Prompt Engineering 入门：从零到写出好 Prompt

> 同样的模型，同样的 API，别人能出优质回答，你只能得到废话——差距就在 Prompt 工程。

什么是 Prompt Engineering

Prompt Engineering = 用自然语言精确描述你的需求，让 LLM 产出高质量输出。

不是玄学，是可复现的工程方法。

核心原则

1. 明确角色

❌ 差："写一段代码" ✅ 好："你是一位资深 Python 后端工程师，擅长 FastAPI 和异步编程。请写一个..."

2. 给出上下文

❌ 差："这个怎么修" ✅ 好："项目使用 FastAPI + SQLAlchemy，错误发生在用户注册接口..."

3. 指定输出格式

❌ 差："总结一下" ✅ 好："用 3 个要点总结，每个要点不超过 20 字，最后给 1 句行动建议"

4. 分步指令

❌ 差："做一个电商网站" ✅ 好：

常用模板

代码生成

`` 角色：资深 [语言] 工程师 任务：[具体功能] 约束：[性能/风格/兼容性] 输出：[代码 + 注释 + 测试用例] `

文本改写

` 原文：[粘贴] 目标：将语气改为 [正式/轻松/技术] 约束：保留所有关键信息，不超过 [字数] 字 输出：[改写后文本] `

知识问答

` 角色：[领域]专家 问题：[具体问题] 约束：基于 [资料]，回答要 [准确/简洁/详细] 输出：[答案] + [来源] ``

进阶技巧

少样本 prompting

给 2-3 个示例，让 AI 理解你的格式要求。

思维链（CoT）

加一句"请一步步思考"，大幅提升复杂推理准确率。

自我修正

让 AI 先写初稿，再让它" review 并改进自己的回答"。

工具推荐

一句话

Prompt Engineering 是 AI 时代的"编译器"——同样的模型，输入不同，输出天差地别。