的3点...
用一句话回答...

问题3：内容不准确或"幻觉"​

解决方案：

  • 要求引用来源
  • 使用RAG技术提供准确信息
  • 要求标注不确定的部分
如果你不确定某个信息，请明确说明"我不确定"，不要编造。

问题4：缺乏创意​

解决方案：

请提供5个不同风格的方案...
从不同角度分析...
跳出常规思维，给出创新建议...

最佳实践​

DO ✅​

  • 明确目标：清楚说明你想要什么
  • 提供上下文：给出必要的背景信息
  • 具体化：使用具体的数字、格式要求
  • 分步骤：复杂任务拆解为多个步骤
  • 反馈优化：根据输出迭代改进提示词
  • 使用分隔符：区分不同部分的内容
  • 设定角色：利用角色设定获得专业回答

DON'T ❌​

  • 过于模糊：避免笼统、不清晰的描述
  • 假设太多：不要假设AI知道你的具体需求
  • 单次完美：不要期望一次就得到完美结果
  • 忽略限制：注意模型的能力边界
  • 过度复杂：避免在一个提示中包含太多任务
  • 缺乏验证：不要盲目信任输出，需要验证

进阶学习​

提示词框架​

CRISPE框架：

  • Capacity and Role（能力与角色）
  • Insight（洞察，背景信息）
  • Statement（陈述，任务描述）
  • Personality（个性，输出风格）
  • Experiment（实验，请求多种方案）

示例：

[C] 你是一位经验丰富的品牌营销专家
[I] 我们公司是一家新创立的环保科技公司，目标客户是年轻的环保意识者
[S] 请为我们的品牌写一条slogan
[P] 风格要简洁、有力、富有感染力
[E] 请提供5个不同方向的选项

提示词工程工具​

  • ChatGPT Prompt Generator：自动生成优化的提示词
  • PromptPerfect：提示词优化和测试
  • OpenAI Playground：实验和调试提示词
  • LangChain：构建复杂的提示词链

学习资源​

实战案例​

案例1：客服机器人​

你是一位友好、专业的客服代表。

客户咨询：[客户问题]

回复要求：
1. 首先表达理解和同情
2. 提供清晰的解决方案
3. 询问是否需要进一步帮助
4. 保持礼貌和专业
5. 回复长度控制在100字以内

请回复：

案例2：代码审查​

作为一位资深代码审查员，请审查以下代码：

```python
[代码]
```

审查维度：
1. 代码质量（可读性、可维护性）
2. 潜在bug
3. 性能问题
4. 安全隐患
5. 改进建议

请按照以上维度，每个维度给出具体评分（1-10分）和详细说明。

案例3：学习助手​

我正在学习[主题]。我是[水平：初学者/中级/高级]。

请为我：
1. 用简单的语言解释[概念]
2. 提供一个实际例子
3. 列出3个常见误区
4. 推荐下一步学习内容

请确保解释通俗易懂，避免过多专业术语。

快速检查清单​

在提交提示词之前，检查以下项目：

  • 任务描述是否清晰明确？
  • 是否提供了必要的上下文？
  • 输出格式是否明确？
  • 是否设置了合理的约束？
  • 是否需要提供示例？
  • 角色设定是否合适？
  • 语言是否准确无歧义？
  • 是否有字数或结构要求？

小结​

Prompt Engineering是一项需要不断实践和优化的技能。记住以下要点：

🎯 清晰性：准确描述你的需求
📝 结构化：使用模板和框架
🔄 迭代性：不断测试和改进
🎨 创造性：尝试不同的方法
📊 验证性：检查输出质量

实践建议：

  1. 从简单的提示词开始
  2. 建立自己的提示词库
  3. 分析成功和失败的案例
  4. 关注社区最新实践
  5. 定期回顾和优化常用提示词

相关主题​

最后更新： 2026年1月23日

难度级别： 入门到进阶

预计学习时间： 2-4小时

维护者: AI_GEN Team

版本: v1.0

掌握Prompt Engineering，让AI成为你的得力助手！