提示词工程入门：让模型稳定输出你想要的结果

提示词不是咒语，是需求文档

很多人把提示词当咒语念，其实它更接近给实习生派活：任务越具体、上下文越充分、格式要求越明确，结果越稳定。提示词工程的核心，就是把模糊意图翻译成无歧义指令。

五个立即可用的技巧

1. 给角色：「你是一位有 10 年经验的后端工程师」比「帮我写代码」得到的回答专业得多。
2. 说清任务与受众：做什么、给谁看、什么场景用。缺一个维度，模型就只能猜。
3. 给示例（少样本）：贴 1–3 个「输入→期望输出」样例，是最强的格式控制手段。
4. 约束输出：用 JSON Schema、Markdown 表格或固定小节名锁死结构，方便程序化处理。
5. 要推理过程：复杂问题让模型「先分步分析，再给结论」，正确率通常明显提升（思维链）。

一个可复用的模板

角色：{谁}。任务：{做什么}。背景：{相关上下文}。要求：{约束与风格}。输出格式：{结构}。示例：{1–3 个样例}。写完后自检：删掉任何一句，结果会变差吗？不会的句子就删掉——提示词也讲究信息密度。

调试循环

• 一次只改一个变量，否则说不清是什么起了作用。
• 把好用的提示词存起来（推荐参考 Awesome ChatGPT Prompts 的分类整理）。
• 用固定的测试集评估，别凭感觉。

延伸学习

• Prompt Engineering Guide（中文版）：最系统的免费教程。
• OpenAI 提示工程指南：官方六大策略。
• Learn Prompting：英文社区课程。
• DeepLearning.AI 短课程：吴恩达团队的免费视频课。