Prompt Engineering 提示词工程

🎬 视频详解 (Video)

📌 核心定义 (What)

一句话定义：Prompt Engineering 是设计和优化输入提示词的技术，目的是让大语言模型（LLM）产生更准确、更有用的输出。

简单说：你怎么问，AI 就怎么答。好的 Prompt 能把 GPT-3.5 用出 GPT-4 的效果。

🎨 交互演示 (Interactive)

对比不同 Prompt 技术的效果，理解为什么”怎么问”很重要。

🎯 Prompt 技术对比

直接提问，不给示例

📝 Prompt

将以下句子翻译成英文： "今天天气很好"

🤖 AI 输出

点击"运行"查看输出

💡 技巧对比：

Zero-shot: 简单直接，适合简单任务
Few-shot: 提供示例，提升准确性
CoT: 逐步推理，适合复杂逻辑
Role Playing: 专家视角，提升专业度
Structured: 格式化输出，便于程序处理

🏠 生活类比 (Analogy)

👨‍🍳 “餐厅点餐”

你的 Prompt	AI 的表现
”给我做点吃的”	随便炒个蛋（低质量、随机）
“给我做一份西红柿炒蛋”	标准出品
”做一份西红柿炒蛋，少盐、多汤汁、配米饭”	精准满足需求
”你是米其林三星主厨，请用创意方式重新演绎西红柿炒蛋”	高级定制

越具体、越有上下文的指令，输出越好。

💻 JS 开发者类比

// Prompt 就像 API 请求的参数设计

// ❌ 差的 API 设计
fetch('/api/do-something');  // 啥都没说，后端猜不到

// ✅ 好的 API 设计
fetch('/api/users', {
  method: 'POST',
  headers: { 'Content-Type': 'application/json' },
  body: JSON.stringify({
    name: '张三',
    role: 'admin',
    format: 'json'
  })
});

// Prompt 也是一样：
// - 明确任务（method）
// - 提供上下文（headers）
// - 给出具体参数（body）
// - 指定输出格式（format）

🎯 核心技巧

1. Zero-Shot Prompting（零样本）

直接描述任务，不给示例。

【Prompt】
将以下英文翻译成中文：
"The quick brown fox jumps over the lazy dog."

【输出】
敏捷的棕色狐狸跳过了懒惰的狗。

适用场景：简单任务、模型能力足够时。

2. Few-Shot Prompting（少样本）⭐

提供几个示例，让模型”学习”模式。

【Prompt】
将英文翻译成中文，保持口语化风格：

English: "What's up?"
中文: "最近咋样？"

English: "No worries!"
中文: "没事儿！"

English: "Let's grab a coffee."
中文:

【输出】
走，喝杯咖啡去。

技巧：

示例数量 2-5 个最佳
示例要覆盖不同情况
示例格式要一致

3. Chain-of-Thought (CoT) 思维链 ⭐⭐

让模型”一步一步思考”，显著提升推理能力。

❌ 直接问
✅ CoT

【Prompt】
小明有 5 个苹果，给了小红 2 个，小红又给了小明 3 个香蕉。
现在小明有几个水果？

【输出】
6 个 ❌（错误，没考虑清楚）

【Prompt】
小明有 5 个苹果，给了小红 2 个，小红又给了小明 3 个香蕉。
现在小明有几个水果？

请一步一步思考：

【输出】
让我一步步分析：
1. 小明最初有 5 个苹果
2. 给小红 2 个苹果后：5 - 2 = 3 个苹果
3. 收到 3 个香蕉后：3 + 3 = 6 个水果
答案：小明现在有 6 个水果 ✅

魔法咒语：

“让我们一步一步思考”
“Let’s think step by step”
“请分步骤解决这个问题”

4. Role Prompting（角色扮演）

给 AI 设定角色/身份。

【Prompt】
你是一位有 20 年经验的 Node.js 架构师。
请审查以下代码，指出潜在的性能问题和安全隐患：

```javascript
app.get('/user/:id', async (req, res) => {
  const user = await db.query(`SELECT * FROM users WHERE id = ${req.params.id}`);
  res.json(user);
});

【输出】作为资深 Node.js 架构师，我发现以下问题：

SQL 注入漏洞（严重）直接拼接参数进 SQL 语句，攻击者可以…
没有错误处理 …

**常用角色**：
- "你是 XX 领域专家"
- "你是一位耐心的老师，正在教初学者"
- "你是代码审查员，专注于安全问题"

---

### 5. 输出格式控制

明确告诉 AI 你想要什么格式。

```text
【Prompt】
分析以下文本的情感，输出 JSON 格式：

文本："这家餐厅的菜太难吃了，再也不来了！"

要求输出格式：
{
  "sentiment": "positive/negative/neutral",
  "confidence": 0.0-1.0,
  "keywords": ["关键词1", "关键词2"]
}

【输出】
{
  "sentiment": "negative",
  "confidence": 0.95,
  "keywords": ["难吃", "再也不来"]
}

📝 System Prompt 设计

System Prompt 是对话开始时的”底层设定”，影响 AI 的整体行为。

结构化模板

# Role（角色）
你是一个专业的 [角色描述]。

# Background（背景）
[用户背景/场景描述]

# Goals（目标）
[主要任务目标]

# Constraints（约束）
- 约束 1
- 约束 2

# Output Format（输出格式）
[期望的输出格式说明]

# Examples（示例）
[可选：给出输入输出示例]

实战示例：代码助手

# Role
你是一个资深全栈开发工程师，精通 JavaScript、TypeScript、Node.js、React。

# Background
用户是有 2 年经验的前端开发者，正在学习后端。

# Goals
1. 回答编程问题
2. 审查和优化代码
3. 解释技术概念（用类比，避免术语堆砌）

# Constraints
- 回答要简洁，代码要有注释
- 如果问题不清楚，先确认需求
- 不要生成不安全的代码

# Output Format
- 先用 1-2 句话总结答案
- 然后给出代码示例
- 最后解释关键点

⚠️ 常见误区 (Pitfalls)

🛠️ 实用 Prompt 模板

代码生成

请用 [语言] 实现 [功能描述]。

要求：
- 使用 [框架/库]
- 代码要有注释
- 包含错误处理
- 给出使用示例

代码审查

请审查以下代码，从以下角度分析：
1. 潜在 Bug
2. 性能问题
3. 安全隐患
4. 代码风格

[代码]

输出格式：
- 问题描述
- 严重程度（高/中/低）
- 改进建议

学习助手

请用简单的语言解释 [概念]。

要求：
- 先给出一句话定义
- 然后用生活中的类比解释
- 最后给出一个代码示例
- 我的背景：[前端开发 / CS 学生 / 完全小白]

Debug 助手

我遇到了以下错误：

错误信息：
[粘贴错误]

相关代码：
[粘贴代码]

我的环境：
- Node.js 版本：
- 操作系统：

请分析可能的原因并给出解决方案。

📚 延伸资源

OpenAI Prompt Engineering Guide

官方最佳实践指南

访问

Prompt Engineering Guide

社区整理的完整教程

访问

Learn Prompting

交互式学习网站

访问

🔗 相关概念

RAG 检索增强 - 结合外部知识提升准确性
Transformer - 理解 LLM 底层架构
Tokenization - 理解 Token 计费