2022年，AI大模型爆发，Prompt工程成了热门话题。

本文从基础到高级，详细讲解Prompt工程的配置方法，包括什么是Prompt、基础技巧、高级技巧、常见模式、最佳实践，以及实际案例。

一、什么是Prompt工程

1. 基本概念

Prompt（提示词），是给AI模型的输入指令。

Prompt工程，就是设计和优化Prompt，让AI模型输出更好的结果。

为什么需要Prompt工程？

  • 大模型能力很强，但需要正确的引导
  • 不同的Prompt，输出质量差异很大
  • 好的Prompt，能让模型发挥出最佳水平
  • 差的Prompt，可能得到无用甚至错误的结果

2. 为什么重要

2022年，以GPT-3为代表的大模型，能力越来越强。

  • 可以写文章、写代码、翻译、总结
  • 但输出质量，很大程度上取决于Prompt
  • 同样的模型，不同的人用，效果天差地别
  • Prompt工程，成了使用AI的核心技能

学会Prompt工程，就能更好地利用AI。

二、基础技巧

1. 明确指令

最基础的技巧：明确告诉模型你要什么。

不好的Prompt：

写一篇关于AI的文章

好的Prompt：

写一篇关于AI在医疗领域应用的文章，要求：
1. 字数800字左右
2. 包含三个具体案例
3. 语言通俗易懂
4. 结构清晰，有小标题

越明确，输出越符合预期。

2. 给出角色

给模型设定一个角色，能提升输出质量。

你是一位资深的前端工程师，有10年经验。
请帮我 review 这段代码，指出问题并给出改进建议。

角色设定，让模型从特定视角回答，更专业。

3. 提供上下文

给模型足够的上下文信息。

背景：我们是一家电商公司，正在做用户留存分析。
数据：本月用户留存率比上月下降了5%。
任务：请分析可能的原因，并给出改进建议。

上下文越充分，输出越精准。

4. 指定格式

指定输出格式，方便后续处理。

请用JSON格式输出，包含以下字段：
- title: 文章标题
- summary: 200字摘要
- keywords: 5个关键词
- category: 分类

指定格式，能让输出结构化，方便程序处理。

5. 分步指令

复杂任务，分成步骤来写。

请按以下步骤分析这段文本：
1. 总结主要观点（不超过100字）
2. 提取关键信息（人物、时间、地点、事件）
3. 分析情感倾向（正面/负面/中性）
4. 给出你的评价

分步指令，能让模型有条理地处理复杂任务。

三、高级技巧

1. Few-shot 学习

给模型几个示例，让它学习模式。

请根据以下示例，对新的文本进行分类。

示例1：
文本：这个手机拍照很好，续航也不错。
分类：好评

示例2：
文本：手机用了两天就坏了，客服态度也差。
分类：差评

新文本：
屏幕显示效果不错，但发热有点严重。
分类：

Few-shot，能让模型快速学习特定任务的模式。

2. 思维链（Chain of Thought）

让模型一步步思考，而不是直接给答案。

问题：一个商店有15个苹果，卖了8个，又进货了20个，现在有多少个苹果？

请一步步思考，然后给出答案。

思维链，能提升模型在推理任务上的表现。特别是数学题、逻辑题，效果明显。

3. 自我一致性

让模型多次生成，取多数结果。

请独立思考3次，每次都给出完整的推理过程和答案。
最后，统计3次答案，给出最一致的结果。

自我一致性，能提高答案的稳定性和准确性。

4. 指令层次

用层次化的指令，组织复杂的Prompt。

# 角色
你是一位资深的技术写作者。

# 任务
写一篇关于React Hooks的技术文章。

# 要求
## 内容
- 介绍useState和useEffect
- 每个Hook至少一个代码示例
- 说明使用场景和注意事项

## 格式
- 有标题和小标题
- 代码用代码块
- 字数1500字左右

## 风格
- 通俗易懂
- 适合初学者
- 有实际案例

层次化指令，结构清晰，模型更容易理解。

5. 约束和限制

给模型加上约束，避免输出不符合要求。

请写一篇关于健康饮食的文章。
约束：
- 不要提到任何具体的品牌或产品
- 不要给出医疗建议
- 不要使用夸张的表述
- 所有建议都要有科学依据

约束，能控制输出的范围和风格。

四、常见模式

1. 总结模式

请总结以下文本的主要内容：
- 不超过200字
- 保留关键信息
- 用自己的话复述
- 不要添加原文没有的信息

文本：
{text}

2. 翻译模式

请将以下文本翻译成英文。
要求：
- 准确传达原意
- 符合英文表达习惯
- 专业术语保持一致
- 不要添加解释

文本：
{text}

3. 代码生成模式

请用Python写一个函数，实现以下功能：
- 输入：一个整数列表
- 输出：列表中的最大值和最小值
- 要求：时间复杂度O(n)，有异常处理

请给出完整代码，并加上注释。

4. 问答模式

请根据以下材料回答问题。
如果材料中没有答案，请回答"材料中未提及"。
不要编造信息。

材料：
{context}

问题：
{question}

5. 分类模式

请将以下文本分类到以下类别之一：
- 技术
- 生活
- 读书
- 好物

只输出类别名称，不要解释。

文本：
{text}

五、参数配置

使用API时，还有一些参数可以配置。

1. temperature

控制输出的随机性。

  • 0：确定性输出，每次结果一样
  • 0.7：默认值，有一定随机性
  • 1.0：更随机，更有创造性
  • 越高，输出越多样，但可能偏离主题

建议：

  • 事实性任务（翻译、总结）：0.3以下
  • 创意任务（写故事、写诗）：0.7以上
  • 代码生成：0.2以下

2. max_tokens

控制输出的最大长度。

  • 根据任务需要设置
  • 太短会截断，太长会浪费
  • 总结：200-500
  • 文章：1000-3000
  • 代码：500-2000

3. top_p

控制词汇选择的范围。

  • 1.0：考虑所有词汇
  • 0.9：只考虑累积概率前90%的词汇
  • 和temperature类似，但机制不同
  • 一般不需要同时调整

4. frequency_penalty

控制重复词的惩罚。

  • 0：不惩罚
  • 正值：减少重复
  • 适合生成多样化的文本
  • 一般设置0.1-0.5

5. presence_penalty

控制新话题的引入。

  • 0：不惩罚
  • 正值：鼓励引入新话题
  • 适合写长文，避免跑题
  • 一般设置0.1-0.5

六、最佳实践

1. 迭代优化

Prompt不是一次写好的，需要迭代。

  • 先写一个基础版本
  • 测试，看输出结果
  • 分析问题，调整Prompt
  • 再测试，再调整
  • 直到满意为止

2. 测试边界情况

好的Prompt，要能处理边界情况。

  • 输入为空怎么办？
  • 输入很长怎么办？
  • 输入有歧义怎么办？
  • 输入有错误怎么办？

测试边界情况，让Prompt更健壮。

3. 保存和版本管理

好的Prompt，要保存下来。

  • 记录每个版本的变化
  • 记录测试结果
  • 方便回滚
  • 方便团队共享

可以用文件或工具管理Prompt版本。

4. 组合使用技巧

各种技巧可以组合使用。

  • 角色 + 指令 + 格式
  • Few-shot + 思维链
  • 分步指令 + 约束
  • 根据任务需要，灵活组合

5. 了解模型的局限

Prompt工程不是万能的。

  • 模型可能会编造信息（幻觉）
  • 模型可能有偏见
  • 模型的知识有截止日期
  • 复杂的推理可能出错

了解局限，合理使用，不要完全依赖。

七、实际案例

案例1：写技术文章

# 角色
你是一位资深前端工程师，擅长React和TypeScript。

# 任务
写一篇关于React useMemo和useCallback区别的文章。

# 要求
- 字数1200字左右
- 包含代码示例
- 说明各自的使用场景
- 说明常见的误用
- 语言通俗易懂，适合中级开发者

# 结构
1. 引言：为什么需要这两个Hook
2. useMemo详解
3. useCallback详解
4. 两者的区别
5. 使用建议
6. 总结

案例2：代码Review

# 角色
你是一位有10年经验的高级工程师，擅长代码审查。

# 任务
审查以下代码，指出问题并给出改进建议。

# 审查维度
1. 代码风格和规范
2. 潜在的bug
3. 性能问题
4. 安全问题
5. 可维护性

# 输出格式
- 问题列表（按严重程度排序）
- 每个问题：位置、问题描述、改进建议
- 总体评价

代码：
{code}

案例3：数据分析

# 角色
你是一位数据分析师，擅长用户行为分析。

# 背景
我们是一家电商平台，本月用户留存率下降了5%。

# 数据
- 新用户注册量：+10%
- 首日留存：-3%
- 7日留存：-8%
- 30日留存：-12%
- 客单价：+5%

# 任务
1. 分析留存率下降的可能原因
2. 给出3个最可能的假设
3. 针对每个假设，给出验证方法
4. 给出改进建议

八、常见错误

1. Prompt太模糊

错误：

写点东西

正确：

写一篇500字的文章，主题是"秋天的北京"，要求有景物描写和个人感受。

2. 一次要求太多

错误：一个Prompt里要求写文章、翻译、总结、分析。

正确：拆分任务，一个Prompt做一件事。

3. 没有示例

对于复杂或特殊的任务，没有示例，模型可能理解偏差。

正确：加几个Few-shot示例。

4. 忽略输出格式

没有指定格式，输出可能混乱，不好处理。

正确：明确指定输出格式。

5. 不迭代

写了一个Prompt，效果不好就放弃了。

正确：迭代优化，逐步改进。

九、写在最后

Prompt工程，是2022年AI时代的核心技能。

从基础的明确指令、角色设定，到高级的Few-shot、思维链，再到参数配置和最佳实践，掌握了这些，就能更好地使用AI大模型。

但Prompt工程不是一成不变的。模型在更新，技巧在演进，需要持续学习和实践。最好的学习方式，就是多写、多测、多迭代。

2022年，AI正在改变我们的工作方式。学会Prompt工程，就是学会和AI协作，让AI成为我们的得力助手。

最后，用一句话总结："Prompt工程，是和AI沟通的艺术。明确指令、提供上下文、迭代优化，就能让AI输出你想要的结果。"

愿你掌握Prompt工程，用好AI这个强大的工具。