十四、Prompt Engineering
← 上一章：十三、资源导航 | 返回总览 | 下一章：十五、端到端实战项目 →]
Prompt Engineering（提示词工程）是与大模型交互的核心技能——同一个模型，不同的提示词可以产出天差地别的结果。掌握提示词技巧，比切换更贵的模型更有效。
核心原则
| 原则 | 说明 | 示例 |
|---|---|---|
| 明确具体 | 模型不会读心，越具体越好 | "写一封 200 字的邮件" > "写个邮件" |
| 给示例 | Few-shot 比纯指令更稳定 | 给 1-2 个输入输出样例 |
| 分步引导 | 复杂任务拆成步骤 | "第一步...第二步...第三步..." |
| 指定角色 | 角色设定影响输出风格 | "你是一位资深 Python 架构师" |
| 指定格式 | 明确输出格式 | "用 JSON 格式返回，字段包含 name, age, role" |
常用提示词框架
1. CRISPE 框架
| 要素 | 含义 | 示例 |
|---|---|---|
| Capacity | 角色能力 | 你是一位数据分析专家 |
| Role | 具体角色 | 负责分析电商用户行为数据 |
| Insight | 背景信息 | 数据来自某电商平台的 2026 年 Q1 交易记录 |
| Statement | 具体任务 | 找出复购率下降的 3 个可能原因 |
| Personality | 输出风格 | 用简洁的要点列表，附数据支撑 |
| Experiment | 输出格式 | 每个原因包含：现象→数据证据→建议 |
2. RISEN 框架
| 要素 | 含义 | 示例 |
|---|---|---|
| Role | 角色 | 你是一位 DevOps 工程师 |
| Instructions | 指令 | 编写一个 Docker Compose 配置 |
| Steps | 步骤 | 1. 定义服务 2. 配置网络 3. 设置卷挂载 |
| Expectations | 期望 | 支持 MySQL + Redis + Node.js 三服务 |
| Narrowing | 约束 | 不使用 latest 标签，所有服务限制内存 512M |
3. 少样本（Few-Shot）
不解释规则，直接给示例让模型模仿：
将以下产品评论分类为"正面"或"负面"：
评论：这个手机拍照效果超好！→ 正面
评论：电池续航太差了 → 负面
评论：屏幕很清晰但系统有点卡 → 负面
评论：物流快，包装好 → 正面
评论：这款耳机音质不错但降噪一般 →高级技巧
思维链（Chain of Thought）
让模型"一步一步思考"，显著提升推理准确率：
请一步一步分析以下问题：
某公司 2026 年 Q1 营收 500 万，Q2 环比增长 20%，
Q3 环比下降 10%，Q3 营收是多少？进阶：可以用
"Let's think step by step"触发 CoT，也可以在示例中展示推理过程。
自我反思（Self-Reflection）
让模型检查自己的输出：
请写一个 Python 函数计算斐波那契数列。
写完后，请：
1. 检查边界条件是否处理正确
2. 检查是否有性能问题
3. 如有问题，修正后重新输出结构化输出
明确要求 JSON/Markdown 表格等格式，便于程序解析：
请分析以下技术的优缺点，用 JSON 格式输出：
{
"technology": "RAG",
"pros": ["...", "..."],
"cons": ["...", "..."],
"best_for": "..."
}系统提示词（System Prompt）
设定模型的全局行为，比用户消息更持久：
你是一个代码助手，遵循以下规则：
1. 永远使用 Python 类型注解
2. 函数必须有 docstring
3. 优先使用标准库，减少第三方依赖
4. 错误处理使用自定义异常类常见陷阱
| 陷阱 | 问题 | 解决方案 |
|---|---|---|
| 指令模糊 | "帮我优化一下" → 输出不可控 | 明确优化目标："将查询时间从 5s 降到 1s 以内" |
| 负面指令失效 | "不要用 JSON" → 模型可能仍用 | 用正面指令替代："使用 YAML 格式" |
| 上下文过长 | 塞入太多信息，模型忽略关键部分 | 只提供必要上下文，用分步代替一次性 |
| 过度约束 | 10 条规则互相矛盾 | 规则不超过 5 条，按优先级排列 |
| 忽略温度 | 创意任务用 temperature=0 | 事实性任务 temperature=0，创意任务 0.7-1.0 |
Prompt Engineering 与其他章节的关系
| 章节 | 关联 |
|---|---|
| Skill(5) | SKILL.md 本质就是结构化的 System Prompt |
| RAG(9) | 检索结果拼接到 prompt 中，拼接策略直接影响 RAG 效果 |
| Agent(8) | Agent 的指令遵循能力取决于 prompt 质量 |
| CLI(4) | Claude Code 等 CLI 工具的对话即 prompt 交互 |
| Vibe Coding(12) | Vibe Coding 的核心技能就是写好 prompt |