前言
"写个代码" "帮我写个快速排序函数，用 Python 实现，要求时间复杂度 O(n log n)，添加详细注释"
同样是让 AI 写代码，为什么第一个指令得到的是模糊的回复，而第二个能得到精确满足需求的代码？
这就是提示词工程（Prompt Engineering）的魔力。
好的 Prompt = 好的输出。今天我们来学习如何写出让 AI "秒懂"的提示词。
1. 什么是提示词工程
提示词（Prompt）：你给大模型的输入指令
提示词工程（Prompt Engineering）：设计和优化 Prompt 的艺术和科学
Prompt 的黄金结构
┌─────────────────────────────────────────┐
│ Prompt 结构模板 │
├─────────────────────────────────────────┤
│ │
│ 1. 角色（Role） │
│ "你是一个经验丰富的程序员..." │
│ │
│ 2. 任务（Task） │
│ "请写一个快速排序函数..." │
│ │
│ 3. 上下文（Context） │
│ "用于处理整数数组..." │
│ │
│ 4. 约束（Constraints） │
│ "要求O(n log n)时间复杂度..." │
│ │
│ 5. 格式（Format） │
│ "返回JSON格式，包含code和说明..." │
│ │
│ 6. 示例（Examples） │
│ "输入:[3,1,2] 输出:[1,2,3]" │
│ │
└─────────────────────────────────────────┘
2. 案例
案例 1：明确角色的力量
❌ 没有角色：
"怎么提高编程能力？"
✅ 有角色：
"你是一位有10年经验的编程导师，
曾经指导过数百名初学者成为资深工程师。
请给我提供提高编程能力的建议。"
效果差异：有角色的 Prompt 能得到更有针对性、更有深度的回答。
案例 2：具体明确的任务
❌ 模糊的任务：
"帮我写个文章"
✅ 明确的任务：
"请写一篇关于人工智能发展历史的文章，
要求：
1. 字数800-1000字
2. 包含三个主要发展阶段
3. 提到GPT、Llama等关键模型
4. 语言风格通俗易懂"
SMART 原则：
- Specific（具体明确）：写 Python 代码而非"写代码"
- Measurable（可衡量）：100字以内
- Achievable（可达成）：不要求超出模型能力
- Relevant（相关性）：任务与上下文相关
- Time-bound（有时限）：30秒内能读完的介绍
案例 3：提供充足上下文
❌ 缺少上下文：
"这个代码有什么问题？"
[粘贴一段代码]
✅ 充足上下文：
"我正在开发一个电商网站的用户认证功能。
这段Python代码用于验证用户密码，
但总是返回False，帮我找出问题：
[粘贴代码]
预期行为：正确密码返回True，错误密码返回False
实际行为：所有密码都返回False"
上下文要素清单：
- 背景：这是什么项目/场景？
- 目标：想要达到什么效果？
- 现状：当前是什么情况？
- 问题：遇到了什么具体问题？
案例 4：使用示例的魔力
少样本学习示例：
例子1：
输入：苹果
分类：水果
例子2：
胡萝卜
分类：蔬菜
例子3：
香蕉
分类：？
思维链示例：
问题：小明有5个苹果，吃了2个，又买了3个，现在有几个？
思考过程：
1. 初始：小明有5个苹果
2. 吃了2个：5 - 2 = 3个
3. 买了3个：3 + 3 = 6个
答案：6个
现在请解决：
小红有10颗糖，给了妹妹3颗，妈妈又给了她5颗，现在有几颗？
效果：示例能让 AI 快速理解你想要的输出模式。
案例 5：格式化输出
❌ 不好的 Prompt：
"分析这段代码"
✅ 好的 Prompt：
"请分析以下代码，并按以下格式输出：
## 代码功能
[简要说明代码的功能]
## 时间复杂度
[分析时间复杂度]
## 改进建议
[列出3条具体改进建议]
## 重构代码
\`\`\`python
[重构后的代码]
\`\`\`"
案例 6：常用 Prompt 模板
代码生成模板：
你是一个{语言}专家。
请写一个{功能描述}的{语言}函数，
要求：
1. {要求1}
2. {要求2}
3. {要求3}
请包含：
- 详细的注释
- 错误处理
- 使用示例
Bug 调试模板：
我在开发一个{项目类型}项目，
这段{语言}代码出现了{问题描述}：
\`\`\`{语言}
{代码}
\`\`\`
预期行为：{预期}
实际行为：{实际}
请帮我：
1. 找出问题所在
2. 解释问题原因
3. 提供修复方案
总结
核心技巧速记
| 技巧 | 说明 | 示例 |
|---|---|---|
| 明确角色 | 给 AI 分配身份 | "你是一位经验丰富的程序员" |
| 具体任务 | 清楚说明要做什么 | "写一个快速排序，O(n log n)" |
| 充足上下文 | 提供背景信息 | "这是电商网站的推荐功能" |
| 使用示例 | 展示期望格式 | "输入A输出B，输入C输出？" |
| 明确格式 | 说明输出形式 | "以 JSON 格式返回" |
Prompt 检查清单
发送 Prompt 前，问自己：
- 角色清晰：是否告诉 AI 它的角色？
- 任务明确：是否清楚说明了要做什么？
- 上下文充足：是否提供了足够的背景信息？
- 约束具体：是否说明了限制和要求？
- 格式明确：是否说明了输出格式？
- 示例充分：是否提供了参考示例？
常见陷阱
| 陷阱 | 问题 | 解决方案 |
|---|---|---|
| 过于简短 | "帮我优化代码" | 说明具体优化目标 |
| 矛盾要求 | "性能最好但代码简洁" | 明确优先级 |
| 一次太多 | "写完整电商系统" | 分解为小任务 |
| 缺少验证 | "计算复杂数学" | 要求给出计算步骤 |
高级技巧
1. 迭代优化
第一次尝试 → 评估结果 → 修改 Prompt → 再次尝试
2. 温度参数调整
- 低温度（0.1-0.3）：更确定、一致的输出
- 中等温度（0.4-0.7）：平衡创造性和准确性
- 高温度（0.8-1.0）：更创造性、多样化的输出
3. 分解复杂任务
"设计一个博客系统"
↓ 分解为
"1. 设计数据库结构"
"2. 设计用户认证 API"
"3. 设计文章发布 API"
- 不要期望一次完美：迭代优化是常态
- 从简单开始：先验证基本方向，再添加细节
- 保存好用的 Prompt：建立自己的模板库
- 对比实验：用不同版本测试效果差异
- 学习他人经验：参考优秀的 Prompt 示例
