提示词工程师的提问艺术 · 课程目录

提问的本质：为什么AI需要好问题？

提示词工程师的思维模型

角色设定法：如何给AI一个精准的身份

专家、顾问、老师

上下文构建：用背景信息锁定AI的回答范围

格式控制：指定输出格式

列表、表格、代码、Markdown

示例驱动：用Few-shot让AI模仿你的风格

少样本学习

分步指令：将复杂任务拆解为Chain-of-Thought

约束条件：设置边界（字数、风格、禁止内容）

迭代优化：从模糊到精准的提问打磨流程

角色扮演：让AI模拟面试官、客户或对手

情感注入：用语气词和情绪词引导回答温度

知识注入：在提示词中嵌入领域术语和背景知识

否定指令：明确告诉AI不要做什么

多轮对话：如何通过追问深化答案

结构化提示：用模板和占位符批量生成内容

数据提取：从非结构化文本中抽取出表格/JSON

代码生成：为AI提供清晰的输入输出示例

创意激发：用开放性问题获取灵感

总结归纳：让AI压缩长文本为要点

翻译与本地化：保持文化语境的专业提示

逻辑推理：用前提-结论结构引导AI思考

对比分析：让AI从多维度比较选项

错误修正：当AI出错时如何重新引导

长文本处理：分块提问与摘要技巧

多模态提示：结合文字与代码/图表描述

安全与伦理：避免有害输出的提示设计

测试与评估：如何量化提示词的效果

提示词模板库：建立个人复用体系

高级技巧：温度、Top-p等参数与提示词的配合

行业实战：营销、编程、教育场景的提示词案例

未来趋势：从Prompt到Agent的进化之路

✦ 点击目录卡片跳转对应章节 ✦