一、提示词入门：什么是提示词、提示词的核心价值、提示词工程师的日常
1.1 到底什么是提示词？
先别急着看定义。我问你一个问题：
如果你想让一个刚来的实习生帮你整理数据，你会怎么说？
你肯定不会只说「把数据整理一下」。你会告诉他：用什么工具、按什么规则、输出什么格式、注意哪些坑。对吧？
提示词（Prompt），本质上就是你对 AI 说的那番「交代工作的话」。它是一段结构化的指令文本，用来告诉大语言模型：你要干什么、怎么干、干成什么样。
一句话总结：提示词 = 你写给 AI 的「任务说明书」。
我个人习惯把提示词分成三个层次：
- 基础层：简单问话。比如「帮我写一封邮件」——这种基本靠 AI 猜，效果随缘。
- 进阶层：带约束的指令。比如「帮我写一封催款邮件，语气礼貌但坚定，300字以内」——效果明显提升。
- 专业层：结构化提示词。包含角色、任务、背景、格式、示例、约束条件——这才是我们这门课要讲的核心。
我在项目中遇到过不少新人，上来就写「帮我做个方案」，然后抱怨 AI 输出太水。其实说白了，不是 AI 不行，是你没把话说清楚。
1.2 提示词的核心价值
你可能会想：不就是跟 AI 说句话吗？能有多大价值？
嗯，这里要注意。提示词的价值，远不止「让 AI 听懂人话」这么简单。
| 价值维度 | 具体表现 | 我踩过的坑 |
|---|---|---|
| 效率提升 | 一次写对，不用反复调 | 以前调一个 prompt 要 20 轮，现在 3 轮搞定 |
| 质量可控 | 输出格式、风格、深度都可预期 | 曾经让 AI 写报告，每次格式都不一样，改到崩溃 |
| 知识沉淀 | 好的提示词可以复用、分享、迭代 | 我现在团队里有个 prompt 库，新人直接拿来用 |
| 能力扩展 | 让 AI 完成复杂任务，比如写代码、做分析 | 用提示词让 AI 帮我做数据清洗，省了 3 天人工 |
说白了，提示词就是你和 AI 之间的「接口协议」。协议写得好，合作就顺畅；协议写得烂，双方都难受。
一个小技巧：每次写提示词之前，先问自己三个问题——我希望 AI 扮演什么角色？我希望输出什么格式？我最不能容忍什么错误？想清楚再动笔。
1.3 提示词工程师的日常
很多人觉得提示词工程师就是「跟 AI 聊天」的。说实话，我第一次听到这个 title 时也是这么想的。
直到我自己开始全职做这件事，才发现完全不是那么回事。
我的一天大概是这样：
- 早上 9:00 - 需求评审
跟产品经理对需求：这个功能需要 AI 做什么？输入是什么？输出给谁用？边界条件有哪些？ - 上午 10:30 - 写初版提示词
搭框架：角色设定、任务描述、输出格式、示例数据。一般第一版能覆盖 60% 的场景。 - 下午 2:00 - 测试与迭代
跑 20-30 个测试用例，看哪些场景翻车了。我曾经因为没加「不要输出 Markdown 格式」这个约束，被测试同学追着骂了一下午。 - 下午 4:00 - 写文档
把提示词版本、测试结果、使用注意事项记录下来。好的提示词工程师，一定也是好的文档工程师。 - 下午 5:30 - 复盘与优化
看线上日志，分析哪些 prompt 的调用失败了，哪些输出质量不达标。然后改，再测，再上线。
避坑指南：我曾经犯过一个低级错误——把生产环境的 API Key 直接写死在提示词里。结果有一次不小心把提示词分享出去了，Key 直接泄露。从那以后，所有敏感信息我都用变量替代，绝不硬编码。
你想想看，提示词工程师其实更像一个「翻译官」——把人类的模糊需求，翻译成 AI 能精确执行的指令。这中间需要对业务有理解、对模型有认知、对语言有敏感度。
核心能力清单：
- 逻辑拆解能力：把复杂任务拆成 AI 能一步步执行的子任务
- 语言敏感度：同样的意思，换一种说法效果天差地别
- 测试思维：每个提示词都要经过充分测试才能上线
- 迭代意识：没有完美的提示词，只有不断优化的提示词
我记得刚入行时，带我的前辈说过一句话：「提示词写得好不好，不是看它多长，而是看它多稳。」稳，意味着同样的输入，每次输出都符合预期。这才是真本事。
好了，第一章就聊到这儿。下一章我们开始动手写第一个结构化提示词，到时候你会发现自己之前写的那些「提示词」，充其量只能算「打招呼」。