2、Prompt Engineering 基础：什么是Prompt？写好Prompt的黄金法则

好，咱们进入正题。这一章聊的是Prompt Engineering，说白了就是「怎么跟大模型说话」。

你可能觉得这有什么好学的？打字谁不会啊。但我见过太多人，上来就问「帮我写个方案」，然后抱怨AI输出太水。其实问题不在AI，在你问的方式。

2.1 什么是Prompt？

Prompt，翻译过来就是「提示词」。你给模型一段文本，它接着往下生成。这段文本就是Prompt。

举个例子：

用户输入：今天天气真好
模型输出：适合出去走走，晒晒太阳。

你看，模型只是顺着你的话往下接。但如果你换个方式：

用户输入：今天天气真好，请以一首七言绝句来描述
模型输出：碧空如洗白云飘，暖阳高照柳丝摇。
        花香鸟语春意闹，正是人间好时节。

同样是「今天天气真好」，输出天差地别。为什么？因为Prompt变了。

我个人习惯把Prompt比作「给实习生布置任务」。你如果说「把这个处理一下」，他肯定一脸懵。但如果你说「把这份Excel里销售额大于100万的记录筛选出来，按日期排序，输出到新表」，他就能干得漂漂亮亮。模型也一样。

2.2 写好Prompt的黄金法则

我总结了一套法则，四个词：角色、任务、格式、示例。记住这四个，你的Prompt质量能提升80%。

2.2.1 角色（Role）—— 告诉它「你是谁」

模型没有身份感。你不说，它就默认是个通用助手。但你给了角色，它的输出风格、知识侧重会立刻变化。

我在项目中遇到过这种情况：让模型写一段产品介绍，它写成了技术文档。后来我加了句「你是一名资深产品经理」，输出立马变成了用户视角、痛点分析、卖点提炼。

❌ 差：请描述这款智能手表的功能。
✅ 好：你是一名资深产品经理，请向35岁的商务人士介绍这款智能手表的核心卖点。

2.2.2 任务（Task）—— 说清楚「要干什么」

这是最容易被忽略的一点。很多人以为「任务」就是一句话，其实不然。任务需要包含：动作、对象、约束条件。

举个例子：

❌ 模糊：分析这段用户反馈。
✅ 清晰：请从这段用户反馈中，提取出3个最突出的负面情绪点，并用一句话概括用户的核心诉求。

为什么会这样？因为模型需要明确的「完成标准」。你只说「分析」，它不知道分析到什么程度算完。但你说了「提取3个点」「一句话概括」，它就知道边界在哪。

嗯，这里要注意：任务不要超过3个。一次给太多任务，模型容易「顾头不顾尾」。我一般一个Prompt只聚焦一个核心任务，最多加一个辅助任务。

2.2.3 格式（Format）—— 规定「怎么输出」

模型默认输出是自然段落。但很多时候我们需要结构化输出。这时候就要指定格式。

我个人最常用的格式有这几种：

格式类型	适用场景	示例指令
Markdown	文档、笔记	请用Markdown格式输出，包含标题、列表、代码块
JSON	数据提取、API对接	请输出JSON格式，字段包括：name, price, rating
表格	对比、汇总	请用表格展示，列名为：产品名、价格、评分
列表	步骤、要点	请用有序列表，每一点不超过20字

示例：
请分析以下三款手机的配置差异，用表格输出。
列名：型号、处理器、内存、电池容量、起售价

2.2.4 示例（Example）—— 给它「打个样」

这是最强大的技巧，没有之一。模型是「少样本学习」的高手。你给一个例子，它就能举一反三。

你想想看，如果你教实习生做报表，光说「做成这样」然后给个模板，他是不是立马就懂了？模型也一样。

示例：
请将以下用户评论进行情感分类（正面/负面/中性）。

示例1：
评论：这手机拍照效果太棒了！
分类：正面

示例2：
评论：电池续航一般，勉强用一天。
分类：中性

现在请分类：
评论：系统卡顿严重，经常闪退。
分类：

你看，给了两个例子后，模型几乎不会出错。而且你不需要解释「什么是正面、什么是中性」，例子本身就说明了规则。

2.3 实战：一个完整的Prompt示例

咱们把四个法则串起来，看一个完整的例子：

你是一名资深HR招聘经理。（角色）
请从以下候选人简历中，提取关键信息并评估匹配度。（任务）
输出格式为表格，列名：姓名、工作年限、核心技能、匹配度评分（1-10分）。（格式）

示例：
简历：张三，5年Java开发经验，精通Spring Boot和微服务架构，有电商项目背景。
输出：
| 姓名 | 工作年限 | 核心技能 | 匹配度评分 |
|------|---------|---------|-----------|
| 张三 | 5年     | Java, Spring Boot, 微服务 | 8 |

现在请分析以下简历：（示例）
简历：李四，3年前端开发经验，熟悉React和Vue，有移动端H5项目经验。

这个Prompt，模型几乎不会跑偏。因为它知道：你是谁、要干嘛、怎么输出、长什么样。

2.4 常见误区与避坑

最后聊几个我踩过的坑：

• 误区一：Prompt越长越好。不是的。关键信息要前置，废话越少越好。模型有上下文窗口，别浪费在无关描述上。
• 误区二：一次问多个问题。我曾经一个Prompt里问了5个问题，结果模型只回答了前2个，后面的直接忽略了。后来我改成逐个问，效果好了很多。
• 误区三：不检查输出。模型再强也会犯错。尤其是数字、日期、专有名词。我每次都会快速扫一眼输出，特别是表格和代码块。
• 误区四：忽略负面示例。有时候光给正面例子不够。比如你想让模型「不要输出空字段」，最好加一句「如果字段为空，请输出'无'，不要留空」。

好了，这一章就到这里。记住四个词：角色、任务、格式、示例。下次写Prompt时，拿这四个要素对照一下，你会发现输出质量明显提升。

下一章咱们聊「Prompt的进阶技巧」，包括思维链、温度参数、系统提示词这些。到时候见。