Prompt Engineering的目标是能稳定地控制模型行为
一、什么是 Prompt Engineering
Prompt Engineering（提示词工程），本质就是通过设计输入，让LLM输出你想要的结果。 比如你让AI解释什么是Promise 普通提问:
解释一下Promise
输出就会比较随意。
精心设计的Prompt:
你是一名资深前端工程师，请用以下结构解释 Promise：
1. 定义
2. 为什么需要 Promise
3. 基本使用
4. 示例代码
5. 常见面试题
代码使用 JavaScript。
输出质量会明显变高。
二、System Prompt
概念
System Prompt 是给模型的“最高优先级指令”。
在Chat API 里 role的优先级： system > user > assistant
System Prompt作用
- 人设
- 输出格式
- 行为规则（不知道就不要胡说八道）
三、Role Prompt
常见角色：
- 面试官
- 安全专家
- 代码审查专家
- 架构师
- 老师
四、Few-shot Prompting
就是给模型几个示例，让模型模仿。
从文本中提取姓名和年龄。
示例：
输入：
张三今年18岁
输出：
{name:"张三", age:18}
输入：
李四今年20岁
输出：
{name:"李四", age:20}
现在处理：
输入：
王五今年25岁
模型会输出
{name:"王五", age:25}
五、Chain-of-Thought (CoT)
Chain-of-Thought = 让模型一步一步推理
例如
小明有3个苹果，买了2个，又吃掉1个，还剩多少？
模型的准确率就不如下面的prompt：
请一步一步思考：
小明有3个苹果，
买了2个，
吃掉1个，
还剩多少？
因为模型更擅长生成推理文本，而不是直接算答案。
