Prompt Engineering 基础技巧完全指南

最新推荐文章于 2025-12-04 19:56:30 发布

原创最新推荐文章于 2025-12-04 19:56:30 发布 · 936 阅读

5 ·

CC 4.0 BY-SA版权

文章标签：

#prompt

AI 专栏收录该内容

13 篇文章

订阅专栏

提示工程（Prompt Engineering）是通过优化输入提示词来引导AI模型生成高质量输出的技术。掌握基础技巧能显著提升AI响应的准确性、相关性和实用性。

一、核心原则

1. 清晰性 > 复杂性

目标：让模型理解你的意图，而非考验它的理解能力
反例："写点东西"
正例："用3句话解释量子纠缠，让10岁孩子能听懂"

2. 具体性 > 模糊性

提供明确的约束条件（格式、长度、风格、受众）
反例："总结这篇文章"
正例："用200字总结这篇文章，包含3个核心观点，用 bullet points 呈现"

二、7大基础技巧

技巧1：角色设定（Role Prompting）

为AI分配一个专业角色，激活其对应知识领域。

公式：你是一位[专业角色]，请[执行任务]

示例：

❌ 普通提问：怎么学编程？
✅ 角色设定：你是一位有10年经验的编程导师，请为完全零基础的学习者制定3个月学习计划，每周学习5小时，要包含具体的学习路径和练习项目。

代码场景：

String prompt = """
    你是一位资深Java架构师，请审查以下代码，指出3个潜在的安全漏洞，
    并用中文解释每个漏洞的危害和修复建议。
    
    代码：
    ```java
    public void processInput(String userInput) {
        Runtime.getRuntime().exec(userInput);
    }
    ```
    """;

技巧2：任务分解（Task Decomposition）

将复杂任务拆解为有序步骤，引导AI逐步思考。

公式：请按以下步骤完成任务：1. [步骤1] 2. [步骤2] 3. [步骤3]

示例：

分析以下销售数据并给出建议：
1. 首先提取2024年Q1-Q3的销售额和增长率
2. 然后识别增长最慢的3个产品线
3. 最后针对每个产品线提出1个具体的改进措施

数据：[附上CSV数据]

技巧3：提供示例（Few-Shot Learning）

给出输入输出的范例，让AI模仿期望的格式和风格。

公式：示例1：输入→输出示例2：输入→输出现在处理：新输入→

示例：

将以下英文商品名翻译为中文，保持简洁：
示例1：
English: Wireless Bluetooth Headphones with Noise Cancellation
Chinese: 降噪蓝牙耳机

示例2：
English: Portable Fast Charging Power Bank 20000mAh
Chinese: 20000mAh快充充电宝

现在翻译：
English: Smart WiFi Security Camera with Night Vision
Chinese:

技巧4：结构化输出（Structured Output）

强制AI返回JSON、Markdown表格等结构化格式，便于程序解析。

公式：请以JSON格式返回，包含以下字段：{"field1": "描述", "field2": "描述"}

示例：

从以下文本中提取实体信息：
"苹果公司由史蒂夫·乔布斯在1976年创立，总部位于加利福尼亚。"

请按此JSON格式返回：
{
  "company": "公司名称",
  "founder": "创始人姓名", 
  "year": "成立年份（数字）",
  "location": "总部位置"
}

Spring AI 代码示例：

String prompt = """
    分析用户评论的情感倾向。
    请以JSON格式返回，包含以下字段：
    - sentiment: 情感类型（positive/negative/neutral）
    - confidence: 置信度（0-1之间的小数）
    - keywords: 关键词数组（最多3个）
    
    评论："{0}"
    """;

String jsonResponse = chatClient.prompt(prompt)
        .param(comment)
        .call()
        .content();
        
// 解析JSON获取结构化数据

技巧5：思维链引导（Chain-of-Thought）

在提示词中加入"请逐步思考"或"让我们一步步分析"，引导AI展示推理过程，显著提升复杂问题准确率。

公式：请逐步思考：[问题]

示例：

问题：一个农场有鸡和牛共30只，脚共88只，问鸡和牛各多少只？

请逐步思考并展示推理过程：
1. 设鸡有x只，牛有y只
2. 根据头数列方程：x + y = 30
3. 根据脚数列方程：2x + 4y = 88
4. 解方程组...
5. 得出答案

技巧6：上下文隔离（Context Isolation）

使用分隔符（###, ---, XML标签）清晰划分指令、上下文和输入，避免混淆。

公式：

[指令部分]

--- 或 ###

[上下文/背景信息]

--- 或 ###

[待处理内容]

示例：

请总结以下技术文档。

###
文档主题：Spring Boot 3.2 新特性
###

###
文档内容：
[粘贴长文档...]
###

###
总结要求：
- 用3个 bullet points
- 每个不超过20字
- 突出性能提升特性
###

技巧7：边界约束（Constraints Setting）

明确限制输出格式、长度、风格等边界条件。

常用约束参数：

约束类型	示例
长度	"用100字以内"、"生成5-7句话"
格式	"用Markdown表格"、"返回纯文本"
风格	"用正式商务语气"、"像朋友聊天"
受众	"面向产品经理"、"给5岁孩子讲"
排除项	"不要提及价格"、"避免技术术语"

组合示例：

为LinkedIn撰写一篇帖子：
- 主题：宣布我们产品新功能
- 长度：150-200字
- 风格：专业但友好
- 必须包含：#AI #ProductUpdate 标签
- 禁止包含：具体价格信息

三、进阶技巧组合

组合模式：角色 + 思维链 + 结构化输出

String advancedPrompt = """
    你是一位资深数据分析师。
    
    请分析以下销售数据，并：
    1. 首先识别数据中的异常模式
    2. 然后分析可能的原因
    3. 最后提出3个可执行的建议
    
    请逐步思考，并用以下JSON格式返回结果：
    {
      "anomalies": ["异常1", "异常2"],
      "rootCauses": ["原因1", "原因2"],
      "recommendations": [
        {"priority": "high", "action": "具体行动1"},
        {"priority": "medium", "action": "具体行动2"},
        {"priority": "low", "action": "具体行动3"}
      ]
    }
    
    数据：
    {0}
    """;

四、常见陷阱与避坑指南

陷阱	错误示例	正确做法
模糊指令	"写得好一点"	"增加3个具体案例，语言更口语化"
过度约束	同时限制10个条件	聚焦3-5个核心约束
缺少上下文	"那个项目怎么样了？"（没有指明项目）	"关于客户A的CRM升级项目，目前进度如何？"
假设模型知道	"按老规矩生成报告"（模型不知道"老规矩"）	"按照附件模板格式生成报告，包含销售额、转化率、环比3个部分"
忽视token限制	粘贴10万字长文让总结	先分段处理，或使用RAG检索相关内容

五、效果评估与迭代

5.1 A/B测试提示词

// 版本A：简单指令
String promptV1 = "总结这段文字";

// 版本B：结构化指令
String promptV2 = """
    用3个bullet points总结，每个不超过15字：
    {0}
    """;

// 记录两个版本的响应质量和用户满意度

5.2 自动化评估指标

相关性：输出是否回答了问题
准确性：事实是否正确
完整性：是否覆盖所有要求
格式合规性：是否遵循结构要求

六、实用工具与资源

6.1 提示词模板库

LangChain Hub：社区共享的提示词模板
PromptPerfect：自动优化提示词工具
Spring AI：内置 PromptTemplate 类

Spring AI 模板示例：

PromptTemplate template = new PromptTemplate("""
    你是一位{role}，请为{audience}解释{topic}。
    要求：{requirements}
    """);
    
Map<String, Object> params = Map.of(
    "role", "资深教师",
    "audience", "初中生", 
    "topic", "光合作用",
    "requirements", "用比喻，不超过100字"
);

String prompt = template.render(params);

6.2 学习资源

书籍：《Prompt Engineering Guide》（免费在线版）
实践：Anthropic 的 Prompt Engineering Interactive Tutorial
社区：Discord 的 "Prompt Engineering" 频道

七、总结：黄金句式模板

万能模板：

你是一位[专业角色]。

请完成以下任务：[具体任务]。

要求：
1. [要求1]
2. [要求2] 
3. [要求3]

工作步骤：
1. [步骤1]
2. [步骤2]

请以[格式]返回结果。

[上下文/输入内容]