一句话总结
Prompt Engineering = 和AI对话的艺术，怎么问决定了AI怎么答。
同样一个问题，换个问法，结果可能天差地别。
一个真实对比
问法A（模糊）
`
帮我写个文章
`
→ AI可能写任何东西，质量随缘
问法B（清晰）
`
请写一篇800字的科技博客，主题是”AI在医疗中的应用”，
面向非技术读者，语气专业但易懂，
包含3个具体案例，结尾有行动建议。
`
→ AI知道你要什么，输出质量大幅提升
区别在哪？ 不是AI能力不同，而是你”问”的方式不同。
什么是Prompt Engineering？
Prompt Engineering（提示词工程）是设计和优化提示词，以引导AI模型生成高质量输出的技术和方法论。
核心理念
`
输入（Prompt） → AI模型 → 输出（Response）
↑
你控制的部分
`
你能控制的只有输入，但好的输入能让输出质量翻倍。
为什么Prompt Engineering重要？
1. 同一个AI，不同的问法，结果天差地别
| 问法 | 输出质量 |
|---|
|——|———-|
| 模糊指令 | ⭐⭐ 随机 |
|---|---|
| 清晰指令 | ⭐⭐⭐⭐ 稳定 |
| 优化后的Prompt | ⭐⭐⭐⭐⭐ 优秀 |
2. 成本效益最高
- 不需要训练模型
- 不需要微调
- 不需要额外数据
- 只需要写好提示词
3. 人人都能用
- 不需要编程基础
- 不需要数学知识
- 只需要会说话
Prompt的六要素
一个完整的Prompt应该包含：
`
┌─────────────────────────────────────┐
│ 1. 任务（Task） │ ← 你要AI做什么
├─────────────────────────────────────┤
│ 2. 角色（Role） │ ← AI扮演谁
├─────────────────────────────────────┤
│ 3. 格式（Format） │ ← 输出什么格式
├─────────────────────────────────────┤
│ 4. 示例（Examples） │ ← 参考样本
├─────────────────────────────────────┤
│ 5. 约束（Constraints） │ ← 限制条件
├─────────────────────────────────────┤
│ 6. 上下文（Context） │ ← 背景信息
└─────────────────────────────────────┘
`
示例：完整的Prompt
`
【任务】写一篇公众号文章
【角色】你是一位资深技术博主，19年IT经验
【格式】Markdown格式，2500字左右
【示例】参考我之前的文章风格（附上示例）
【约束】不要emoji，分小标题，重点加粗
【上下文】主题是AI在医疗中的应用，面向非技术读者
`
六要素详解
1. 任务（Task）
核心问题：你要AI做什么？
| 差 | 好 |
|---|
|—-|—-|
| 帮我写个文章 | 写一篇800字的科技博客 |
|---|---|
| 分析一下数据 | 分析这份销售数据，找出Top 3的增长点 |
| 帮我写代码 | 用Python写一个排序函数，支持自定义比较器 |
技巧：
- 用动词开头：写、分析、总结、翻译、生成
- 明确目标：字数、范围、深度
- 分解复杂任务：大任务拆成小步骤
2. 角色（Role）
核心问题：AI扮演谁？
`
你是一位资深软件架构师，有20年分布式系统经验…
你是一位小学老师，擅长用简单语言解释复杂概念…
你是一位营销专家，精通社交媒体运营…
`
为什么有效？
- 激活模型的相关知识
- 设定回答的专业度
- 调整语气和风格
3. 格式（Format）
核心问题：输出什么格式？
`
请以JSON格式输出：
{
“标题”: “…”,
“摘要”: “…”,
“关键词”: [“…”, “…”]
}
请以Markdown表格形式列出：
| 项目 | 数量 | 金额 |
|---|
|——|——|——|
请用编号列表：
- 第一点
- 第二点
`
常用格式：
- JSON：结构化数据
- Markdown：文章、文档
- 表格：对比、清单
- 代码块：程序代码
4. 示例（Examples）
核心问题：参考什么样本？
`
请按照以下格式写：
输入：今天天气很好
输出：The weather is nice today.
输入：我喜欢编程
输出：I enjoy programming.
现在请翻译：这本书很有意思
`
为什么有效？
- 让AI理解你的期望
- 减少歧义
- 提高一致性
5. 约束（Constraints）
核心问题：什么不能做？
`
约束：
- 不要使用emoji
- 长度不超过500字
- 不要编造数据
- 不要使用专业术语
- 必须引用来源
`
常用约束：
- 长度限制
- 语言风格
- 内容边界
- 格式要求
6. 上下文（Context）
核心问题：AI需要知道什么背景？
`
背景信息：
- 这篇文章发布在微信公众号
- 目标读者是AI零基础学习者
- 今天是2026年6月27日
- 我之前写过类似主题的文章（附上链接）
`
为什么重要？
- AI不知道你的具体情况
- 背景信息帮助AI做出更好的判断
- 减少误解和偏差
Prompt Engineering的核心原则
原则1：明确具体
| 模糊 | 明确 |
|---|
|——|——|
| 写个好文章 | 写一篇800字的科技博客 |
|---|---|
| 分析数据 | 分析Q2销售数据，找出增长最快的3个产品 |
| 帮我写代码 | 用Python 3.11写一个排序函数 |
原则2：提供上下文
| 没有上下文 | 有上下文 |
|---|
|————|———-|
| 翻译这段话 | 将这段中文翻译成英文，用于学术论文 |
|---|---|
| 总结这篇文章 | 用3个要点总结这篇文章，每个要点一句话 |
| 写个回复 | 写一封专业的商务邮件回复客户的投诉 |
原则3：使用示例
`
请按照这个格式写：
输入：苹果
输出：🍎 苹果 – 水果，红色，甜
输入：汽车
输出：🚗 汽车 – 交通工具，四轮，快速
现在请写：飞机
`
原则4：分步骤
`
请按照以下步骤分析：
- 首先，理解问题的核心是什么
- 然后，列出可能的原因
- 接着，评估每个原因的可能性
- 最后，给出最可能的答案和解释
`
原则5：迭代优化
`
第1次：生成初稿
第2次：调整风格
第3次：优化细节
第4次：最终润色
`
常见错误
错误1：指令模糊
`
❌ 帮我写个文章
✅ 写一篇800字的科技博客，主题是AI在医疗中的应用
`
错误2：缺少上下文
`
❌ 翻译这段话
✅ 将这段中文翻译成英文，用于学术论文，保持专业术语
`
错误3：期望AI读心
`
❌ 写个好点的
✅ 按照我之前的文章风格，写一篇类似主题的文章
`
错误4：过度复杂
`
❌ 写一篇关于AI的文章，要包括历史、现状、未来、应用、
技术、伦理、社会影响、经济影响、教育影响…
✅ 写一篇800字的文章，只聚焦”AI在医疗中的3个应用案例”
`
错误5：忽视格式
`
❌ 分析一下这个数据
✅ 用Markdown表格分析这个数据，包含：产品名、销量、增长率
`
🚇 地铁深读：Prompt Engineering的进化史
第一阶段：简单指令（2020-2022）
- 直接告诉AI做什么
- 效果不稳定
- 依赖模型能力
第二阶段：结构化Prompt（2022-2024）
- 使用角色、格式、示例
- 效果显著提升
- 形成最佳实践
第三阶段：高级技术（2024-2025）
- CoT（思维链）
- ToT（思维树）
- ReAct（推理+行动）
- Self-Consistency
第四阶段：Context Engineering（2025-2026）
- 从”怎么问”扩展到”给什么信息”
- Prompt成为Context的一部分
- 系统化的上下文管理
今日小结
| 要素 | 作用 | 示例 |
|---|
|——|——|——|
| 任务 | 做什么 | 写一篇800字文章 |
|---|---|---|
| 角色 | 扮演谁 | 资深技术博主 |
| 格式 | 输出格式 | Markdown表格 |
| 示例 | 参考样本 | 按照这个格式写 |
| 约束 | 限制条件 | 不要emoji |
| 上下文 | 背景信息 | 面向零基础读者 |
一句话记住： Prompt Engineering = 和AI对话的艺术，怎么问决定了AI怎么答。
下期预告
AI PRO·Prompt Day 2 Prompt的六要素详解：任务、角色、格式、示例、约束、上下文
我们将深入解析每个要素的设计技巧，让你的Prompt从”能用”变成”好用”。
*攀岩者 | 技术总监 | 19年IT全栈实战*
*每天分享AI学习笔记，陪你从零基础到AI达人*
发表回复