提示词基础回顾：角色设定、任务描述、输出格式控制、上下文注入、示例与零样本的区别
各位同学，今天我们聊聊提示词的基础。这部分内容，我猜很多人觉得自己已经会了。但说实话，我在项目里见过太多翻车案例，都是因为基础没打牢。咱们花点时间，把地基夯实。
一、角色设定：给AI一个身份
角色设定，说白了就是告诉AI：“你现在是谁”。这招非常管用。我个人习惯，在写复杂提示词时，第一句话就是定角色。
为什么角色设定这么重要？
因为AI的训练数据里，不同角色的回答风格、知识侧重完全不同。你给它一个“资深律师”的角色，它就会调用法律知识库；你给它“小学老师”的角色，它就会用更简单的语言。
举个例子：
# 不好的写法
帮我解释一下什么是量子纠缠。
# 好的写法
你是一名量子物理教授，正在给大一新生上课。
请用通俗易懂的语言解释什么是量子纠缠。我在项目中遇到过，有同事直接让AI写代码，没给角色设定。结果AI用了一堆过时的API。后来加了“你是一名熟悉Python 3.12的资深后端工程师”，效果立竿见影。
我的小技巧：角色设定越具体越好。不要只说“你是专家”，要说“你是拥有10年经验的嵌入式系统专家，擅长C语言和RTOS”。
二、任务描述：把话说清楚
任务描述，就是告诉AI你要它干什么。这里有个坑——很多人以为AI能猜出你的意图。其实不能。
你想想看，如果你跟同事说“把这个改一下”，同事肯定一脸懵。AI也一样。任务描述要包含三个要素：
- 动作：具体做什么（翻译、总结、改写、生成）
- 对象：对什么做（这段文字、这份代码、这个表格）
- 约束：有什么限制（字数、风格、格式）
我曾经犯过一个错误：让AI“分析这份数据”，结果它给我写了一篇散文。后来我改成“分析这份销售数据，找出Q3季度增长最快的三个产品，用列表形式输出”。嗯，这才对。
避坑指南：任务描述不要用模糊词汇。比如“好一点”、“优化一下”、“改进改进”。这些词AI理解不了。要换成“增加可读性”、“减少代码重复”、“提高响应速度”。
三、输出格式控制：让结果听话
这个我特别有感触。早期做项目时，AI输出的内容乱七八糟，我得手动整理。后来发现，只要在提示词里明确输出格式，AI就会乖乖听话。
常用的格式控制方式：
- 指定结构：用Markdown、JSON、XML等
- 指定长度：200字以内、5个要点、3段话
- 指定顺序：先结论后解释、按时间顺序
看个例子：
请分析以下代码的性能问题。
输出格式：
- 问题描述（50字以内）
- 原因分析（100字以内）
- 优化建议（代码示例）我个人习惯，在提示词末尾加一句“严格按照上述格式输出，不要添加额外内容”。这能省去很多后期处理的时间。
四、上下文注入：给AI搭好舞台
上下文注入，就是给AI提供背景信息。这招在复杂任务中特别重要。你想想看，如果让AI写一份市场报告，却不告诉它目标用户是谁、产品特点是什么，它写出来的东西肯定跑偏。
上下文注入的要点：
- 相关性：只提供与任务相关的信息
- 优先级：最重要的信息放在最前面
- 结构化：用分段、列表等方式组织信息
一个实用的上下文模板：
背景：[描述当前情况]
目标：[描述期望结果]
约束：[列出限制条件]
参考：[提供参考材料]
我记得有一次，团队需要AI生成产品说明书。一开始直接让AI写，结果写出来的东西跟产品对不上。后来我们把产品规格、用户画像、竞品分析都作为上下文注入，效果好了不止一个档次。
五、示例（Few-shot）与零样本（Zero-shot）的区别
这块是重点，也是很多人容易混淆的地方。咱们好好捋一捋。
| 特性 | 零样本（Zero-shot） | 示例（Few-shot） |
|---|---|---|
| 定义 | 不给任何示例，直接让AI完成任务 | 给2-5个示例，让AI模仿学习 |
| 适用场景 | 简单、通用的任务 | 复杂、有特定格式要求的任务 |
| 优点 | 快速、节省token | 准确率高、风格可控 |
| 缺点 | 结果不稳定、容易跑偏 | 消耗更多token、需要准备示例 |
零样本，说白了就是“裸奔”。你直接说“翻译这句话”，AI就翻译了。简单任务用零样本完全够用。
示例（Few-shot），就是给AI几个样板。比如你想让AI写某种风格的文案，先给它看两个例子，它就知道你要什么了。
为什么会这样？因为AI本质上是个模式匹配器。你给的示例越多，它就越能抓住你想要的模式。
我的经验：如果任务比较复杂，先用零样本试一次。如果结果不满意，再加示例。不要一上来就给5个示例，浪费token。我一般从1个示例开始，不够再加。
举个例子：
# 零样本
将以下句子翻译成英文：
"今天天气真好。"
# 示例（Few-shot）
将以下中文句子翻译成英文，注意保持轻松口语化的风格。
示例1：
中文："你吃饭了吗？"
英文："Have you eaten yet?"
示例2：
中文："这部电影太棒了！"
英文："This movie is amazing!"
现在翻译：
中文："今天天气真好。"
英文：你看，加了示例之后，AI就知道你要的是口语化风格，而不是正式翻译。
避坑指南：示例的质量比数量重要。我曾经给AI提供了5个质量不高的示例，结果它学了一堆坏习惯。后来换成3个精心设计的示例，效果反而更好。记住，示例是给AI看的“教科书”，不是凑数的。
好了，今天的基础回顾就到这里。这些内容看似简单，但真用好了，能解决80%的提示词问题。下一章我们聊聊更高级的技巧——思维链和自一致性。