第2章：Prompt工程入门

大家好，我是你们的老朋友。今天咱们聊聊Prompt工程——说白了，就是怎么跟大模型好好说话。

很多人觉得写Prompt就是随便问一句。其实不是。我见过太多人，明明模型能力很强，结果因为Prompt写得稀烂，输出一塌糊涂。我自己早期也踩过这个坑。

2.1 Prompt的基本结构

一个标准的Prompt，我习惯把它拆成四个部分：

• 指令：你希望模型做什么。比如“翻译”、“总结”、“写代码”。
• 上下文：给模型提供背景信息。比如“这是一封客户投诉邮件”。
• 输入数据：模型要处理的具体内容。比如邮件正文。
• 输出格式：你希望结果长什么样。比如“用列表输出”、“JSON格式”。

举个例子：

指令：请总结以下会议纪要
上下文：这是上周产品评审会的记录，重点讨论新功能优先级
输入数据：[粘贴会议记录]
输出格式：用三个要点总结，每个要点不超过50字

嗯，这样写，模型基本不会跑偏。我在项目中试过，结构清晰的Prompt，输出质量能提升30%以上。

2.2 角色设定

角色设定，说白了就是给模型一个“人设”。你想想看，如果你跟一个律师说话，跟一个医生说话，语气和内容肯定不一样。模型也一样。

我常用的角色设定模板：

你是一位资深Python工程师，有10年Web开发经验。
请帮我审查以下代码，指出潜在的性能问题和安全隐患。

为什么要这么做？因为模型在训练时见过大量不同角色的对话。你给它一个角色，它就能调用对应的知识库。我曾经让模型扮演“苛刻的甲方”，帮我审查方案文档，效果出奇的好。

2.3 上下文注入

上下文注入，就是给模型喂背景信息。模型本身没有记忆，每次对话都是独立的。所以你需要把关键信息写进Prompt里。

我遇到过最典型的场景：

❌ 错误写法：
帮我写一封邮件。

✅ 正确写法：
帮我写一封邮件。
背景：我是某SaaS公司的客户成功经理。
收件人：一位刚续费的老客户，最近使用频率下降。
目的：邀请他参加下周三的线上培训，提升产品使用率。
语气：亲切、专业、不强硬。

你看，加了上下文之后，模型写出来的邮件完全不一样。我有个项目，因为上下文注入做得好，模型生成的客服回复，客户满意度直接提升了15%。

2.4 输出格式控制

这是很多人忽略的一点。你想想看，如果你要的是JSON，模型给你一段散文，那得多崩溃？

输出格式控制，我一般用这几种方式：

• 明确指定格式：“请用JSON格式输出，包含name、age、email三个字段”
• 给出示例：“参考以下格式：{“name”: “张三”, “age”: 28}”
• 限制长度：“每个要点不超过30字”
• 指定结构：“用表格输出，第一列是日期，第二列是事件”

举个例子：

请将以下客户反馈分类，输出为JSON数组。
格式要求：
[
  {"category": "投诉", "content": "原文", "priority": "高/中/低"}
]

输入数据：
1. 你们的APP又闪退了，烦死了！
2. 新功能很好用，点赞。
3. 能不能加个夜间模式？

这样写，模型输出的结果直接就能用。我有个自动化流程，每天处理上千条用户反馈，全靠这种格式控制。

2.5 实战：组合使用

好了，咱们把上面四个要素组合起来，写一个完整的Prompt：

角色：你是一位资深产品经理，擅长用户需求分析。
上下文：我们是一款在线协作工具，最近收到大量用户反馈。
任务：请分析以下10条用户反馈，找出Top3痛点。
输出格式：用表格输出，包含“痛点描述”、“出现次数”、“建议方案”三列。
输入数据：
[粘贴10条用户反馈]

你看，角色、上下文、指令、输出格式，全都有了。模型拿到这个Prompt，基本不会出错。

2.6 避坑指南

最后，分享几个我踩过的坑：

• 别太啰嗦：我曾经写过一个500字的Prompt，结果模型输出了一堆废话。后来精简到100字，效果反而更好。
• 别用否定句：比如“不要用列表”，模型可能还是会用列表。改成“请用段落形式输出”更有效。
• 测试再测试：同一个Prompt，换几个不同的输入试试。我有个项目，测试时发现模型对某些特定词汇特别敏感，后来调整了措辞才搞定。

嗯，今天就聊到这儿。下一章咱们会深入聊聊“思维链”和“少样本学习”，都是实战中特别有用的技巧。到时候见。