Prompt Engineering 是什么？写好提示词的实用技巧

Prompt Engineering 到底是什么

说白了就是怎么跟 AI 说话让它给你更好的结果。

你用 ChatGPT 的时候肯定遇到过：同一个问题，换一种问法，得到的答案质量差别很大。有时候模型给你的回答完全不是你想要的，不是它能力不行，是你没说清楚。

Prompt Engineering 就是研究怎么把需求表达清楚、怎么引导模型输出你想要的结果。它不是什么高深的技术，更像是一种"和 AI 沟通的技巧"。

真正管用的技巧

1. 说清楚你要什么

这是最基本也是最重要的。很多人 prompt 写得太模糊：

❌ "帮我写一篇关于 AI 的文章"
✅ "帮我写一篇 800 字的科普文章，面向没有技术背景的大学生，解释什么是大语言模型，用生活化的比喻，避免术语"

给模型的信息越多，它的输出越接近你的预期。至少要说清楚：给谁看的、什么风格、什么格式、多长。

2. 给上下文

模型不知道你的背景。如果你在讨论一个具体的项目、代码、文档，把相关内容贴进去。

❌ "这段代码有 bug，帮我修"
✅ "以下是一个 Python 函数，它应该返回用户列表，但有时候返回空列表。预期行为是始终返回所有用户。代码如下：
[粘贴代码]"

3. 指定输出格式

如果你需要特定格式（JSON、Markdown 表格、分点列表），直接说。

"请用 Markdown 表格对比以下三个方案的优缺点，列包括：方案名称、优点、缺点、适用场景"

4. Few-shot：给例子

如果模型总是输出不对，给它一两个"输入→输出"的例子。这比写一大段描述都管用。

"请按以下格式提取信息：
输入：张三，男，28岁，工程师
输出：{"name": "张三", "gender": "男", "age": 28, "occupation": "工程师"}
输入：李四，女，35岁，产品经理
输出："

5. Chain-of-Thought：让模型展示推理过程

对于需要推理的任务（数学、逻辑分析、代码 debug），让模型"一步一步想"可以显著提高准确率。

"请一步一步分析这个问题，展示你的推理过程，最后给出答案。"

6. 角色设定

给模型一个角色，可以影响它的回答风格和深度。

"你是一个有 10 年经验的后端工程师，请从生产环境的角度审查以下代码。"

注意：角色设定主要影响语气和视角，不会真的让模型拥有那个角色的能力。

常见误区

误区一：有"万能 prompt"

不存在。不同任务、不同模型、不同场景需要不同的 prompt。网上那些"最强 prompt 合集"可以参考，但不要照搬。

误区二：prompt 越长越好

长 prompt 不一定比短 prompt 好。关键是信息密度——用最少的话把需求说清楚。太长的 prompt 反而可能让模型抓不住重点。

误区三：Prompt Engineering 可以弥补模型能力不足

模型搞不定的任务，换一种问法通常也搞不定。Prompt Engineering 是在模型能力范围内的优化，不是魔法。如果你发现怎么调 prompt 都不行，可能需要换个更强的模型。

误区四：Prompt Engineering 只和对话有关

如果你在开发 AI 应用（用 API 调用模型），system prompt 的设计比对话 prompt 重要得多。System prompt 决定了模型的行为边界、输出格式、处理异常的方式，是产品化的核心环节。

在不同模型上的差异

不同模型对 prompt 的敏感度不同：

• GPT-4o：对 prompt 格式不太敏感，自然语言描述就能理解
• Claude：对结构化 prompt 响应更好，喜欢 XML 标签分隔不同部分
• 开源模型（Llama 等）：对 prompt 格式更敏感，可能需要特定的 chat template

建议针对你实际使用的模型来调优 prompt，不要假设一个 prompt 在所有模型上效果一样。

从业者提醒

Prompt Engineering 是实践技能，不是理论知识。看十篇教程不如自己动手试十次。每个模型、每个任务的最佳 prompt 都不一样，只有自己试了才知道。 别花太多时间在 prompt 上。如果你发现自己花几个小时在调一个 prompt，可能换个思路更好——用 API 写代码处理、换个更强的模型、或者把任务拆成更小的步骤。Prompt Engineering 有收益递减的拐点。 System prompt 比 user prompt 重要。如果你在做 AI 产品，花时间设计好 system prompt（角色、规则、输出格式、异常处理），比优化单次对话的 user prompt 价值大得多。 版本管理你的 prompt。好的 prompt 是迭代出来的。如果你在做产品，把 prompt 当代码管理——记录每次修改和效果，方便回溯和对比。

下一步

• 想了解 Agent 的 prompt 设计？看 AI Agent 是什么
• 想了解模型怎么理解文字？看 Embedding 是什么
• 想了解不同模型的 prompt 差异？看 ChatGPT vs Claude