提示工程是一种与 AI 模型（如 ChatGPT、Claude、Gemini、Llama 等）交互的技巧，通过特定的方式，可以获得准确、可靠和有用的结果。本指南将带你了解要点，以便你今天就可以开始，并快速提高水平。

# 1. 什么是提示工程？

提示工程是指设计、测试和优化你提供给 AI 模型的指令，使其产生你实际想要的输出。

每当你进行以下操作时，你已经在进行提示工程了：

  • 要求 ChatGPT 以不同的语气重写电子邮件
  • 请求包含注释和测试的代码
  • 要求提供逐步解释而不是摘要

你可以把它想象成给一个聪明但字面意思的助手提供指示。指示越清晰，结果就越好。

要稍后深入了解，你可以阅读：

# 2. 优秀提示的核心原则

这些是你在几乎所有情况下都会使用的基础：

# 2.1 清晰且具体

糟糕的提示：

解释 Kubernetes。

更好的提示：

向一位了解 Docker 但不熟悉分布式系统的初级后端开发人员解释 Kubernetes。使用简单的例子，避免使用术语，并将其控制在 400 字以内。

它为什么有效：

  • 定义了受众（初级后端开发人员）
  • 说明了先验知识（了解 Docker）
  • 设置了风格和长度（简单的例子，<400 字）

# 2.2 提供角色 + 目标 + 上下文 + 约束

一个可靠的模式：

你是一位 [角色]。 你的目标是 [目标]。 这是 上下文：[上下文]。 遵循以下 约束：[约束]。

例子：

你是一位资深的 TypeScript 工程师。 你的目标是审查以下函数并提出具体的改进建议。 上下文：这运行在 Node.js 20 serverless 环境中，并且必须保持类型安全。 约束：

  • 最多指出 5 个问题。
  • 在一个 TypeScript 代码块中显示修改后的代码。
  • 用 1-2 句话解释每个更改。

这种结构大大增加了获得你所需内容的机会。

# 2.3 要求逐步推理

如果任务涉及逻辑、决策或计划，请要求模型逐步思考。

例子：

  • “在回答之前，先逐步思考。”
  • “首先概述你的推理，然后清楚地标记最终答案。”
  • “列出假设，然后推导出答案。”

这通常会产生更准确和透明的响应。

# 2.4 展示例子（少量样本提示）

模型从提示中的模式中学习。如果你展示你想要的格式和风格，你将获得更好的结果。

示例提示：

我将给你产品描述。返回一个简短的、以利益为中心的标语。

示例 1 描述：一款为日常训练设计的轻量级跑鞋。 标语：“跑得更远，感觉更轻。”

示例 2 描述：一款为远程工作者设计的降噪耳机。 标语：“静音世界，专注于你的工作。”

现在对以下描述做同样的事情： 描述：一款带有记忆预设和电缆管理的升降桌。

这被称为 少量样本提示（你提供了该任务的几个例子）。

# 2.5 迭代：提示 → 测试 → 优化

提示工程是实验性的。很少有第一个提示是最好的。

工作流程：

  1. 从一个清晰的提示开始。
  2. 查看输出：缺少什么？有什么错误？什么太模糊？
  3. 添加 约束 或 澄清。
  4. 重复直到你满意为止。

你可以明确地询问：

鉴于这些新的约束条件：[列表]，改进你之前的答案。完全重写答案。

# 3. 你可以重用的简单提示模板

这里有一些你可以立即适应的复制粘贴模板。

# 3.1 学习一个新概念

你是一位有耐心的老师。 向一个了解 [我已知的知识] 的人解释 [主题]。

  • 使用简单的、具体的例子。
  • 除非你先定义它，否则避免使用术语。
  • 将解释限制在 [X] 个字以内。
  • 最后，给我 3 个实际练习来测试我的理解。

# 3.2 写作或重写文本

你是一位专业的文案撰稿人。 任务：将以下文本重写为 [语气：友好/专业/简洁/有说服力]，为 [受众]。 约束：

  • 保持所有关键事实准确。
  • 保持在 [X] 个字以内。
  • 使用简短的句子和清晰的语言。

文本：

[粘贴你的文本]

# 3.3 集思广益

充当创意顾问。 我需要 [项目/目标] 的想法。 约束：

  • 目标受众：[受众]
  • 预算：[预算或“低预算”]
  • 时间范围：[时间] 输出：
  • 至少 10 个想法的列表
  • 对于每个想法，包括：1 句话描述 + 估计工作量（低/中/高）

# 3.4 编码和调试

你是一位资深的 [语言/框架] 开发人员。 任务：帮助我调试或改进以下代码。 环境：[版本，运行时，框架] 要求：

  • 用简单的语言解释错误或问题。
  • 建议一个修复或改进的版本。
  • 添加注释，解释任何不明显的更改。

代码：

[你的代码在这里]

更多模式，请参阅：

# 4. 要避免的常见错误

# 4.1 太过模糊

糟糕：

帮助我启动我的创业公司。

更好：

我正在为小型健身房构建一个 SaaS，以管理会员资格。 当前阶段：验证需求。 帮助我：

  1. 列出 5 种找到并与我的前 10 位健身房老板交谈的方法。
  2. 为冷启动起草 3 个电子邮件模板。
  3. 建议 5 个面试问题，以了解他们最大的痛点。

# 4.2 一次提出多个不相关的问题

而不是：

解释 Kubernetes，并编写一个 Dockerfile，并建议要阅读的书籍。

分成单独的提示或清楚地分离任务：

任务 1：[详情] 任务 2：[详情] 任务 3：[详情]

在其自己的标题下回答每个任务。

# 4.3 未指定格式

当你关心结构时，说出来：

  • “以有效的 JSON 格式返回答案。”
  • “使用一个 markdown 表格，列为：功能、描述、优先级。”
  • “将答案构造为：概述、优点、缺点、建议。”

例子：

比较 PostgreSQL 和 MongoDB 对于小型 SaaS 应用程序。 将答案格式化为 markdown 表格，列为：标准、PostgreSQL、MongoDB、建议。

# 5. 如何练习提示工程（逐步计划）

你不需要课程即可开始。这是你第一周的简单练习计划：

# 第 1-2 天：重写和改进

  1. 获取你已有的内容：电子邮件、简历、README、博客草稿。
  2. 要求模型：
    • 提高清晰度
    • 调整语气
    • 缩短它/使其更详细
  3. 尝试不同的约束并比较输出。

# 第 3-4 天：教学和学习

  1. 选择你想学习的主题（例如，Docker、机器学习基础知识、SEO）。
  2. 使用“学习新概念”模板。
  3. 提出后续问题：
    • “用一个不同的例子来解释一下。”
    • “常见的误解是什么？”
    • “给我一个 7 天的学习计划。”

# 第 5-7 天：构建一个小系统提示

“系统提示”是一个可重用的高级指令，用于定义 AI 应如何表现。

  1. 选择一个角色（例如，“我的个人编码导师”或“我的营销助理”）。

  2. 编写详细的角色描述：

    你是我的个人 [领域] 助理。

    • 在给出长答案之前，你总是会问 2-3 个澄清问题。
    • 你喜欢例子胜过理论。
    • 你将答案保持在 500 个字以内，除非我说“深入”。
    • 当你不确定或某些内容可能已过时时，你会警告我。

  3. 在多个聊天中使用相同的系统提示并进行优化。

# 6. 高级提示思路（当你准备好时）

一旦你对基础知识感到满意，请探索：

# 6.1 思维链和多步骤提示

与其直接要求最终答案，不如要求模型：

  1. 将问题分解为子问题
  2. 解决每个子问题
  3. 合并为最终答案

提示：

让我们分阶段解决这个问题。

  1. 列出 [任务] 中涉及的子问题。
  2. 按顺序解决每个子问题。
  3. 最后，总结最终的整体解决方案，字数少于 200 个字。

# 6.2 工具和代码感知的提示（适用于开发人员）

如果你正在使用 LLM 构建应用程序，请查看：

要学习的概念：

  • 函数调用/工具（让模型调用你自己的函数或 API）
  • 检索增强生成 (RAG)（回答你自己的文档中的问题）
  • 提示模板和防护（安全性、一致性、结构化输出）

# 6.3 评估提示

使用 AI 评估 AI：

这是一个问题和两个不同的答案。

  • 问题：[Q]
  • 答案 A：[A1]
  • 答案 B：[A2]

充当严格的评估者。

  1. 哪个答案更好地满足了问题的要求？
  2. 列出 3 个具体原因。
  3. 在以下方面，为每个答案给出 1-10 的分数：准确性、清晰度、完整性。

如果你正在比较提示版本或不同的模型，这将非常有用。

# 7. 学习资源和后续步骤

要继续改进：

# 8. 总结：如何立即开始

  1. 明确说明：定义角色、目标、受众和约束。
  2. 要求结构：指定格式（列表、表格、JSON、章节）。
  3. 引导思考：要求逐步推理和假设。
  4. 展示示例：演示你想要的风格/格式。
  5. 迭代：使用每次响应的反馈来优化提示。

如果你告诉我你想使用 AI 做什么（编码、写作、研究、学习、商业等），我可以帮助你制作一小组可重用的、定制的提示，以适应你的工作流程。