OpenAI 官方 Prompt 六大黄金法则全流程实操手册

测吧
4 阅读28分钟

最近两年，大模型几乎已经渗透到软件研发的每一个环节。

写业务代码、分析线上日志、生成单元测试、优化 SQL、评审需求、补接口文档、设计技术方案……

但在实际团队里，经常出现一个非常割裂的现象：

同样使用 GPT，有人已经把 AI 变成了稳定的开发搭档；有人却觉得 AI 生成的代码漏洞百出，不是无法运行，就是严重脱离项目实际。

问题往往不完全出在模型能力上。

很多时候，是因为工程师只告诉了模型“要做什么”，却没有告诉它：

  • 当前项目是什么环境；
  • 哪些内容可以修改；
  • 哪些业务规则不能破坏；
  • 最终结果应该以什么格式交付；
  • 怎样才算真正完成任务。

一句“帮我优化一下代码”，本质上不是开发任务，更像一个模糊愿望。

真正高质量的 Prompt，也不是堆砌几个所谓的“咒语”，而是把需求、上下文、约束、验收标准和执行工具组织成一份模型能够理解的任务协议。

OpenAI 当前的准确性优化文档仍然总结了六类核心策略：

  1. 撰写清晰的指令；
  2. 提供参考文本；
  3. 将复杂任务拆成简单子任务；
  4. 给模型足够的处理空间；
  5. 使用外部工具；
  6. 系统化测试每一次变化。

这六条原则看起来简单，但真正放进软件研发流程，背后涉及的已经不只是“怎么提问”，而是上下文工程、任务编排、工具调用、质量评测和团队治理。

导读

很多 Prompt 教程只教你复制一句话：

你是一名拥有十年经验的高级 Java 架构师……

但模型输出是否可靠，真正取决于后面的任务信息，而不是“十年经验”这几个字。

这篇文章不整理网络上的万能提示词，而是结合国内常见的软件研发场景，重新拆解 OpenAI 官方六大原则，覆盖：

  • 代码生成与代码优化；
  • 线上故障定位；
  • SQL 与性能分析；
  • 单元测试和接口测试；
  • 技术方案与需求评审；
  • Function Calling 与企业工具接入；
  • Prompt 版本管理与自动化评测；
  • 团队级 Prompt 规范建设。

需要特别说明的是：OpenAI 针对当前推理模型的官方建议，已经不再鼓励用户反复要求模型“展示完整思维链”。更合适的做法，是明确目标、验收条件和检查步骤，让模型完成分析后输出结论、依据、假设和风险。

阅读目录

  1. Prompt 不是搜索关键词，而是任务接口
  2. 研发人员通用的 GCOB Prompt 框架
  3. OpenAI 官方六大原则的研发实战
  4. 五类高频开发 Prompt 模板
  5. 团队级 Prompt 工程体系如何落地
  6. 开发者最容易踩的七个坑
  7. 从 Prompt Engineering 走向 AI Engineering

一、Prompt 不是搜索关键词，而是任务接口

很多研发人员第一次使用大模型时，延续的还是搜索引擎思维：

写一个用户登录接口。

模型确实可以生成代码，但它并不知道：

  • 项目使用 Spring Boot 2 还是 Spring Boot 3；
  • 使用 JWT、Session 还是 OAuth 2.0；
  • 用户密码采用什么加密算法；
  • 是否需要验证码和登录失败锁定；
  • 返回值是否使用团队统一 Result 对象；
  • 是否需要兼容已有客户端；
  • 哪些异常需要记录审计日志。

于是，模型只能根据训练数据中的常见写法，自行补全这些信息。

最终生成的代码看起来完整，却未必能进入你的项目。

OpenAI 当前的 Prompt Engineering 文档建议，将稳定的系统规则放在 developer 指令中，将用户每次变化的任务信息放在 user 输入中。官方将两者类比为“函数定义”和“函数参数”：前者定义业务规则和行为边界，后者提供本次调用的实际输入。

从研发视角看，一个高质量 Prompt 更接近下面这份接口定义：

输入：
- 当前代码
- 报错日志
- 项目技术栈
- 业务约束

处理规则：
- 不修改公开接口
- 不增加未经批准的依赖
- 遵守现有编码规范
- 优先给出最小改动方案

输出：
- 根因分析
- 修改后的代码
- 影响范围
- 测试用例
- 风险说明

这已经不是普通问答，而是一份可以检查、复用和评测的任务协议。

二、研发人员通用的 GCOB Prompt 框架

结合 OpenAI 强调的清晰指令、上下文分层和输出约束，可以把研发 Prompt 归纳成一个简单的 GCOB 框架。

要素含义需要回答的问题
Goal任务目标到底要解决什么问题
Context项目上下文当前技术栈、代码、日志和业务背景是什么
Output输出要求最终需要代码、表格、文档还是 JSON
Boundary约束边界哪些内容不能修改，哪些方案不能使用

需要更严格时，还可以增加第五项：

Check：验收标准。

也就是明确告诉模型，什么结果才算完成。

低效写法

帮我优化订单查询代码。

GCOB 标准写法

# Goal

优化 Spring Boot 订单分页查询接口，解决数据库 N+1 查询问题。

# Context

- Spring Boot 3.2
- MyBatis-Plus 3.5
- MySQL 8.0
- 当前实现先查询订单列表，再循环查询订单明细
- 高并发场景下接口出现明显超时

<current_code>
在这里粘贴现有 Service 代码
</current_code>

# Output

1. 输出修改后的完整 Service 代码；
2. 列出修改前后的 SQL 执行差异；
3. 说明可能受影响的业务逻辑；
4. 补充对应的单元测试场景。

# Boundary

- 不更换 ORM 框架；
- 不修改数据库表结构；
- 不改变现有接口入参和返回值；
- 不新增 Maven 依赖。

# Acceptance Criteria

- 消除循环中的数据库查询；
- 原有分页和排序逻辑保持不变；
- 所有新增代码可以在当前技术栈中编译。

两段 Prompt 的差距不在于后者使用了什么“高级词汇”，而在于它减少了模型需要自行猜测的信息。

使用分隔符，不要把代码和指令混在一起

OpenAI 官方文档建议使用 Markdown 标题、列表和 XML 标签区分不同类型的内容；在较早的基础指南中，也推荐使用 ### 或三引号分隔指令与输入文本。它们的作用不是提升模型智商，而是帮助模型识别任务边界。

例如：

# Task

分析下面的异常日志并定位根因。

# Log

<error_log>
java.lang.NullPointerException
    at OrderService.createOrder(OrderService.java:67)
</error_log>

# Source Code

<source_code>
在这里粘贴相关代码
</source_code>

# Output

按照“现象、根因、修复方案、回归测试点”的顺序输出。

需要注意：分隔符只是结构化工具，不存在“使用三引号就能减少 80% 错误”这样的固定结论。效果仍然需要通过实际测试集验证。

三、OpenAI 官方六大原则的研发实战

原则一：指令必须清晰、具体、可以验收

模型最怕的不是任务复杂，而是任务模糊。

下面这些词看起来很常见，但几乎没有明确标准：

  • 优化一下；
  • 写得专业一点；
  • 提高性能；
  • 完善测试；
  • 帮我重构；
  • 看看有没有问题。

“提高性能”到底是减少 SQL 数量、降低响应时间，还是减少内存占用？

“完善测试”到底是补单元测试、接口测试，还是异常路径和并发测试？

OpenAI 官方建议明确描述所需的上下文、结果、长度、格式和风格，而不是让模型自行猜测。

代码生成模板

# Identity

你是一名熟悉 Spring Boot、MySQL 和 Redis 的后端工程师。

# Goal

实现商品库存扣减接口，并处理并发超卖问题。

# Context

- Spring Boot 3.2
- MySQL 8.0
- Redis 7
- 库存表字段：id、product_id、stock_num、version
- 项目已经引入 Redisson
- 接口可能被重复调用

# Output

1. Controller、Service、Mapper 完整代码；
2. 请求和响应 JSON 示例；
3. 核心异常处理逻辑；
4. 对应的 JUnit 5 测试场景。

# Boundary

- 不新增第三方依赖；
- 不修改现有库存表；
- 必须处理接口幂等；
- 不能只依赖前端防止重复提交。

# Acceptance Criteria

- 并发请求下库存不能扣成负数；
- 重复请求不能重复扣减；
- 扣减失败必须返回明确业务错误码。

“角色设定”不是越资深越好

“你是一名十年经验架构师”并不会自动让答案变正确。

只有当角色会影响下面这些内容时，它才真正有价值：

  • 使用什么专业视角分析；
  • 采用什么术语；
  • 面向什么读者；
  • 重点检查哪些风险；
  • 输出什么形式的结果。

例如：

你是一名支付系统测试负责人，请重点检查幂等、重复回调、
金额精度、超时重试和状态机流转问题。

这比单纯强调“十年经验”有效得多。

原则二：提供参考文本，让模型基于项目事实回答

模型不可能天然知道企业内部的：

  • 业务规则；
  • 数据库设计；
  • 自研框架；
  • 错误码规范；
  • 历史故障；
  • 代码提交要求；
  • 测试准入标准。

这些信息要么直接放进 Prompt，要么通过知识库和检索系统动态补充。

OpenAI 将上下文优化适用于三类典型问题：模型缺少相关知识、知识已经过时，或者任务依赖企业私有信息。官方文档也将 RAG 定义为先检索相关内容，再把它补充到模型上下文中生成回答。

示例：让生成代码遵守公司规范

# Task

根据下面的公司规范生成用户注册接口。

# Reference

<company_java_standard>
1. 所有接口入参必须使用 DTO；
2. 禁止使用 select *；
3. 业务异常统一抛出 BizException；
4. Controller 不允许直接调用 Mapper；
5. 所有写操作必须记录操作日志；
6. 方法注释需要说明入参、返回值和异常。
</company_java_standard>

# Requirement

- Spring Boot 3.2
- MyBatis-Plus
- 用户名和手机号均不能重复
- 密码使用项目已有 PasswordEncoder
- 注册成功后返回用户 ID

# Output

输出 Controller、Service、Mapper 和 DTO 代码。

参考资料还要增加使用规则

仅仅把文档粘贴进去还不够，还要告诉模型如何使用。

回答时必须遵守以下规则：

1. 只能依据 Reference 中的业务规则进行判断；
2. Reference 没有提供的信息，明确标记为“待确认”；
3. 不得自行补充不存在的接口、字段和错误码；
4. 每个结论需要标注对应的参考条目。

这样可以降低模型把“行业常见做法”误当成“公司真实规定”的风险。

长文档不要全部塞进 Prompt

将几十份需求文档、代码规范和故障复盘一次性放入上下文，不一定更准确。

OpenAI 的准确性优化文档提醒，超长上下文可能出现信息被忽略的问题，因此不同上下文长度仍然需要配合评测。

更合理的做法是：

用户任务
   ↓
检索相关业务文档
   ↓
过滤无关内容
   ↓
拼接最相关的上下文
   ↓
模型生成结果
   ↓
引用检查与结果评测

RAG 的重点从来不是“把所有资料都交给模型”，而是“把当前任务真正需要的资料交给模型”。

原则三：复杂任务必须拆分，不要试图一次生成整个系统

下面这类 Prompt 看起来目标明确，实际却包含了太多任务：

帮我把单体订单系统拆成订单、库存、支付三个微服务，
设计数据库、MQ 消息、接口、分布式事务，并生成全部代码和测试。

它至少包含：

  • 业务边界识别；
  • 服务拆分；
  • 数据归属设计；
  • 接口协议设计；
  • 消息模型设计；
  • 一致性方案设计；
  • 代码实现；
  • 测试方案；
  • 迁移方案。

一次性交给模型，最容易出现的问题不是完全不会，而是前后不一致：

前面设计使用事件驱动，后面代码又直接同步调用；数据库已经按服务拆分，查询代码却仍然跨库 Join。

OpenAI 官方建议将复杂任务拆成简单子任务，并让前一步输出成为后一步输入。

推荐的四阶段流程

第一步：只做需求和架构分析

请分析当前订单系统，输出：

1. 业务模块划分；
2. 服务边界；
3. 数据归属；
4. 服务间调用关系；
5. 需要进一步确认的问题。

本阶段不要生成代码。

第二步：冻结关键协议

基于已经确认的服务边界，设计：

1. REST 接口；
2. MQ 事件；
3. 幂等键；
4. 错误码；
5. 状态机。

所有协议以表格或 JSON Schema 输出。

第三步：分服务生成代码

基于已经确认的接口和事件协议，
只生成订单服务的核心代码。

不得修改上一步已经确定的字段、接口名称和消息结构。

第四步：测试和一致性检查

检查架构设计、接口协议和实现代码是否一致。

重点检查：

- 接口字段是否一致；
- 消息生产和消费结构是否一致；
- 状态流转是否完整；
- 失败补偿是否存在死循环；
- 是否存在重复扣款或重复扣库存风险。

这种流程的价值不只是让模型“多想一会儿”，而是给每个阶段建立明确的输入、输出和检查点。

原则四：给模型处理空间，但不要强迫它展示完整思维链

早期 Prompt 教程常见这样的写法：

请一步一步思考，并完整展示所有推理过程。

对于当前推理模型，这已经不再是 OpenAI 推荐的通用做法。

OpenAI 官方明确说明，推理模型本身会在内部完成推理，提示它“逐步思考”或“解释完整推理过程”通常没有必要，有时甚至可能影响效果。官方更推荐简单、直接的指令，明确最终目标、限制条件和成功标准。

研发场景真正需要的不是模型的内部思维记录，而是可审核的工作产物。

不推荐

请展示你分析这个线上故障时的完整思维链，
不要省略任何中间推理。

更推荐

请先完成故障分析，再按照下面的结构输出：

1. 已确认事实；
2. 可能原因及对应证据；
3. 当前无法确认的信息；
4. 推荐的排查顺序；
5. 最可能根因；
6. 最小修复方案；
7. 修复后的回归测试点。

不要把猜测写成已经确认的事实。

再例如，分析 SQL 性能问题时，可以这样写：

在给出最终优化方案前，请检查：

- 是否命中索引；
- 是否存在隐式类型转换；
- 是否出现回表和临时表；
- 是否存在无效排序；
- 是否会改变原有查询语义；
- 新索引是否可能增加写入成本。

最终仅输出检查结果、优化方案、修改后的 SQL 和风险说明。

这套方法可以概括为：

Plan → Execute → Verify

也就是先规划任务，再执行，最后按照验收条件检查结果。

输出的是计划、证据和检查结果，而不是要求模型公开内部思维过程。

原则五：让模型调用工具，不要让它凭空猜测事实

大模型擅长理解自然语言、生成内容和处理模糊信息，但不应该依赖模型记忆完成这些任务：

  • 查询实时订单状态；
  • 获取线上数据库数据；
  • 计算复杂财务结果；
  • 执行代码和测试；
  • 查询最新接口文档；
  • 创建工单；
  • 修改项目状态；
  • 执行退款；
  • 调用企业内部服务。

OpenAI 的 Function Calling，也称 Tool Calling，允许模型根据任务决定是否调用外部函数。模型负责理解意图和生成参数，真正的数据查询或业务操作仍由应用系统执行。

一个标准工具调用流程

用户提出任务
   ↓
模型判断需要哪个工具
   ↓
模型生成工具名称和参数
   ↓
应用程序校验权限与参数
   ↓
应用程序执行真实操作
   ↓
执行结果返回模型
   ↓
模型组织最终回答

示例：订单状态查询工具

{
  "name": "query_order_status",
  "description": "根据订单编号查询订单当前状态",
  "parameters": {
    "type": "object",
    "properties": {
      "order_id": {
        "type": "string",
        "description": "系统中的订单编号"
      }
    },
    "required": ["order_id"],
    "additionalProperties": false
  }
}

用户询问：

帮我查一下订单 202607200001 为什么还没有发货。

模型不应该编造订单状态，而应该调用：

{
  "order_id": "202607200001"
}

应用系统查询数据库后，再把真实结果返回模型。

研发中的三类工具

工具类型典型能力研发场景
数据工具查询真实信息数据库、日志平台、项目管理系统、知识库
执行工具运行程序或计算单元测试、SQL Explain、代码扫描、脚本执行
操作工具修改外部系统创建缺陷、更新工单、发送通知、触发流水线

工具接入不等于放开所有权限

模型生成了一个工具调用，不代表系统必须执行。

生产环境至少要增加：

  • 参数校验；
  • 身份认证；
  • 权限控制；
  • 幂等控制；
  • 超时和重试；
  • 操作审计；
  • 高风险操作二次确认；
  • 工具结果可信度检查；
  • 失败后的人工接管。

OpenAI 的 Agent 实践指南也把模型、工具和指令视为 Agent 的三个基础组件，并强调工具需要配合明确的边界和 Guardrails。

Prompt 决定模型“想做什么”，但系统必须决定它“被允许做什么”。

原则六：Prompt 必须测试、版本化和持续迭代

很多团队管理 Prompt 的方式是：

  • 某位工程师写了一段；
  • 发到群里让大家复制；
  • 后来有人改了几句话；
  • 不知道为什么效果变差；
  • 也找不到之前的版本。

这不是 Prompt 工程，更像 Prompt 玄学。

OpenAI 官方强调，Prompt 优化需要建立基线、评估结果、提出假设、修改方案，再重新评估，而不是凭单次对话判断效果。

第一步：建立测试集

可以从 10～20 条真实任务开始，逐步扩充。

例如 Bug 分析 Prompt 的测试集应包含：

  • 空指针异常；
  • 数据库连接超时；
  • 慢 SQL；
  • 线程池耗尽；
  • Redis 缓存穿透；
  • MQ 重复消费；
  • 接口幂等失败；
  • 第三方服务超时；
  • 日志信息不完整；
  • 无法根据现有信息确定根因。

测试集不能只包含“容易答对”的正常样本，还要覆盖：

  • 边界情况；
  • 信息缺失；
  • 相互冲突的上下文；
  • 不应回答的任务；
  • 高风险操作；
  • 恶意或异常输入。

第二步：定义评测指标

代码生成场景可以关注：

指标说明
编译通过率代码能否在目标项目中编译
测试通过率生成结果能否通过已有自动化测试
需求覆盖率是否实现全部明确需求
约束遵守率是否违反依赖、接口和架构限制
格式正确率JSON、表格或代码结构能否被程序解析
安全问题数是否引入注入、越权、敏感信息泄露等问题
人工修改量工程师需要修改多少内容才能使用
延迟与成本达到目标质量需要多少时间和 Token

文档生成场景则可以评估：

  • 信息完整度；
  • 事实准确度；
  • 引用正确率；
  • 结构一致性；
  • 术语规范度；
  • 冗余内容比例。

第三步：进行版本对比

Prompt v1
   ↓
运行固定测试集
   ↓
记录失败案例
   ↓
分析失败原因
   ↓
修改为 Prompt v2
   ↓
重新运行同一测试集
   ↓
判断提升还是回归

每次修改只解决明确问题，不要一次改十处，否则很难判断究竟是哪项变化产生了效果。

第四步：将 Prompt 纳入代码管理

截至 2026 年 7 月，OpenAI 当前 API 文档已经建议将生产 Prompt 管理在应用代码中，通过类型化输入、代码评审、自动化测试和正常发布流程控制变更。

OpenAI 还说明，API 中原有的 Reusable Prompt Objects 正在弃用，v1/prompts 计划于 2026 年 11 月 30 日关闭。因此，新系统不应再把官方 Prompt Object 当作长期的团队 Prompt 仓库方案。

一个简单的代码仓库结构可以是：

prompts/
├── common/
│   ├── security-review.md
│   └── document-style.md
├── development/
│   ├── java-code-generation.md
│   ├── sql-optimization.md
│   └── bug-analysis.md
├── testing/
│   ├── api-test-case.md
│   ├── unit-test-generation.md
│   └── requirement-review.md
└── evals/
    ├── bug-analysis-cases.json
    ├── code-generation-cases.json
    └── evaluation-rules.json

每个 Prompt 至少记录：

name: java-code-generation
version: 2.3.0
owner: backend-platform
model: production-default
updated_at: 2026-07-20
change_reason: 增加接口兼容性检查
evaluation_set: code-generation-cases-v4

Prompt 一旦影响生产系统行为，就应该像代码一样可以评审、测试、发布、监控和回滚。

四、五类高频开发 Prompt 模板

下面五套模板可以直接改造成团队内部版本。

1. 代码开发类

# Identity

你是一名熟悉【技术栈】的研发工程师。

# Goal

【描述需要实现的功能】

# Context

- 项目技术栈：【版本信息】
- 当前模块：【模块说明】
- 已有公共组件：【组件说明】
- 业务规则：【关键业务规则】

<existing_code>
粘贴现有代码
</existing_code>

# Output

1. 输出需要新增或修改的文件；
2. 输出完整代码；
3. 说明关键设计；
4. 补充测试场景。

# Boundary

- 不修改：【不能修改的接口或模块】
- 不新增：【依赖限制】
- 必须兼容：【兼容性要求】
- 必须遵守：【编码规范】

# Acceptance Criteria

- 代码能够编译；
- 通过现有测试；
- 覆盖正常、异常和边界流程；
- 不引入明显安全风险。

2. 故障排查与性能优化类

# Identity

你是一名负责 Java、MySQL 和分布式系统故障排查的工程师。

# Goal

根据日志、监控和代码定位问题，并给出最小风险修复方案。

# Evidence

<error_log>
粘贴异常日志
</error_log>

<monitoring>
粘贴监控指标
</monitoring>

<source_code>
粘贴相关代码
</source_code>

# Output

1. 已确认事实；
2. 可能原因及证据；
3. 最可能根因；
4. 仍需补充的信息；
5. 推荐排查顺序；
6. 修复方案；
7. 回归测试点；
8. 长期预防措施。

# Boundary

- 不得把猜测表述为事实；
- 不进行无依据的大规模重构；
- 优先给出可回滚的最小改动；
- 涉及数据修复时单独提示风险。

3. 单元测试与自动化测试类

# Identity

你是一名熟悉【JUnit 5 / Pytest】的测试开发工程师。

# Goal

为给定业务代码生成可执行的自动化测试。

<business_code>
粘贴待测试代码
</business_code>

# Coverage Requirements

必须覆盖：

- 正常流程；
- 参数为空；
- 边界值；
- 外部依赖异常；
- 重复请求；
- 权限不足；
- 数据不存在；
- 状态不允许；
- 并发相关风险。

# Output

1. 测试场景表；
2. 完整测试代码；
3. Mock 对象说明；
4. 每条用例对应的业务风险；
5. 当前无法测试的部分及原因。

# Boundary

- 使用项目已有测试框架；
- 不新增测试依赖；
- 不为了让测试通过而修改业务逻辑；
- 测试名称需要体现业务场景和预期结果。

4. 技术文档类

# Identity

你是一名负责研发方案评审的技术负责人。

# Goal

根据提供的背景，输出一份可用于团队评审的技术方案。

# Background

<requirement>
粘贴需求和业务背景
</requirement>

# Output Structure

1. 背景与目标；
2. 当前问题；
3. 方案概述；
4. 核心流程；
5. 接口和数据改动；
6. 兼容性方案；
7. 风险与应对；
8. 测试范围；
9. 发布和回滚方案；
10. 待确认问题。

# Style

- Markdown 格式；
- 使用清晰的小标题；
- 避免堆砌无关架构术语；
- 关键决策必须说明依据；
- 无法确认的信息标记为“待确认”。

5. 需求评审与研发管理类

# Identity

你是一名研发负责人和质量负责人。

# Goal

分析需求的可开发性、可测试性和交付风险。

<requirement>
粘贴产品需求
</requirement>

# Review Dimensions

- 业务流程是否完整；
- 状态流转是否闭环；
- 异常场景是否明确；
- 权限规则是否明确；
- 数据口径是否一致；
- 是否存在幂等和并发风险；
- 是否影响已有接口；
- 是否需要数据迁移；
- 是否具备可测试的验收标准。

# Output

使用表格输出：

| 模块 | 问题 | 风险等级 | 需要确认的人 | 建议方案 |

最后补充：

1. 可直接进入开发的内容；
2. 必须确认后才能开发的内容；
3. 建议拆分的研发任务；
4. 测试重点；
5. 上线风险。

五、团队级 Prompt 工程体系如何落地

个人使用 Prompt，追求的是这一次结果好不好。

团队建设 Prompt，追求的是不同工程师、不同任务、不同时间调用时，结果是否仍然稳定。

至少需要建设下面五层能力。

第一层：统一指令层

在 API 场景中，可以通过 developer 指令维护稳定规则，例如：

# Identity

你是公司内部研发辅助系统。

# Global Rules

- 遵守公司编码规范；
- 不编造内部接口、字段和错误码；
- 无法确认的信息必须标记；
- 代码修改优先采用最小变更；
- 涉及删除数据、修改权限和生产操作时必须提示人工确认；
- 输出代码前检查安全、兼容性和异常处理；
- 输出结论时区分事实、推测和建议。

具体任务再通过用户输入传入：

请分析下面的支付回调重复处理问题。

全局规则与任务输入分离后，团队不需要每次重复粘贴相同要求。

第二层：业务知识层

将下面这些内容建设为可检索知识库：

  • 产品需求；
  • 接口文档；
  • 数据字典；
  • 编码规范；
  • 测试规范；
  • 历史故障复盘；
  • 公共组件手册；
  • 安全规范；
  • 发布流程；
  • 常见问题和标准答案。

但知识库不是“存进去就完成了”。

还要持续评估：

  • 是否检索到了正确文档；
  • 是否返回了过期版本；
  • 是否混入无关内容；
  • 文档之间是否存在冲突；
  • 模型是否正确使用了检索结果。

第三层：工具执行层

让模型接入真正的研发系统：

  • Git 仓库；
  • CI/CD；
  • 自动化测试平台；
  • 日志和监控平台；
  • 缺陷管理系统；
  • 数据库只读查询；
  • 接口文档平台；
  • 项目管理系统；
  • 企业知识库。

模型负责理解任务和规划动作，确定性系统负责真实执行。

第四层：评测与观测层

需要持续记录：

  • 用户输入；
  • 实际检索内容；
  • 使用的 Prompt 版本；
  • 调用的模型；
  • 工具调用参数；
  • 工具执行结果；
  • 最终输出；
  • 用户是否采用；
  • 人工修改内容；
  • 自动化评测分数；
  • Token、延迟和成本。

否则，当输出质量下降时，团队很难判断究竟是：

  • Prompt 改坏了；
  • 模型版本变化了；
  • 检索内容不正确；
  • 工具执行失败了；
  • 上下文太长；
  • 业务规则本身发生了变化。

第五层：安全与人工接管层

以下场景不适合让模型直接做最终决策：

  • 删除生产数据；
  • 发起退款；
  • 修改用户权限；
  • 关闭安全策略；
  • 发布高风险版本；
  • 执行不可逆数据库变更；
  • 对外发送敏感信息；
  • 自动判定重大事故责任。

合理的分工应该是：

模型：理解、分析、规划、生成建议
系统：校验、授权、执行、记录
人工：审批高风险操作、处理异常和最终兜底

AI 辅助研发不是让模型取代所有工程控制，而是把模型放进已有的软件工程治理体系。

六、开发者最容易踩的七个坑

1. 把 Prompt 写成搜索关键词

写个登录接口。

缺少技术栈、业务规则、输出要求和验收条件，模型只能自由发挥。

2. 一次性塞入整个项目

上下文越多不代表结果越准确。

无关代码、重复文档和过期设计会干扰模型判断。应该先定位任务相关范围，再提供必要信息。

3. 只说“不要做什么”

不要写错。
不要有漏洞。
不要改变业务。

这些要求无法直接执行。

应该改成：

必须使用参数化查询；
所有用户输入必须校验；
保持现有接口字段不变；
新增逻辑必须覆盖异常分支；
输出前按照安全检查表自检。

4. 示例和指令互相冲突

Prompt 要求返回 JSON，示例却使用 Markdown 表格；要求字段使用蛇形命名，示例却全部是驼峰命名。

模型通常会同时参考指令和示例，二者冲突时，输出很容易不稳定。

OpenAI 对推理模型的建议同样强调：Few-shot 示例必须与实际指令高度一致。

5. 要求模型展示完整思维链

研发真正需要的是：

  • 结论；
  • 证据；
  • 假设；
  • 风险；
  • 检查结果；
  • 可执行方案。

不是模型内部所有推理文字。

6. 生成代码后不执行测试

AI 生成的代码即使语法正确，也可能存在：

  • 依赖版本不兼容；
  • 接口字段错误；
  • 业务状态遗漏；
  • 并发安全问题；
  • 越权漏洞；
  • 异常未处理；
  • 测试只覆盖正常路径。

代码生成只是研发流程中的一个环节，不是代码验收。

7. 没有测试集，只凭“感觉不错”

单次回答漂亮，不代表 Prompt 可以上线。

只有在固定测试集上稳定达到团队设定的质量标准，Prompt 才具备复用价值。

七、从 Prompt Engineering 走向 AI Engineering

OpenAI 官方六大原则可以概括成六句话：

把任务说清楚。把必要资料提供给模型。把复杂工作拆开执行。给模型明确的目标和检查步骤。把模型连接到真实工具和数据。用测试而不是感觉判断效果。

但对于研发团队来说，这还只是起点。

当 Prompt 真正进入生产环境，它会逐渐演变成一套完整工程体系：

Prompt Engineering
        ↓
Context Engineering
        ↓
Tool Engineering
        ↓
Workflow Orchestration
        ↓
Evaluation Engineering
        ↓
AI Engineering

个人工程师需要掌握的是：

  • 怎样描述任务；
  • 怎样提供代码和日志；
  • 怎样约束模型输出；
  • 怎样验证生成结果。

研发负责人需要进一步考虑：

  • Prompt 如何统一管理；
  • 企业知识如何动态注入；
  • 工具权限如何控制；
  • 输出质量如何自动评测；
  • 模型升级如何避免回归；
  • 高风险任务如何人工接管。

真正成熟的 Prompt，不一定最长，也不一定看起来最复杂。

它应该具备几个非常工程化的特征：

  • 输入明确；
  • 输出稳定；
  • 约束可执行；
  • 结果可验证；
  • 版本可追踪；
  • 问题可定位；
  • 变更可回滚。

所以，Prompt Engineering 的终点从来不是背下一套“万能提示词”。

它的本质，是把人类模糊的研发意图，转换成模型可以理解、系统可以执行、团队可以验证的工程协议。

当 Prompt 能够被测试、被复用、被监控、被持续优化时，AI 才真正从一个偶尔好用的聊天工具，变成研发流程中可靠的一部分。

官方资料说明

本文依据 OpenAI 当前 Prompt Engineering、Reasoning Best Practices、Function Calling、Optimizing LLM Accuracy 与 Agent 实践指南整理，并结合 Java 后端、软件测试、微服务和企业研发管理场景进行了工程化改写。

关于我们

本文部分内容参考了霍格沃兹测试开发学社整理的相关技术资料，主要涉及软件测试、自动化测试、测试开发及 AI 测试等内容，侧重测试实践、工具应用与工程经验整理。

avatar
文章
阅读
粉丝