1. 什么是提示词工程？ #

提示词工程就是写清楚、写准确地告诉大模型你想要什么，让模型产出更符合预期的结果。它关注两件事：

1. 你说什么（内容和结构）
2. 你怎么说（格式和约束）

2. 前置知识 #

2.1 角色说明（常见三类） #

• system：设定总体角色和风格（例：你是严谨的律师）
• user：用户问题或任务描述
• assistant：模型的回答

2.2 变量注入（f-string 示例） #

# 定义提示模板
template = "你是{role}，请用{style}回答：{question}"
# 使用 format 注入变量
prompt = template.format(role="科普作者", style="通俗易懂", question="什么是黑洞？")
# 打印生成的提示词
print(prompt)

3. 核心原则（记住这四点） #

3.1 清晰明确 #

• 说清任务、对象、格式、限制，避免含糊词（如“简单介绍一下”）。

  # 不清晰的提示
  vague = "介绍一下AI"
  # 清晰的提示：角色、长度、对象
  clear = "你是科普作者，用80字介绍什么是AI，面向中学生"
  # 打印对比
  print("模糊示例:", vague)
  print("清晰示例:", clear)

3.2 结构化（分点、分步骤） #

# 结构化提示：拆成步骤
prompt = """请分步骤回答：
1) 列出AI在医疗的3个应用
2) 每个应用给出一句好处
3) 最后用1句话总结风险"""
# 打印提示词
print(prompt)

3.3 上下文与示例（Few-shot） #

# Few-shot 示例：给参考答案让模型模仿
prompt = """将中文翻译成英文，保持自然语气：
示例1：
输入：今天天气很好
输出：The weather is nice today.

示例2：
输入：人工智能正在改变世界
输出：AI is transforming the world.

现在翻译：
输入：提示词工程很重要
输出："""
# 打印提示词
print(prompt)

3.4 约束与格式（字段/字数/风格） #

# 约束输出为 JSON，限制字段
prompt = """请以 JSON 输出：
{
  "title": "字符串",
  "summary": "50字内摘要",
  "keywords": ["关键词1","关键词2","关键词3"]
}
主题：量子计算科普"""
# 打印提示词
print(prompt)

4. 常用提示模板（可运行示例） #

4.1 角色 + 任务 + 格式 + 示例 #

# 角色定义
role = "你是一位数据分析师"
# 任务描述
task = "分析下方销售数据，给出三个趋势、三个发现、两条建议"
# 格式要求
fmt = """请输出 JSON：{
  "trends": ["趋势1","趋势2","趋势3"],
  "findings": ["发现1","发现2","发现3"],
  "advice": ["建议1","建议2"]
}"""
# 示例（可选）
example = """示例：
输入：1月100，2月120，3月140
示例输出：{
  "trends": ["销量逐月上升"],
  "findings": ["2-3月增速略放缓"],
  "advice": ["关注增速变化","评估活动效果"]
}"""
# 组合提示词
data = "1月50，2月80，3月60，4月90"
prompt = f"{role}\n{task}\n{fmt}\n{example}\n请分析：{data}"
# 打印提示词
print(prompt)

4.2 思维链（Chain-of-Thought） #

# 思维链：要求分步骤推理
prompt = """请分步骤思考并回答：
1) 列出问题的关键信息
2) 分析可能原因或路径
3) 给出结论
4) 用一句话总结
问题：如何提高电商转化率？"""
# 打印提示词
print(prompt)

4.3 Few-shot 翻译（模仿示例） #

# Few-shot 翻译模板
prompt = """翻译成英文，保持礼貌：
示例：输入：谢谢你的帮助。输出：Thank you for your help.
现在翻译：输入：很高兴认识你。输出："""
# 打印提示词
print(prompt)

4.4 格式控制（字段约束） #

# 限定字段与类型
prompt = """请用 JSON 返回：
{
  "title": "不超过15字",
  "summary": "不超过60字",
  "key_points": ["要点1","要点2","要点3"]
}
主题：AI 在教育的应用"""
# 打印提示词
print(prompt)

5. 实战示例 #

5.1 内容总结 #

# 准备要总结的文本
text = "人工智能正用于医疗、金融、交通，提升效率并创造新模式。"
# 构造提示词
prompt = f"请用中文总结下面内容，50字以内：{text}"
# 打印提示词（实际使用时传给 LLM）
print(prompt)

5.2 数据问答 #

# 准备简单数据
sales = [120, 150, 90, 200]
# 构造提示词
prompt = f"""你是商业分析师，回答问题：
数据：{sales}
问题：哪个月销量最高？给出20字理由。"""
# 打印提示词
print(prompt)

5.3 翻译与风格控制 #

# 待翻译文本
cn_text = "请将这句话翻译成英文，并保持礼貌语气：谢谢你的帮助。"
# 构造提示词
prompt = f"翻译任务：要求英语，礼貌，简洁。文本：{cn_text}"
# 打印提示词
print(prompt)

6. 迭代优化流程（四步走） #

1) 写出第一版提示词； 2) 加角色和格式； 3) 加示例和约束； 4) 调整语气和细节。

# 不同版本的提示词
versions = [
    "写一段关于AI的介绍。",
    "你是科普作者，用100字介绍AI是什么。",
    "你是科普作者，用100字介绍AI是什么，举1个生活例子。",
    "你是科普作者，用100字介绍AI是什么，举1个生活例子，最后给1条学习建议。"
]
# 打印各版本，模拟迭代
for i, v in enumerate(versions, 1):
    print(f"版本{i}: {v}\n")

7. 常见错误与修正 #

7.1 过于模糊 #

# 错误示例：太模糊
bad = "介绍一下AI"
# 修正示例：角色+对象+长度
good = "你是科普作者，用80字介绍什么是AI，面向中学生"
# 打印对比
print("错误:", bad)
print("修正:", good)

7.2 多重提问与矛盾要求 #

# 错误示例：多个要求且矛盾
bad = "写一篇500字文章，既简短又详细，还要幽默严肃"
# 修正示例：拆分任务，明确语气
good = "写一篇500字科普，语气轻松，解释AI的定义和2个应用场景"
# 打印对比
print("错误:", bad)
# 打印修正示例
print("修正:", good)

8. 快速检查清单 #

• 是否说明角色（你是…）
• 是否拆成步骤/要点
• 是否给出格式和长度限制
• 是否提供示例或背景
• 是否删除矛盾或多余要求

9. 总结 #

• 核心公式：角色 + 任务 + 格式 + 示例 + 约束
• 原则：清晰、结构化、给上下文、加约束
• 方法：多版迭代，记录效果最好的提示词
• 练习：多写、多试、多对比，才能写出高质量提示词