一、Prompt基础认知

什么是Prompt？

说白了，Prompt就是你跟AI说的话。

你给它一段文字，它给你一个回答。就这么简单。

但我得说清楚——Prompt不是随便打几个字就完事了。我见过太多人上来就写「帮我写个方案」，然后抱怨AI输出太水。你想想看，你跟一个刚入职的实习生说「帮我写个方案」，他能写出什么来？

Prompt的本质，是一种指令设计。你在设计一段文字，让AI理解你的意图，然后按照你的期望去执行。

我在项目中遇到过一件事。团队里两个同事用同一个AI模型，一个写出来的代码能用，另一个写的全是bug。区别在哪？前者花了3分钟写Prompt，后者花了10秒。嗯，这里要注意——你省下的时间，最终会加倍还回去。

Prompt的核心要素

一个高质量的Prompt，通常包含以下几个要素。我把它总结成5个关键词：

要素	说明	示例
角色	告诉AI它应该扮演什么身份	「你是一名资深Python工程师」
任务	明确你要它做什么	「请帮我写一个数据清洗函数」
上下文	提供背景信息，让AI理解场景	「这个数据来自电商平台的用户行为日志」
格式	指定输出的结构或样式	「用Markdown格式输出，包含代码和注释」
约束	设定边界条件	「不要使用第三方库，代码行数控制在50行以内」

这五个要素，不一定每次都要全用上。但用得越全，AI的输出就越可控。

一个简单的例子

咱们来看个对比。同样是让AI写一段Python代码：

❌ 低质量Prompt：

帮我写个爬虫

✅ 高质量Prompt：

你是一名Python爬虫工程师。
请帮我写一个爬取豆瓣电影Top250的脚本。
要求：
1. 使用requests和BeautifulSoup
2. 提取电影名称、评分、评价人数
3. 结果保存为CSV文件
4. 添加异常处理和延时，避免被封IP
5. 代码添加中文注释

看出区别了吗？第二个Prompt给了AI明确的角色、任务、格式和约束。它知道该怎么做，也知道不该怎么做。

Prompt与AI模型的关系

这个问题，我经常被问到。很多人以为Prompt是万能的，换个模型也能用。其实不是。

不同的AI模型，对Prompt的理解能力是不一样的。就像你跟一个初中生说话，跟一个博士生说话，用词和逻辑深度肯定不一样。

我举个例子。早期的一些模型，你给它一个复杂的Prompt，它可能直接忽略后半段。现在的GPT-4、Claude这些模型，已经能很好地理解长上下文和复杂指令了。

为什么会这样？

因为模型在训练时，见过的数据量和质量不同。模型越强，它能理解的Prompt就越复杂、越精细。

这里有个实用的建议：

• 用强模型（如GPT-4、Claude 3.5）：可以写长Prompt，包含多个约束和子任务。模型能hold住。
• 用弱模型（如早期开源模型）：Prompt要短、要直接。别绕弯子，别玩花活。
• 不确定模型能力时：先写一个简单版本测试，再逐步加复杂度。

说白了，Prompt和模型的关系，就像钥匙和锁。好钥匙配好锁，才能打开门。钥匙再好，锁不行，也白搭。

小结

这一章咱们聊了三件事：

1. 什么是Prompt——它是你给AI的指令，质量决定输出质量
2. Prompt的核心要素——角色、任务、上下文、格式、约束
3. Prompt与模型的关系——不同模型对Prompt的理解能力不同，要因模型施策

下一章，咱们会深入聊聊怎么写一个「好」的Prompt。不是那种「能用就行」的水平，而是真正能驱动AI高效完成复杂任务的水平。

嗯，到时候见。