总结摘要
提示词工程是与AI大模型高效协作的核心技能。下面系统介绍核心技术。
一、基础概念
提示词（Prompt） 就是你输入给AI的指令。提示词工程就是研究如何写出更好的指令，让AI输出更准确、更有用的结果。
二、核心技术
1. 零样本提示（Zero-shot）
直接告诉模型做什么，不给例子。
1
2
| 将下面的句子翻译成英文：
"今天天气很好，我想去公园散步。"
|
适合：简单明确的任务
2. 少样本提示（Few-shot）
给模型几个例子，让它学会模式。
1
2
3
4
5
6
7
8
9
10
| 将情感分类为"正面"或"负面"：
句子：这部电影太精彩了！
分类：正面
句子：服务态度很差，再也不来了。
分类：负面
句子：今天的午饭一般般。
分类：
|
核心原理：例子越贴近目标任务，效果越好。
3. 思维链提示（Chain-of-Thought, CoT）
让模型一步步思考，而不是直接给答案。
1
2
3
4
5
6
| ❌ 普通提示：
小明有5个苹果，给了小红3个，又买了7个，他现在有几个？
✅ CoT提示：
小明有5个苹果，给了小红3个，又买了7个，他现在有几个？
请一步一步思考。
|
变体：加上 Let's think step by step / 请逐步分析
4. 角色扮演（Role Prompting）
给模型指定身份，激活特定知识域和语气风格。
1
2
3
4
5
6
7
| 你是一位有15年经验的Java后端架构师。
请从架构角度评审以下代码，重点关注：
- 线程安全问题
- 性能瓶颈
- 可扩展性
[代码内容]
|
5. 结构化输出
明确指定输出格式，便于后续处理。
1
2
3
4
5
6
7
8
9
| 分析以下产品评论，以JSON格式返回：
{
"sentiment": "正面/负面/中性",
"score": 1-10,
"key_points": ["要点1", "要点2"],
"suggestions": "改进建议"
}
评论内容：[...]
|
6. 系统提示 + 用户提示分离
专业场景下将"角色设定"与"具体任务"分开。
1
2
3
4
| [系统提示] 你是一个严谨的学术写作助手，
回答简洁专业，引用真实来源。
[用户提示] 解释Transformer中的Attention机制。
|
7. 自我一致性（Self-Consistency）
同一个问题问多次，取最常见的答案，提升可靠性。适合复杂推理任务。
8. 思维树（Tree of Thoughts, ToT）
让模型探索多条推理路径，像下棋一样评估每步。
1
2
3
| 解决这个问题时，请先提出3种不同的解题思路，
评估每种思路的优缺点，
然后选择最优的一种深入展开。
|
9. RAG 提示（检索增强生成）
将外部知识注入提示词，解决模型知识截断问题。
1
2
3
4
5
| 以下是相关文档内容：
---
[检索到的文档片段]
---
基于以上文档，回答：XXX问题
|
让AI帮你写提示词。
1
2
| 我需要一个提示词，用于让AI帮我分析竞争对手的产品。
请帮我写一个专业的提示词模板。
|
三、实用技巧清单
| 技巧 | 说明 |
|---|
| 明确角色 | “你是…专家” |
| 限定范围 | “只考虑…方面” |
| 指定格式 | “用Markdown表格/JSON/列表输出” |
| 设定长度 | “用不超过200字概括” |
| 负面约束 | “不要使用技术术语” / “不要重复内容” |
| 给出示例 | 少样本学习效果显著 |
| 逐步引导 | “先…再…最后…” |
| 自我审查 | “回答后，检查是否有逻辑漏洞” |
四、提示词结构模板
一个完整高质量的提示词通常包含：
1
2
3
4
5
6
| [角色/身份] 你是一位...
[背景/上下文] 我正在...，当前情况是...
[任务] 请帮我...
[约束条件] 要求：1. ... 2. ... 3. ...
[输出格式] 请以...格式返回
[示例] 例如：输入... → 输出...
|
五、场景推荐
结合几个高价值场景：
🔧 代码场景
1
2
3
4
5
6
| 你是资深Java后端工程师，精通JUC和JVM调优。
请审查以下代码，重点检查：
1. 并发安全问题（说明触发场景）
2. 内存泄漏风险
3. GC压力优化建议
并给出重构后的代码示例。
|
📝 论文场景
1
2
3
| 你是IEEE期刊审稿人，专注嵌入式系统与间歇计算领域。
以下是我的论文段落，请从R#2审稿人角度，
指出实验设计的薄弱点，并给出针对性的回复策略。
|
🎮 小说创作场景
1
2
3
4
| 你是一位资深晋江网文作者，擅长无限流题材。
保持冷峻克制的叙事风格，避免口号式表达。
主角顾衍进入副本[X]，请从以下设定出发
描写第一幕：[具体场景要求]
|
六、进阶学习路径
1
2
3
4
5
6
7
| 入门 → 零样本/少样本/角色提示
↓
进阶 → CoT / ToT / 结构化输出
↓
高级 → RAG / Agent提示 / 多轮对话管理
↓
工程化 → LangChain / PromptLayer / DSPy
|