如何编写好的提示词-提示词工程师

随着大语言模型（LLM）的快速发展，提示词工程（Prompt Engineering）已成为与AI高效交互的核心技能。好的提示词能让模型输出更准确、更符合预期的结果；而糟糕的提示词往往会得到模糊、错误甚至毫无用处的回答。本文将系统介绍提示词工程的核心原则、常用技巧和实战案例。

一、提示词工程基础

提示词工程是通过设计和优化输入文本（提示词）来引导大语言模型生成高质量输出的技术与实践。

1. 大模型的工作方式

理解大模型的基本原理有助于写出更好的提示词：

自回归生成：模型基于已有的上下文，逐字（token）预测下一个最可能的词
概率分布采样：输出并非确定值，而是从概率分布中采样得到
上下文窗口限制：模型只能看到固定长度的上下文信息
指令遵循能力：经过指令微调的模型（Instruct/Chat版本）更擅长理解和执行明确的指令

2. 好提示词的特征

特征	说明	反面示例	正面示例
清晰明确	任务定义具体，无歧义	写一篇关于AI的文章	写一篇800字的AI科普文章，面向中学生，介绍GPT的发展历史
结构完整	包含角色、任务、约束、输出格式	翻译这段话	你是专业翻译，请将下面英文翻译为中文，保留专业术语，用商务风格：[text]
有示例引导	提供输入输出范例	对评论进行情感分类	按示例分类：输入「物流很快，质量好」→ 正面；输入「包装破损」→ 负面；输入「还行吧」→ 中性。现在分类：[评论]
给出边界	说明不要做什么	写产品广告词	写一段50字以内的产品广告词，不要用夸张词语如「最好」「顶级」

二、核心原则 CRIOPE框架

一个通用的高质量提示词结构框架，包含以下六个要素：

1. C - Role（角色设定）

赋予模型一个明确的身份，帮助它进入特定领域的思考模式。

你是一名拥有10年经验的高级Python架构师，熟悉高并发Web系统设计、数据库优化和代码审查。
你的回答风格专业严谨，善于分析权衡利弊，提供可落地的工程方案。

2. R - Context（背景上下文）

提供任务相关的背景信息，避免模型在信息缺失时进行错误猜测。

背景：
- 我们的电商平台日均订单量10万单，使用MySQL主从架构
- 最近大促期间出现了严重的订单表写入延迟
- DBA观察到索引命中率下降到70%以下
- 预算有限，暂时不能升级硬件

3. I - Instruction（任务指令）

清晰说明你希望模型做什么，使用动词开头的祈使句。

请完成以下任务：
1. 分析可能导致订单表写入延迟的原因
2. 设计至少3种优化方案，并分析每种方案的优缺点
3. 给出推荐的方案实施优先级

4. O - Output Format（输出格式）

指定输出的格式要求，便于后处理或直接使用。

请按以下JSON格式输出：
{
  "root_causes": ["原因1", "原因2", ...],
  "solutions": [
    {"name": "方案名", "pros": ["优点1"], "cons": ["缺点1"], "effort": "高/中/低", "effect": "高/中/低"}
  ],
  "priority": ["方案A", "方案B", ...]
}

5. P - Constraints（约束条件）

设定输出的边界和限制条件。

约束条件：
- 方案不能涉及硬件升级
- 每个方案的实施周期不能超过2周
- 代码改动尽量小，避免大规模重构
- 需要保证数据一致性，不能丢失订单数据

6. E - Examples（示例参考）

提供输入输出的示例（Few-shot），帮助模型理解预期模式。

三、常用提示词技巧

1. 角色扮演（Role Playing）

通过设定角色提升回答的专业度和针对性。

案例：法律文书起草

你是一位执业15年的资深商事律师，擅长起草和审核合同。
请以严谨的法律用语为我起草一份软件服务合同，包含以下要素：
- 合同期限：1年，到期自动续签
- 服务范围：SaaS平台运维、7x24技术支持
- 费用：年费50万元，按季度支付
- 违约责任：延迟交付每日赔偿合同金额0.1%
- 保密条款：双方对商业信息保密，期限5年
请用中文输出，包含标准合同条款结构。

2. 少样本学习（Few-Shot Prompting）

通过展示N个示例，让模型学习任务模式。

案例：文本分类

请对客户评论进行分类，类别为：【产品质量】【物流配送】【售后服务】【价格优惠】【其他】。

示例1：
输入：屏幕有一个亮点，联系了客服不给换，太失望了！
输出：产品质量

示例2：
输入：下单第二天就到了，快递小哥态度很好
输出：物流配送

示例3：
输入：618比平时便宜了200块，还送了不少东西
输出：价格优惠

现在请分类：
输入：安装的时候看不懂说明书，找了售后视频才明白，客服响应有点慢
输出：

3. 思维链（Chain of Thought, CoT）

引导模型分步推理，尤其适用于数学计算、逻辑推理、多步骤决策等复杂任务。

案例：数学推理

请逐步思考并解答以下问题，每一步都写清楚：

问题：一个水池有两个进水管和一个出水管。单独开甲管6小时可以注满，单独开乙管8小时可以注满，单独开出水管12小时可以放完全池水。
现在三管同时打开，几小时可以注满空池？

请按以下步骤解答：
Step 1: 计算每个管的工作效率（每小时完成的工作量）
Step 2: 计算三管同时打开时的净进水效率
Step 3: 计算注满一池水所需时间
Step 4: 验证结果是否合理

4. 零样本思维链（Zero-Shot CoT）

不需要写示例，只需要在提示词末尾加上「请一步步思考」或「Let's think step by step」即可触发推理能力。

小明有5个苹果，给了小红3个，又买了8个，然后把一半分给了小刚。
小明现在有多少个苹果？
请一步步思考并给出答案。

5. 自我一致性（Self-Consistency）

让模型从不同路径推理多次，选择出现频率最高的答案。

请用3种不同的推理方式解答下面的问题，然后对比选出最终答案。

问题：一件商品先涨价20%，再降价20%，最终价格与原价相比：
A. 不变  B. 变高  C. 变低  D. 无法确定

推理方式1：使用具体数值假设法
推理方式2：使用代数公式法
推理方式3：使用百分比变化直觉法

三种方式推理完成后，给出最终选择和你对这个问题的通用结论。

6. 结构化输出

强制模型输出指定的格式（JSON、XML、Markdown表格等），便于程序解析。

案例：JSON结构化

从以下新闻中提取关键信息，严格按JSON格式输出，不要包含任何额外文字：

新闻：「2026年8月1日，AI公司DeepMind宣布推出新一代大模型Gemini 3，参数量达到2万亿。
该模型在MMLU测试集上得分92.3%，超越前代15个百分点。产品将于下月开放API，
定价为每百万token输入15美元、输出75美元。Google CEO皮查伊表示，Gemini 3将
全面接入Google Workspace生态。」

期望JSON结构：
{
  "publish_date": "YYYY-MM-DD",
  "company": "发布公司",
  "product_name": "产品名称",
  "params": "参数量描述",
  "benchmark_score": {"benchmark": "测试集", "score": "百分比"},
  "api_launch_date": "上线时间",
  "pricing": {"input_per_million": "$XX", "output_per_million": "$XX"},
  "ceo_statement": "CEO言论摘要",
  "integration_plan": "生态整合计划"
}

7. 分治与拆分（Divide and Conquer）

将复杂任务拆解为多个子任务，依次解决。

案例：产品分析报告

请按步骤为「电动汽车行业」撰写一份深度分析报告。

Phase 1 - 信息收集框架设计：
先列出分析报告应该包含的10个核心章节标题。

Phase 2 - 宏观分析：
基于上面的框架，完成第1-3章（行业概况、政策环境、市场规模）。

Phase 3 - 竞争格局：
完成第4-6章（主要玩家对比、技术路线分析、供应链梳理）。

Phase 4 - 趋势与建议：
完成第7-10章（未来趋势、风险因素、投资建议、总结）。

请先完成Phase 1，等待我确认后再进行后续阶段。

8. 反思与纠错（Self-Reflection）

要求模型先输出初稿，再自我批判并修正，提升答案质量。

请为一款面向大学生的AI学习助手APP写一段30秒的短视频口播文案。

要求：
1. 先给出第一版文案
2. 然后站在用户视角，列出这版文案的3个不足之处
3. 基于以上不足，给出修改后的第二版文案
4. 最后说明第二版做了哪些改进，为什么这些改进有效

四、提示词模板库

模板1：技术方案评审

角色：你是一位资深技术专家委员会的首席架构师，拥有丰富的高并发分布式系统设计经验。

背景信息：
【这里粘贴你的技术方案描述、架构图文字说明、当前系统现状等】

评审任务：
1. 架构合理性评估：整体架构是否清晰？模块划分是否合理？
2. 性能容量评估：在QPS=【数字】、数据量=【数字】场景下能否支撑？瓶颈在哪？
3. 可靠性评估：单点故障有哪些？容灾能力如何？数据一致性怎么保证？
4. 安全性评估：存在哪些安全风险？认证、授权、加密是否到位？
5. 可维护性评估：代码复杂度、运维成本、监控告警是否完善？
6. 改进建议：至少给出5条具体可落地的优化建议，按优先级排序。

输出要求：使用Markdown格式，每个维度单独成节，打分用⭐️（1-5星）表示，最后给出整体通过/有条件通过/否决的结论。

模板2：代码审查

角色：你是一名严格的代码审查员，遵循Google代码风格规范。

代码：
```python
【粘贴代码】
```

请从以下维度审查：
1. 正确性：是否存在逻辑Bug？边界条件是否处理？
2. 性能：时间复杂度、空间复杂度是否最优？有无冗余计算？
3. 安全性：是否有注入风险？敏感信息是否泄露？
4. 可读性：命名是否清晰？注释是否足够？函数是否过长？
5. 可测试性：是否容易编写单元测试？是否有硬编码？

输出格式：
- 严重问题（必须修改）：
  1. XXX - 第X行 - 建议修改为：XXX
- 一般问题（建议修改）：
  1. XXX - 第X行 - 建议：XXX
- 亮点（值得保持）：
  1. XXX
- 优化后代码（可选）：
  【完整改进代码】

模板3：数据分析师报告

角色：你是互联网大厂的高级数据分析师，擅长用数据驱动业务决策。

数据表现：
【粘贴核心指标数据：DAU、留存、转化率、各漏斗数据、AB实验结果等】

分析要求：
1. 数据诊断：哪些指标异常？异常幅度多大？给出同比/环比数据
2. 原因假设：提出至少3个导致异常的可能原因，每个给出验证方法
3. 影响评估：如果趋势持续，对未来7天/30天的业务影响量化预测
4. 行动建议：短期（1周）和中期（1月）分别应该做什么
5. 监控方案：需要新增哪些监控看板和告警阈值

五、常见错误与避坑指南

常见错误1：过于模糊

❌ 错误写法：「帮我写点东西」「给我一些建议」

✅ 正确写法：明确目标、受众、篇幅、风格、用途。

常见错误2：信息过载

一次性把所有要求塞进一句话，模型抓不住重点。

✅ 解法：使用编号、分隔符、小标题结构化表达，层次清晰。

常见错误3：未提供上下文

用「他」「这个」「上面提到的」等指代，而对话上下文已丢失。

✅ 解法：每条提示词自包含完整必要信息，不过度依赖历史上下文。

常见错误4：矛盾约束

「用100字详细介绍」「既专业又通俗」等相互矛盾要求。

✅ 解法：区分优先级，先满足核心要求，必要时拆分任务。

常见错误5：期望模型「读心

「你知道的，就那个事情帮我弄一下」。模型不具备读心术。

✅ 解法：假设模型一无所知，把所有假设和背景讲清楚。

六、调优与迭代

提示词工程是一个反复迭代的过程，很少一次到位。

迭代流程

设计初稿：根据CRIOPE框架写出V1版本
多案例测试：用5-10个典型输入测试输出质量
标注失败案例：收集输出偏离预期的情况
针对性优化：添加约束、补充示例、调整指令措辞
回归验证：确保优化后老案例不回退
固化版本：通过后形成稳定模板，记录版本号

参数调优

除了提示词本身，API参数也会显著影响输出：

参数	作用	常见设置建议
temperature	控制随机性，0=确定，越高越发散	写作/创意：0.7-1.0；分析/代码：0.1-0.3
top_p	核采样，限制候选词范围	一般与temperature二选一，常用0.9
max_tokens	输出最大长度	根据任务预估适当留有余量
frequency_penalty	惩罚重复出现的词	生成列表时可设0.3-0.5避免重复
presence_penalty	惩罚已出现过的主题	头脑风暴时可设0.3增强多样性

总结

提示词工程是一门实践艺术，核心在于「站在模型的角度思考」——理解它的能力边界，用结构化的方式传递明确指令，通过示例引导它走上正确路径。记住以下关键要点：

用CRIOPE框架设计提示词：角色+背景+指令+输出格式+约束+示例
复杂任务用思维链（CoT）分步推理：「请一步步思考」胜过「请直接给答案」
用Few-shot给出示例：好示例胜过千言万语
强制结构化输出：JSON/表格/Markdown结构便于后续处理
迭代优化永无止境：收集失败案例，针对性补充约束和示例

掌握提示词工程，你就掌握了与AI高效协作的钥匙。随着模型能力不断进化，提示词的技巧也会不断更新，但核心原则——清晰、具体、结构化——会长期适用。