Prompt 工程完全指南

为什么 Prompt 重要

同一个 AI,新手用出 60 分,高手用出 95 分。差距就在怎么提问。

7 大核心原则

1. 角色设定(Role)

``` 你是一位 [X],有 [Y] 年经验,擅长 [Z]。 ``` 效果提升: +30%

2. 任务清晰(Task)

``` 请做 [具体动作],产出 [具体格式]。 ``` 避免: ❌ 「帮我写点东西」 ✅ 「写一份 500 字的产品介绍,包含 3 个核心卖点」

3. 上下文(Context)

``` 背景: [你的情况] 目标: [你要达成什么] 约束: [不能做什么] ```

4. 输出格式(Format)

``` 请用以下格式输出:

第一部分: xxx
第二部分: yyy ```

5. 示例(Few-shot)

``` 例子: 输入: "今天心情好" 输出: "🙂"

输入: "今天下雨" 输出: "🌧️"

现在输入: "今天加班" 输出: ``` 效果提升: +50%

6. 思维链(Chain-of-Thought)

``` 请一步一步思考,先分析问题,再给方案,最后总结。 ```

7. 反思(Reflection)

``` 生成后,请自己检查一遍,有问题就重做。 ```

万能模板

```markdown

角色

你是 [具体角色]

任务

请完成 [具体任务]

上下文

用户背景: [xxx]
使用场景: [xxx]
期望效果: [xxx]

约束

不要: [xxx]
必须: [xxx]

输出格式

用 [格式]
字数: [xxx]
结构: [xxx]

示例(可选)

[给 1-3 个示例]

思考过程

请先分析,再给出答案。 ```

10 个实战技巧

1. 用 Let's think step by step

对所有推理任务都有效。

2. 用引号精确引用

``` 请基于以下文本回答: "新能源车销量增长 30%, 主要来自比亚迪和特斯拉" 问题: 哪家增长最快? ```

3. 让 AI 提问

``` 请先问我 3 个关键问题,根据我的回答再继续。 ```

4. 多轮迭代

第一版 → 反馈 → 优化 → 再反馈 → 再优化

5. 限制选项

``` 请从以下 3 个方向选一个,不要给我其他选项: A. 简洁实用 B. 创意大胆 C. 安全保守 ```

6. 否定优于肯定

❌ 「写一段不要太正式的文字」 ✅ 「写一段口语化、像朋友聊天的文字」

7. 加 Why

``` 请解释为什么这样推荐,这能帮助我理解你的思路。 ```

8. 给评分标准

``` 按以下标准给这个 prompt 评分(1-10):

清晰度
具体度
可执行性然后改进它。 ```

9. 拆分任务

``` 不要一次性写一篇 5000 字的文章。分 5 轮: 大纲 → 第一节 → 第二节 → 第三节 → 总结 ```

10. 用 Markdown 结构

AI 对 Markdown 的解析能力很强。

5 个反模式

1. 一句话模糊请求

❌ 「帮我写个营销方案」

2. 没有上下文

❌ 「这个 bug 怎么修」

3. 期望万能答案

❌ 「给我推荐最好的 XXX」

4. 一次性大任务

❌ 「给我做一个完整的电商网站」

5. 没有评估标准

让 AI 知道「什么是好的」。

不同模型的最佳实践

ChatGPT

喜欢具体的角色设定
结构化输出很稳

Claude

长文档处理最强
XML 标签结构: `...`
反思能力突出

Gemini

多模态最强
联网搜索准

DeepSeek

中文任务表现好
R1 推理模式: 适合复杂问题
价格便宜

进阶技巧

Tree of Thought

``` 请考虑 3 种不同方案,分析各自的优劣,然后选择最优。 ```

Self-Consistency

``` 请生成 5 个不同的答案,然后投票选出最好的。 ```

ReAct

``` 请按以下步骤:

Thought: 思考下一步
Action: 采取行动
Observation: 观察结果
重复直到完成 ```

学习路径

第 1 周

每天写 5 个 prompt,对比不同写法
学会基础 7 原则

第 1 月

读 OpenAI Cookbook
读 Anthropic Prompt Engineering Guide

第 3 月

尝试 LangChain / LlamaIndex

第 6 月

尝试 Fine-tuning
搭建 RAG 系统

总结

Prompt 工程是 AI 时代最值得投资的技能。

学习成本: 1 周
适用所有 AI 工具
永远不会过时