「Prompt 工程」听起来很高大上，但核心就一件事：把模糊的需求变成模型能执行的清晰指令。

技巧一：给角色和背景

❌ 帮我写个邮件
✅ 你是一位有 10 年经验的 B2B 销售。请帮我写一封跟进邮件，
   对象是上周看过产品 demo 但没有回复的 CTO。
   语气专业但不施压，150 字以内。

角色设定不是玄学——它帮模型从海量训练数据中 激活对应领域的表达模式。

技巧二：说清楚输出格式

❌ 分析一下这个竞品
✅ 分析以下竞品，用表格输出，列包括：功能、定价、优势、劣势、目标用户

   | 功能 | 定价 | 优势 | 劣势 | 目标用户 |
   |------|------|------|------|----------|
   | ...  | ...  | ...  | ...  | ...      |

模型非常擅长按格式输出。你指定了格式，它就不会给你一大段散文。

技巧三：给示例（Few-shot）

与其描述你要什么，不如 直接给一个例子：

把下面的用户反馈分类为：功能建议 / Bug 报告 / 使用咨询

示例：
输入："能不能加个暗色模式？" → 功能建议
输入："登录页面一直转圈" → Bug 报告

现在分类：
输入："你们的 API 文档在哪里？"

一个示例，效果往往比三段描述还好。

技巧四：分步骤（Chain of Thought）

复杂任务，让模型 一步步来：

❌ 帮我决定该不该跳槽
✅ 帮我分析跳槽决策，按以下步骤：
   1. 列出当前工作的 pros/cons（各 3 条）
   2. 列出新 offer 的 pros/cons（各 3 条）
   3. 从职业发展、收入、工作生活平衡三个维度对比
   4. 给出你的分析和建议（标注哪些是你的推断）

分步骤有两个好处：输出更结构化，推理过程更透明（方便你发现模型的逻辑漏洞）。

技巧五：System Prompt 定规矩

如果你在开发 AI 应用，System Prompt 是模型的「岗位说明书」：

你是一个代码审查助手。规则：
- 只审查安全性和性能问题，不评论代码风格
- 每个问题必须给出具体行号和修复建议
- 如果没有发现问题，回复「LGTM」
- 不要编造不存在的代码问题

System Prompt 在整个对话中持续生效，比每轮都重复指令高效得多。

常见踩坑

踩坑原因解法
回答太泛问题太开放加约束：字数、格式、受众
前后矛盾上下文太长被挤掉精简历史，或用摘要代替
编造事实模型在预测而非查询提供原始材料，或接 RAG
输出不稳定温度太高降低 temperature，加格式约束

一个完整的 Prompt 模板

[角色] 你是……
[背景] 当前情况是……
[任务] 请完成……
[格式] 输出格式为……
[约束] 注意：不要……，必须……
[示例] 例如：……

不需要每次都填完，但遇到「怎么问都不好使」的情况，对照检查一下缺了哪块。

小结

Prompt 不是咒语，是 清晰的需求表达。角色 + 格式 + 示例 + 分步骤，四个技巧覆盖 80% 的日常场景。

下一篇进入进阶：怎么让 AI 读 你的 文档来回答问题——RAG。