Prompt Engineering 实践总结

2023 年，用了一年的 LLM，从 GPT-3.5 到 GPT-4，从 Claude 到国产模型。

踩过的坑比吃过的盐还多。总结一些经验。

为什么 Prompt 重要

同样的模型，不同的 Prompt，效果天差地别。

好的 Prompt：

回答更准确
幻觉更少
格式更规范

不好的 Prompt：

答非所问
输出不稳定
难以控制

核心原则

1. 明确任务

别让模型猜你要什么。

# ❌ 模糊
"给我写点代码"

# ✅ 明确
"用 Python 写一个快速排序函数，包含完整的类型注解和单元测试"

2. 给出上下文

模型需要知道背景。

# ❌ 没背景
"解释一下这个 API"

# ✅ 有背景
"我是一个 Python 后端开发，正在学习 FastAPI。请用通俗易懂的方式解释 RESTful API 的概念，并给出一个简单的 FastAPI 示例"

3. 指定格式

输出格式要明确。

# ❌ 随意
"给我一些编程语言"

# ✅ 指定格式
"用 JSON 格式列出 5 种主流编程语言，包含：name（名称）、creator（创始人）、year（诞生年份）、paradigm（编程范式）"

4. 分解任务

复杂问题拆成几步。

# ❌ 太复杂
"给我写一个完整的用户管理系统"

# ✅ 拆开
"第一步：设计数据库表结构
第二步：写用户注册的 API
第三步：写用户登录的 API
第四步：写获取用户信息的 API"

实用技巧

1. Few-shot Learning

给例子，效果更好。

判断以下评论的情感（正面/负面/中性）：

评论：东西收到了，很满意，好评！
情感：正面

评论：等了一周还没发货，体验太差了
情感：负面

评论：就那样吧，普通水平
情感：

2. 角色设定

让模型进入特定角色。

1
2
3

你是一个资深 Python 工程师，擅长写简洁优雅的代码。
你的代码遵循 PEP 8 规范，注重可读性和性能。
现在，请帮我优化以下代码...

3. 思维链 (Chain of Thought)

让模型分步思考。

解题思路：
1. 理解问题
2. 分析数据
3. 设计算法
4. 实现代码
5. 测试验证

问题：找出数组中出现次数超过一半的数字
请按照以上思路解答...

4. 结构化输出

用 Markdown、JSON 格式。

用 Markdown 格式输出，结构如下：

## 技术名称
- 简介：（一句话介绍）
- 优点：
  - 优点1
  - 优点2
- 缺点：
  - 缺点1

## 技术名称
...

5. 限制条件

明确禁止什么。

写一段自我介绍，但满足以下条件：
- 不能超过 100 字
- 不能出现真实姓名
- 不能提及具体公司名称
- 语气要积极向上

常见问题与解决

1. 输出太长

1	用一句话概括上面内容，不超过 50 字。

2. 格式不稳定

1 2	始终用以下 JSON 格式输出，不要改变： {"name": "xxx", "age": xxx, "city": "xxx"}

3. 幻觉

1 2	如果不确定某个信息，请明确说"我不确定"，不要编造。引用你引用的信息来源。

4. 上下文太长

1	保留最后 3 轮对话的要点，用一句话总结。

进阶技巧

1. 系统提示词

messages = [
    {
        "role": "system",
        "content": """你是一个专业的技术作家。
        - 写作风格：简洁、专业、易懂
        - 输出格式：Markdown
        - 代码示例：必须有注释
        - 遇到不确定的术语要解释"""
    },
    {
        "role": "user",
        "content": "解释一下什么是 Docker"
    }
]

2. 自洽性检查

# 让模型先给出答案，再验证
prompt = """
1. 给出问题的答案
2. 验证答案是否正确
3. 如果错误，给出修正后的答案

问题：Python 中 list 和 tuple 的区别是什么？
"""

3. 迭代优化

1
2
3

# 第一轮：生成初稿
# 第二轮：让模型自己批评
# 第三轮：根据批评修改

场景示例

代码审查

作为代码审查专家，请审查以下 Python 代码：

1. 找出潜在的 bug
2. 指出代码质量问题
3. 提出优化建议

代码：
def process_data(data):
    result = []
    for item in data:
        if item['status'] == 'active':
            result.append(item)
    return result

写作辅助

你是一个技术博客作者。
请用以下风格写一篇博客：
- 开头用一个有趣的故事或问题
- 中间用代码示例解释技术
- 结尾总结和展望

主题：Python 异步编程入门
目标读者：有一定 Python 基础的开发者

数据处理

我有一份 CSV 数据，包含以下字段：
user_id, username, email, created_at, status

请：
1. 统计每个月的用户增长数
2. 找出活跃用户（有登录记录的）
3. 生成一个 JSON 格式的报告

感悟

Prompt Engineering 和编程差不多，需要不断练习。

没有银弹，只有经验。

多试，多调，多总结。

这就是 AI 时代的新技能吧。