第四节：提示词工程入门——让AI听懂你的“行话”

各位风电运维的同行们，大家好。我是老张，干风电运维这行有十几年了。今天咱们聊点新鲜的——怎么让AI这个“新兵蛋子”听懂咱们的“行话”。

说白了，提示词工程就是教AI说人话、干人事。我刚开始接触大模型时，也犯过傻。直接问“风机咋了”，结果AI给我回了一堆哲学思考。后来才明白，不是AI笨，是我没把话说清楚。

一、什么是提示词（Prompt）？

提示词，就是你给AI的“指令”。就像你给新来的运维徒弟布置任务一样。你说“去看看3号风机”，他肯定懵。但你说“去3号风机，检查齿轮箱油温，看看有没有异常振动”，他就明白了。

我个人的习惯是，把提示词当成“给实习生写的操作票”。越具体，AI干得越漂亮。

二、提示词的基本结构

一个完整的提示词，我总结为四个要素：角色、任务、上下文、输出格式。缺一个，AI就容易跑偏。

要素	作用	举例（风电场景）
角色	告诉AI“你是谁”	你是一名资深风电运维工程师
任务	明确要做什么	分析齿轮箱振动数据，判断是否异常
上下文	提供背景信息	该风机已运行5年，最近3个月振动值上升15%
输出格式	规定回答样式	用表格列出：测点位置、振动值、阈值、结论

举个例子。我曾经让AI写一份巡检报告，只说了“写报告”。结果它给我写了一篇散文。后来我改成：

角色：你是一名有10年经验的风电运维工程师
任务：根据以下巡检数据，生成一份标准巡检报告
上下文：巡检日期2024年3月15日，风机型号GW150，环境温度-5℃
输出格式：使用markdown表格，包含项目、标准值、实测值、结论四列

你看，这样AI就老实了。输出结果直接能用，省了我半小时。

三、零样本与少样本提示

这两个概念，说白了就是“给不给例子”。

零样本提示

就是不给例子，直接让AI干活。适合简单、标准化的任务。比如：

请列出风力发电机组的5个常见故障及其原因。

这种任务AI见多了，直接就能答。但遇到复杂任务，零样本就容易翻车。我记得有一次让AI直接分析振动频谱，它给我分析出了“外星信号”。

少样本提示

就是给几个例子，让AI照着学。适合需要特定格式或专业判断的任务。

比如，你想让AI帮你判断故障等级：

示例1：
输入：齿轮箱油温85℃，振动值12mm/s
输出：严重故障，建议立即停机检修

示例2：
输入：发电机轴承温度65℃，振动值4mm/s
输出：轻微异常，建议加强监测

现在请判断：
输入：变桨电机温度78℃，振动值8mm/s
输出：

这样AI就知道你要的“套路”了。我做过测试，少样本提示在故障诊断类任务上，准确率能提升30%以上。

四、知识体系总览

下面这张图，是我自己画的提示词工程知识框架。你一看就明白今天讲了啥。

嗯，这张图把今天的内容串起来了。你想想看，提示词工程其实没那么玄乎。就是把你脑子里的经验，翻译成AI能听懂的语言。

五、实战小贴士

• 先想后写：别急着打字，先想清楚你要AI干什么。我一般会在便签上写个草稿。
• 迭代优化：第一次结果不满意？正常。调整一下角色描述或输出格式，往往就好了。
• 善用模板：把常用的提示词存成模板。比如“故障分析模板”、“巡检报告模板”，下次直接套用。
• 测试验证：重要任务先用历史数据测试一下。我曾经直接拿AI的报告去汇报，结果发现它把“正常”写成了“异常”，差点闹笑话。

好了，今天就聊到这儿。下一节咱们会深入讲怎么写“角色提示词”，让AI真正成为你的“虚拟副手”。

---

公众号:蓝海资料掘金营，微信deep3321