← 返回知识库
🎯 Prompt Engineering 入门
2026年7月9日 · AI
为什么 Prompt Engineering 重要
同样的模型，不同的提示词 → 天壤之别的输出。Prompt Engineering 是当前使用 AI 最实用的技能，没有之一。
🔤 基础结构
一个好的 Prompt 包含什么
- 角色 — 告诉 AI 它应该扮演什么角色（"你是一个资深 Python 工程师"）
- 上下文 — 提供必要的背景信息、约束条件
- 任务 — 明确你要它做什么，越具体越好
- 格式要求 — 指定输出的结构（JSON、Markdown、表格……）
- 示例 — Few-shot 示例比纯描述有效得多
⚡ 实用技巧
- Chain-of-Thought (CoT) — "让我们一步步思考"，引导模型推理而非直接输出
- 思维树 (ToT) — 让模型探索多个推理分支，选择最优路径
- 元提示 — "在我提问前，先问我几个澄清问题以确保你理解正确"
- 否定指令 — AI 对否定词理解较差，用正面表述代替"不要……"
- 温度控制 — 温度=0 适合精确任务，温度>0.7 适合创意生成
- 输出长度 — 在 prompt 中指定长度或范围，避免废话
🧪 常见模式
角色扮演
"你是一个资深编辑，需要审阅以下文章……"
对比分析
"从 A 和 B 两个角度分析这个问题，最后总结"
结构化输出
"用 JSON 格式返回结果，包含字段：name, price, reason"
迭代优化
先生成初版，再要求修改特定部分，迭代逼近理想结果
反向提问
"关于这个主题，有哪些问题是大多数人不会问但很重要的？"
💡 黄金法则：你花的功夫和得到的质量成正比。一个好的 prompt 值得花 5 分钟打磨，而不是 5 秒钟丢出去。