提示词工程Prompt Engineering：和大模型高效沟通的实用技巧

很多人会遇到这样的困扰：同样一个大模型，别人用能产出质量很高的结果，自己提问得到的回答却空泛、跑题、达不到预期。
很多时候并不是模型不够强大，而是提问方式出了问题。提示词工程，就是研究如何设计、优化输入指令，让大模型精准理解你的诉求，输出符合预期结果的一套方法。

生活化类比
把大模型想象成能力很强的实习生。实习生本身水平不错，但不会读心术。你交代任务说的越模糊，交付的东西就越偏离需求；把目标、背景、约束讲清楚，他才能交出合格成果。

一、基础概念

Prompt（提示词）：你发给大模型的全部输入内容，包含问题、指令、参考资料。
System系统提示：相当于给实习生的岗位说明书，设定角色、行为准则，对话全程生效。
User用户消息：使用者每一轮提出的具体任务。
Assistant助手消息：大模型返回的回答，多轮对话中会作为上下文留存。

小知识：所有对话内容都会消耗Token，并且受上下文窗口限制。模型不会无限记忆全部历史，内容太多，早期信息就会被遗忘。同时有“迷失在中间”现象：放在提示词中间的内容更容易被忽略，重要规则尽量放在开头或者末尾。

二、写好提示词的四大基础要素

每次编写提示词，可以对照这四点检查：角色、明确指令、背景上下文、约束限制。

角色设定：告诉AI以什么身份工作。比如“你是拥有8年经验Python后端工程师”，可以激活模型学到的该领域表达方式。
明确指令：清晰交代要完成什么任务，不要模糊笼统。
背景上下文：补充必要的背景信息，AI才知道场景。
约束限制：规定字数、风格、输出格式、哪些内容不要出现。

❌ 反面示例（模糊）：帮我写一篇关于旅行的文章。
✅ 优化示例：你是旅行撰稿人，请为大学生写一篇300字以内周末短途旅行攻略，风格轻松接地气，重点讲出行预算和避坑提示，不要讲长途出国旅游。

三、高频实用技巧

1、XML标签隔离指令与数据

当提示词里面既有你的指令，又有一大段需要AI处理的文本（文章、用户输入、简历），建议使用XML标签把数据包裹起来。

好处：区分“要做什么”和“要处理的素材”，避免素材内部的文字被误识别为指令，同时防范提示词注入风险。

示例：

请总结下面文档的核心观点，控制在150字以内。
<document>
这里粘贴一大段需要处理的文章内容……
</document>

2、明确规定输出格式

如果你需要JSON、表格、Markdown报告，不要指望AI猜格式，直接写清楚要求，最好附上简单模板。

示例：

分析评论情感，只输出JSON，字段包含sentence、sentiment、score，score范围0‑10。
<review>这个耳机音质很好，但是续航时间太短。</review>

3、思维链CoT：先思考，再给答案

面对推理、计算、分析类复杂任务，直接要最终答案很容易出错。
要求模型把中间推导过程写出来，再输出结论，准确率会明显提升。

示例：

请先在<thinking>标签写出你的分析推理过程，之后在给出最终判断。

关键点：一定要先推理后结论；如果先下结论再解释，AI只会为已经得出的结果找借口，不是真正分析。

4、少样本Few‑Shot：给示例，胜过千言万语

有些风格、格式很难用文字描述，直接给2‑3组「输入‑理想输出」的样例，AI会模仿样例的模式。

要求：示例质量要高，格式统一，分类任务尽量每个类别都覆盖。

5、对抗幻觉的小技巧

幻觉就是AI一本正经编造不存在的事实。可以通过提示词降低幻觉概率：

明确告知：信息不确定就直接说明不知道，不要编造；
限定AI只能使用你提供的参考资料；
要求回答时标注信息来源；
做事实类任务，API参数temperature调低，减少模型的创造性发挥。

示例片段：

你只能依据<ref>标签内的资料作答，如果资料没有相关内容，请直接回复：现有资料无法回答该问题，禁止编造信息。
<ref>参考资料粘贴在这里</ref>

四、进阶技巧

提示词链 Prompt Chaining

遇到极度复杂任务，不要把全部需求塞进单条提示词。拆成多个子步骤，上一步输出作为下一步输入。

适用场景：长文档处理、完整项目方案生成、复杂流水线。

步骤1：从文档提取关键信息；
步骤2：基于提取信息做分析；
步骤3：生成最终报告。

优势：每一步可以校验结果，某一步出错不用全部重来，也避免单轮提示词过长超出token限制。

元提示 Meta‑Prompt：让AI帮你写提示词

自己不知道怎么写提示词的时候，可以交给AI起草、优化提示词。

示例：

我需要一个system提示词，用于产品评论分析助手，需要完成情感判断、提取痛点，输出markdown表格，请帮我生成这个提示词，并且说明设计思路。

注意：AI生成的提示词只能作为初稿，一定要人工测试、修改完善，不能直接拿来就用。

迭代优化工作流

提示词几乎不可能一次写完美，标准流程：

起草提示词；
使用多组不同测试样例测试，覆盖正常场景+边界情况；
定位问题：跑题、格式错乱、推理错误、编造信息；
修改对应的约束、规则；
重新测试，循环往复。

生产环境使用，建议做好版本记录，例如v1.2 2026‑09‑18 增加xml标签，修复格式不稳定，方便回退。

五、开发者视角：系统提示System Prompt

System Prompt相当于给AI的岗位说明书，对话最开始设定一次，全程生效。
适合开发AI应用、Agent，把角色、全部规则、边界约束统一写在这里，不需要每一轮用户消息重复描述。

简易模板参考：

System：
你是XX助手。
【角色】：xxx
【必须遵守规则】
1、xxx
2、xxx
【禁止行为】
1、xxx
【输出格式要求】xxx

六、常见踩坑提醒

不要过度啰嗦：提示词追求精准，不是越长越好，删除无效废话；
重要规则不要埋在大段文字中间，放开头或者结尾；
高风险场景（法律、医疗），提示词只能降低幻觉，不能完全杜绝，必须提示用户参考专业人士；
混合指令和外部输入，一定要用标签隔离，防范提示词注入安全问题。

写在最后

提示词工程不是玄学，本质是和大模型结构化沟通的能力。
大模型没有读心术，你交代的角色、目标、背景、约束越清晰，得到结果就越贴合预期。
简单任务，掌握四大基础要素就够用；复杂任务可以使用思维链、少样本；工程开发可以进一步使用提示词链、系统提示，持续迭代测试优化。

小建议：平时把工作中好用的提示词保存成模板库，重复利用，提升效率。

提示词工程（Prompt Engineering）