提示词工程指南

什么是提示词工程

提示词工程（Prompt Engineering） 是设计和优化AI输入的技术，目的是获得更准确、更有用的输出。

核心理念：AI模型的回答质量很大程度取决于你如何提问。

Anthropic的五步提升法

Anthropic在官方指南中推荐的提升步骤（按影响排序）：

1. 清晰直接（Be Clear & Direct）

❌ 帮我写点东西
✅ 写一封500字的求职信，应聘前端开发岗位，强调React和TypeScript经验

2. 使用示例（Use Examples）

请将以下产品名称翻译成中文，保持品牌调性：

示例：
- "iPhone" → "iPhone"（保留原名）
- "Google Chrome" → "谷歌浏览器"

请翻译：
- "Visual Studio Code"
- "GitHub Copilot"

3. 思维链（Chain of Thought）

请一步一步分析这个问题，展示你的推理过程：

问题：一个水池有两个进水管和一个出水管...

4. XML标签结构（Structured Tags）

<context>
你是一位资深的代码审查员
</context>

<task>
审查以下代码，找出潜在问题
</task>

<code>
function fetchData() {
  // 代码内容
}
</code>

<output_format>
请按以下格式输出：
1. 问题描述
2. 严重程度（高/中/低）
3. 修复建议
</output_format>

5. 角色扮演（Assign Roles）

你是一位有10年经验的Python开发者，专精于数据处理和性能优化。
请帮我优化这段数据处理代码...

OpenAI的核心策略

1. 提供详细指令

✅ 总结会议记录，输出要点列表，每点不超过20字，重点标注行动项
❌ 总结一下

2. 指定输出格式

请以JSON格式输出结果：
{
  "summary": "简要总结",
  "key_points": ["要点1", "要点2"],
  "action_items": ["待办1", "待办2"]
}

3. 分隔符标记内容

请翻译以下内容：

###
需要翻译的文本放在这里
###

4. 少样本学习（Few-shot）

分类以下评论的情感：

评论：这家餐厅太棒了！
情感：正面

评论：服务态度很差
情感：负面

评论：价格还行，味道一般
情感：

实用提示词模板

写作类

你是一位[专业领域]的写作专家。

请帮我写一篇关于[主题]的[文章类型]。

要求：
- 目标读者：[受众描述]
- 风格：[正式/轻松/专业]
- 字数：约[数量]字
- 重点突出：[关键信息]

请先给出大纲，确认后再写全文。

代码类

请用[编程语言]实现[功能描述]。

技术要求：
- 框架：[框架名称]
- 需要处理的边界情况：[列举]
- 性能要求：[描述]

请添加详细注释，并在代码后说明关键设计决策。

分析类

请分析以下[内容类型]：

<content>
[具体内容]
</content>

请从以下角度分析：
1. [角度1]
2. [角度2]
3. [角度3]

输出格式：
- 每个角度的分析结论
- 综合建议
- 潜在风险提示

翻译类

请将以下内容翻译成[目标语言]。

翻译要求：
- 保持[正式/口语化]风格
- 专业术语参考[领域]标准
- 保留原文的[语气/幽默感等]

原文：
[内容]

高级技巧

1. 思维树（Tree of Thought）

让AI探索多个解决方案：

请针对这个问题提出3种不同的解决方案，
分析每种方案的优缺点，
最后推荐最佳方案并说明理由。

2. 自我一致性（Self-Consistency）

请解答这道数学题，用3种不同的方法求解，
然后对比结果确保答案正确。

3. 反向提示（Reverse Prompting）

这是一段[好/差]的[内容类型]示例：
[示例内容]

请分析它为什么[好/差]，
然后基于分析写一个更好的版本。

4. 迭代优化

第一轮：请写一段产品介绍
第二轮：很好，请让语言更简洁，突出核心卖点
第三轮：请添加一个吸引人的开头

2025年新趋势：上下文工程

Anthropic提出"上下文工程"（Context Engineering）概念：

从"找到正确的词"转向"配置最优的上下文"

关键要素：

• 系统提示词：设定AI的角色和行为边界
• 相关文档：RAG检索的参考资料
• 对话历史：维护上下文连贯性
• 工具定义：可用工具的能力说明

常见错误与修正

提示词检查清单

在发送提示词之前，检查：

• 任务目标是否清晰？
• 是否提供了必要的上下文？
• 输出格式是否明确？
• 是否有示例说明？
• 是否指定了约束条件？
• 是否考虑了边界情况？

练习建议

1. A/B测试：同一任务用不同提示词，对比效果
2. 收集模板：建立个人提示词库
3. 迭代优化：根据输出不断调整提示词
4. 学习官方指南：定期查看各厂商的最新最佳实践