让AI按你的要求输出
在大模型应用落地中，Prompt 不是“聊天技巧”，而是一种面向模型的接口设计（Model Interface Design）：它决定了模型如何理解任务、如何约束输出、以及如何把你的业务语义映射到可执行的推理路径。
减少随机漂移与跑题，让输出在不同输入下保持稳定、可预期。
明确格式、风格、边界条件与拒答策略，降低“看似正确但不合规”的风险。
通过更少的 token、更少的重试达到同等质量，直接影响推理成本与延迟。
结构化输出 + 明确标准，使你能做 A/B、回归认可、自动化评测（Evals）。
随着大模型进入产品与业务流程，Prompt 逐渐从“个人技巧”演化为可复用的资产与工程化能力，企业开始按职责拆分角色。
负责提示词模板化、输出规范设计、失败案例归因、few-shot 样例库构建，以及与评测指标联动做迭代。
把 Prompt 放进应用系统：对接工具调用/函数调用、RAG、上下文管理、缓存与重试策略、以及端到端的质量与成本优化。
定义任务边界、验收标准与人机协作流程，把 Prompt 视为产品能力的一部分，并推动可观测与可评估体系落地。
负责数据集与评测框架、线上监控与回归、提示词版本管理、以及持续改进闭环，保证“上线后也不退化”。
Prompt工程（Prompt Engineering）是一门新兴学科，专注于设计和优化提示词，以充分发挥大语言模型的能力。
好的Prompt能让模型生成更准确、更有用的内容
减少重试次数，降低API调用费用
一次性获得满意结果，节省时间
精确控制模型的行为和输出格式
告诉模型要执行什么任务
请总结以下文章的要点提供背景信息或额外细节
这是一篇关于AI技术的文章...需要处理的具体内容
[文章内容]期望的输出格式或风格
以3-5个要点列出模糊的指令会导致模糊的输出。要明确任务、范围、格式和要求。
写点关于AI的东西问题：太模糊，不知道写什么、写多少、什么风格
请写一篇500字的文章，介绍人工智能在医疗领域的三个应用：
1. 疾病诊断辅助
2. 药物研发加速
3. 个性化治疗方案
要求：通俗易懂，面向普通读者优点：明确了字数、主题、结构和受众
通过示例教会模型你想要的输出格式和风格，这是最有效的技巧之一。
直接给出指令，不提供示例
提供1-5个示例，效果更好
任务：将句子翻译成英文
示例1：
输入：今天天气真好
输出：The weather is really nice today
示例2：
输入：我喜欢编程
输出：I love programming
示例3：
输入：这本书很有趣
输出：This book is very interesting
现在翻译：
输入：人工智能改变世界
输出：让模型扮演特定角色，可以获得更专业、更符合场景的回答。
你是一位资深的Python开发工程师，拥有10年的编程经验...你是一位小学数学老师，擅长用简单的语言解释复杂概念...你是一位数据分析专家，擅长从数据中发现洞察...对于复杂任务，要求模型逐步思考和执行。
请帮我分析这段代码的问题，按以下步骤进行：
步骤1：阅读代码，理解其功能
步骤2：识别潜在的bug和性能问题
步骤3：提出具体的改进建议
步骤4：给出优化后的代码示例
代码：
[代码内容]让模型展示推理过程，通过逐步思考提高准确性。对数学、逻辑推理等任务特别有效。
研究表明，使用CoT可以将复杂推理任务的准确率提升20-30%！
问题：23-17+8=?
答案：14直接给答案，可能出错
问题：23-17+8=?
让我一步步计算：
1. 首先：23 - 17 = 6
2. 然后：6 + 8 = 14
3. 答案：14展示推理过程，更准确
问题：一个商店有23个苹果，卖出了17个，又进货了8个，现在有多少个苹果？
请一步步思考：
步骤1：计算卖出后剩余的苹果
步骤2：加上新进货的苹果
步骤3：给出最终答案
请按照上述步骤详细说明你的计算过程。让模型用多种方法解决同一问题，然后选择最一致的答案，提高可靠性。
请用三种不同的方法解决这个问题，然后比较结果：
问题：如果一辆车以60公里/小时的速度行驶，行驶了2.5小时，它走了多远？
方法1（直接计算）：
方法2（单位换算）：
方法3（分段计算）：
最终答案（选择最一致的结果）：要求模型以特定格式（JSON、表格、列表等）输出，便于程序处理。
{
"name": "...",
"age": 0,
"skills": []
}| 列1 | 列2 |
|-----|-----|
| 值1 | 值2 |请分析以下产品评论，并以JSON格式输出：
评论：这款手机拍照效果很好，屏幕显示清晰，但是电池续航一般，充电速度较慢。
输出格式：
{
"优点": ["拍照效果好", "屏幕清晰"],
"缺点": ["续航一般", "充电慢"],
"总体评分": 7,
"推荐指数": "中等"
}通过多轮对话逐步完善输出，每次都基于上一次的结果改进。
第1轮：请写一段产品介绍
第2轮：很好！现在请：
1. 增加更多技术细节
2. 使用更专业的术语
3. 突出产品的独特优势
第3轮：完美！最后请：
1. 压缩到200字以内
2. 添加一个吸引人的标题OpenAI 提供了系统化的 Prompt Engineering 最佳实践，包含六大核心策略和数十条具体建议。
提供详细信息以获得更相关的答案
使用外部知识减少虚构内容
分解为更简单的子任务
让模型逐步推理而非急于求成
利用其他工具弥补模型的弱点
通过评估衡量性能改进
越详细的查询通常会得到更相关的答案。
❌ 差：总结会议记录
✅ 好：用一段话总结会议记录。如果有任何行动项，请列出它们，并注明负责人。如果有任何决策，请列出它们。系统消息可用于指定模型在回复中使用的角色。
系统消息：当我请求帮助写作时，你将回复一份文档，其中每段至少包含一个笑话或有趣的评论。
用户：为钢铁侠写一篇感谢信使用 ###、"""、<>、
请将以下用三重引号分隔的文本总结为一句话。
"""在此插入文本"""某些任务最好指定为一系列步骤。
使用以下分步说明来回应用户输入。
步骤 1 - 用户将用三重引号为你提供文本。用一句话总结这段文字，前缀为"摘要："。
步骤 2 - 将步骤 1 中的摘要翻译成西班牙语，前缀为"翻译："。提供适用于所有示例的通用说明通常比通过示例演示任务的所有排列更有效。
教孩子一个词的含义。当我给你一个词时，你要用简单的语言解释它。
示例：
词：韧性
解释：韧性就像一个超级英雄的力量，帮助你在事情变得困难时不放弃。要求特定数量的单词、句子、段落、要点等。
用大约50个单词总结以下用三重引号分隔的文本。
"""在此插入文本"""如果我们能为模型提供与当前查询相关的可信信息，那么我们可以指示模型使用提供的信息来撰写答案。
你将获得用三重引号分隔的文档和一个问题。你的任务是仅使用提供的文档回答问题，并引用用于回答问题的文档段落。如果文档不包含回答此问题所需的信息，则只需写"信息不足"。
"""<在此插入文档>"""
问题：<在此插入问题>如果输入已经用相关知识补充，可以直接要求模型通过引用所提供文档中的段落来为其答案添加引用。
你将获得用三重引号分隔的文档和一个问题。你的任务是回答问题，使用提供的文档中的引用，并在每个引用后用括号注明引用的段落。
"""<在此插入文档>"""
问题：<在此插入问题>对于需要大量独立指令集来处理不同情况的任务，首先对查询类型进行分类。
你将获得客户服务查询。将每个查询分类为主要类别和次要类别。
主要类别：计费、技术支持、账户管理或一般查询。
计费次要类别：
- 取消订阅或升级
- 添加付款方式
- 收费说明
- 争议收费
技术支持次要类别：
- 故障排除
- 设备兼容性
- 软件更新
账户管理次要类别：
- 重置密码
- 更新个人信息
- 关闭账户
- 账户安全
一般查询次要类别：
- 产品信息
- 定价
- 反馈
- 与人工对话
以 JSON 格式输出，包含以下键：primary 和 secondary。
客户查询："""我需要让我的互联网重新工作"""由于模型有固定的上下文长度，无法无限期地记住整个对话。
总结到目前为止的对话，最多 50 个单词。由于模型具有固定的上下文长度，它们不能用于在单个查询中总结超过上下文长度减去生成的摘要长度的文本。
策略：
1. 分段总结文档的每个部分
2. 将这些摘要串联起来
3. 总结串联的摘要以生成最终摘要有时，当我们明确指示模型在得出结论之前从第一原理进行推理时，我们会得到更好的结果。
❌ 差：
判断学生的解决方案是否正确。
问题：我正在建造一个太阳能装置，我需要帮助计算财务。
- 土地成本为每平方英尺 100 美元
- 我可以以每平方英尺 250 美元的价格购买太阳能电池板
- 我协商了一份维护合同，每年花费 100,000 美元，外加每平方英尺 10 美元
第一年运营的总成本是多少，作为平方英尺数的函数？
学生的解决方案：设 x 为以平方英尺为单位的装置尺寸。
1. 土地成本：100x
2. 太阳能电池板成本：250x
3. 维护成本：100,000 + 10x
总成本：100x + 250x + 100,000 + 10x = 360x + 100,000
✅ 好：
首先制定你自己的问题解决方案。然后将你的解决方案与学生的解决方案进行比较，并评估学生的解决方案是否正确。在你自己完成问题之前，不要决定学生的解决方案是否正确。
问题：[同上]
学生的解决方案：[同上]前面的策略表明，模型有时在回答特定问题之前推理问题很重要。但是，模型用于得出最终答案的某些推理可能不适合与用户共享。
按照以下步骤回答用户查询。
步骤 1：首先制定你自己的问题解决方案。不要依赖学生的解决方案，因为它可能不正确。将此步骤的所有工作都放在三重引号 (""") 内。
步骤 2：将你的解决方案与学生的解决方案进行比较，并评估学生的解决方案是否正确。将此步骤的所有工作都放在三重引号 (""") 内。
步骤 3：如果学生犯了错误，请确定你可以给学生什么提示，而不泄露答案。将此步骤的所有工作都放在三重引号 (""") 内。
步骤 4：如果学生犯了错误，请向学生提供上一步的提示（在三重引号之外）。不要写"步骤 4 - ..."，而是写"提示："。假设我们正在使用模型列出与特定问题相关的源的摘录。
系统消息：你将获得用三重引号分隔的文档和一个问题。你的任务是仅使用提供的文档回答问题，并引用用于回答问题的文档段落。
用户消息：
"""<文档>"""
问题：<问题>
助手消息：<回答>
用户消息：你在上一个回答中是否遗漏了任何相关引用？如果是，请用这些引用改进你的回答。模型可以利用外部信息源（如果作为输入的一部分提供）。这可以帮助模型生成更明智和最新的响应。
实现 RAG（检索增强生成）：
1. 使用嵌入模型将知识库转换为向量
2. 根据用户查询检索最相关的文档
3. 将检索到的文档作为上下文提供给模型语言模型本身无法可靠地执行算术或长时间计算。在需要这样做的情况下，可以指示模型编写和运行代码，而不是进行自己的计算。
你可以编写和执行 Python 代码，方法是将其括在三重反引号中。例如：
```python
print("Hello World!")
```
使用 Python 计算 1234567 * 9876543Chat Completions API 允许在请求中传递函数描述。这使模型能够根据提供的架构生成函数参数。
示例：Function Calling
{
"name": "get_weather",
"description": "获取指定位置的当前天气",
"parameters": {
"type": "object",
"properties": {
"location": {
"type": "string",
"description": "城市名称，例如：北京"
}
}
}
}有时很难判断更改（例如，新指令或新设计）是否使你的系统变得更好或更差。
评估流程：
1. 收集一组测试用例（输入-输出对）
2. 定义评估标准
3. 运行测试并比较结果
4. 使用模型自身评估输出质量
示例评估 Prompt：
你将获得一个问题、模型的答案和专家答案。将模型答案与专家答案进行比较，并给出 A-E 的评分：
A：模型答案与专家答案相同或更好
B：模型答案略有不同但同样好
C：模型答案可以接受但不如专家答案
D：模型答案有重大错误
E：模型答案完全错误OpenAI 开源了 Evals 框架，用于自动化评估模型性能。
测试套件应包括：
1. 多样化的测试用例
2. 边界情况和异常情况
3. 不同难度级别的问题
4. 真实世界的使用场景
5. 定期更新和扩展尝试优化你的Prompt！输入一个模糊的Prompt，系统会给出改进建议。
请将以下文本总结为[字数]字的摘要：
原文：
[文本内容]
要求：
1. 提取核心观点
2. 保留关键数据
3. 使用简洁语言请用[语言]编写函数：
功能：[描述]
输入：[参数]
输出：[返回值]
要求：
- 添加注释
- 处理异常
- 优化性能作为数据分析师，请分析：
数据：[内容]
输出：
1. 数据概览
2. 关键指标
3. 趋势分析
4. 建议措施请撰写一封[类型]邮件：
收件人：[对象]
目的：[说明]
语气：[正式/友好]
要点：
- [要点1]
- [要点2]通过实际案例学习如何设计高质量的Prompt，完成各种有趣的任务。
使用Prompt设计一个交互式的猜数字游戏，展示如何让AI理解游戏规则并提供友好的互动体验。
你是一个友好的游戏主持人，正在主持一个猜数字游戏。
游戏规则：
1. 你已经在心里想好了一个1-100之间的整数（假设是42）
2. 玩家会猜测这个数字
3. 每次猜测后，你要告诉玩家：
- 如果猜对了：恭喜玩家，告诉他用了几次
- 如果猜错了：提示"太大了"或"太小了"
- 给予鼓励性的反馈
角色设定：
- 语气：热情、鼓励、有趣
- 风格：使用emoji增加趣味性
- 互动：每次都给予积极反馈
示例对话：
玩家：50
你：🤔 50有点大了哦！试试更小的数字吧！加油，你已经很接近了！
玩家：25
你：📈 25太小啦！往大一点的方向想想！你做得很好，继续加油！
玩家：42
你：🎉 恭喜你！答对了！就是42！你真棒，只用了3次就猜中了！🎊
现在开始游戏，等待玩家的第一次猜测。输入你的猜测（1-100之间的数字）：
设计一个专业的小红书文案生成器，学习如何通过Prompt控制输出风格、格式和内容质量。
你是一位资深的小红书内容创作专家，擅长撰写高互动率的爆款文案。
任务：根据用户提供的主题，生成一篇小红书风格的文案。
文案要求：
1. 标题（必须包含）：
- 使用emoji增加吸引力
- 制造悬念或痛点
- 字数：15-25字
- 可使用：❗️、✨、🔥、💡等符号
2. 正文结构：
- 开头：引起共鸣（1-2句话）
- 中间：3-5个要点，每个要点独立成段
- 结尾：互动引导或总结
3. 写作风格：
- 语气：亲切、真诚、接地气
- 多用短句，避免长段落
- 适当使用emoji（但不要过度）
- 加入个人体验感
4. 格式要求：
- 使用序号或emoji做要点标记
- 段落之间空行
- 关键词用【】标注
- 结尾加2-3个相关话题标签
5. 内容禁忌：
- 不使用夸大宣传
- 避免绝对化表述
- 不涉及敏感话题
示例输出：
标题：✨别再踩坑了！这5个Python学习误区90%的人都中招❗️
正文：
作为一个自学Python两年的过来人，我真的太懂新手的痛了😭
刚开始学的时候，我也走了不少弯路，今天把这些血泪教训分享给大家，希望能帮你们少走弯路！
1️⃣ 【误区一】：只看视频不动手
很多人收藏了一堆教程，但从来不写代码。编程是技能，不是知识！一定要多练习💪
2️⃣ 【误区二】：追求完美语法
新手最容易陷入语法细节，其实先把项目做出来更重要。在实践中学习效率更高！
3️⃣ 【误区三】：孤军奋战
加入学习社群，和小伙伴一起学习，遇到问题有人讨论，进步会快很多🚀
4️⃣ 【误区四】：贪多求全
不要什么都想学，先精通一个方向。我当时专注爬虫，三个月就能接外包了💰
5️⃣ 【误区五】：忽视基础
数据结构和算法看起来枯燥，但真的很重要！面试和实际工作都会用到。
💡 我的建议：
每天坚持写代码1小时，比周末突击学习10小时效果好太多了！
你在学Python的过程中遇到过哪些坑？评论区聊聊吧～
#Python学习 #编程新手 #自学编程
---
现在，请告诉我你想创作的主题，我会为你生成专业的小红书文案！输入你想创作的主题：
设计一个互动式故事创作游戏，展示如何让AI保持上下文连贯性和创意性。
你是一位富有创意的故事作家，擅长创作引人入胜的互动故事。
游戏规则：
1. 我会给你一个故事开头或者一个情节发展
2. 你需要续写2-3段故事（每段50-80字）
3. 在故事结尾，提供3个选项让读者选择接下来的发展方向
4. 根据读者的选择，继续推进故事
写作要求：
- 情节：有趣、有悬念、有转折
- 描写：生动具体，有画面感
- 节奏：张弛有度，不拖沓
- 风格：可以是奇幻、科幻、悬疑、冒险等
- 选项：每个选项都应该导向不同的故事走向
输出格式：
【故事续写】
[2-3段故事内容]
【接下来你会怎么做？】
A. [选项A描述]
B. [选项B描述]
C. [选项C描述]
示例：
【故事续写】
你推开那扇古老的木门，一股霉味扑面而来。借着手机的微光，你看到房间里堆满了发黄的书籍和奇怪的仪器。墙上挂着一幅巨大的星图，上面标注着许多你从未见过的符号。
突然，你注意到书桌上有一本翻开的日记，最后一页写着："如果你看到这段话，说明我的实验成功了。但要小心，他们已经发现了这里..."
就在这时，你听到楼下传来脚步声，而且不止一个人！
【接下来你会怎么做？】
A. 赶紧拿起日记，从窗户逃走
B. 躲到书柜后面，看看来的是什么人
C. 冷静地研究星图，寻找线索
---
现在，让我们开始故事！请选择一个故事类型：
1. 🔮 奇幻冒险
2. 🚀 科幻探索
3. 🕵️ 悬疑推理
4. 💫 都市奇遇
或者直接告诉我你想要的故事开头！💡 使用说明：这是一个展示Prompt设计的演示。在实际使用时，将上面的Prompt输入到AI模型中， 它会根据你的选择生成连贯的故事情节。每次选择都会影响故事的发展方向，创造独特的阅读体验。
通过这三个完整案例，我们可以总结出优秀Prompt的共同特点：
游戏主持人、内容专家、故事作家
规则、要求、格式都要清晰
Few-shot学习效果显著
明确语气、格式、禁忌
设计用户参与的方式
便于解析和展示结果
请认真完成以下练习，巩固Prompt工程核心知识
⚠️ 重要提示：这些题目涵盖了面试常见考点，请务必掌握！
1. 什么是Prompt工程？为什么它很重要？
2. 列举并说明至少5种常用的Prompt技巧。
3. 如何优化一个低质量的Prompt？请举例说明。
1. 【场景题】在产品开发中，如何建立一套可复用的Prompt设计规范？
2. 【场景题】用户反馈AI回答不够准确，你会如何从Prompt工程角度解决这个问题？
3. 【技术题】如何评估Prompt的效果？请设计一个评估体系。
1. 请为客服场景设计一个Prompt模板，要求能够处理用户投诉并提供解决方案。
2. 设计一个教育场景的Prompt，帮助学生理解复杂的数学概念。