什么是 Prompt 工程？

Prompt 工程（Prompt Engineering） 是设计和优化输入文本以引导 AI 生成期望输出的技术。一个好的 Prompt 可以让回答的准确率从 60% 提升到 95% 以上，同时还能减少 Token 消耗。

原则一：明确具体，拒绝模糊

❌ 模糊的 Prompt：

帮我写点关于 AI 的内容

✅ 具体的 Prompt：

请撰写一篇 300 字的科普短文，面向零基础读者介绍什么是大语言模型（LLM），
要求使用比喻帮助理解，语言通俗易懂，不使用专业术语。

要点

• 明确目标受众
• 指定输出格式（字数、段落数、风格）
• 描述成功标准

原则二：角色扮演（Role Prompting）

为 AI 分配一个专业角色，可以显著提升输出质量：

你是一位有 10 年经验的后端架构师。请审查以下 API 设计方案，
从性能、安全性、可维护性三个维度给出评分和改进建议。

常用角色示例：

• 🧑‍💻 "你是一位资深 Python 开发者"
• 📊 "你是一位数据分析师"
• ✍️ "你是一位专业文案编辑"
• 🎓 "你是一位大学教授，擅长用简单的例子解释复杂概念"

原则三：提供少样本示例（Few-Shot）

给 AI 看 2-3 个输入→输出的示例，比长篇大论的描述更有效：

将以下用户评论分类为"正面"、"负面"或"中性"。

示例：
评论：这个产品太好用了！→ 正面
评论：配送速度太慢了 → 负面
评论：包装还行 → 中性

请分类：
评论：价格合理，功能够用 →

技巧

• 示例应多样化（覆盖不同情况）
• 2-3 个示例通常就够了，太多反而增加 Token 成本
• 示例的格式要与期望输出一致

原则四：链式思维（Chain-of-Thought）

让 AI "分步思考"可以大幅提高推理准确率：

请一步步分析以下数学题，先列出已知条件，再写出解题过程，最后给出答案。

题目：一个水箱可以容纳 500 升水。进水管每分钟注入 15 升，排水管每分钟排出 8 升。
从空箱开始，需要多少分钟灌满？

关键词："一步步思考"、"请展示推理过程"、"Let's think step by step"

原则五：结构化输出

当需要处理输出数据时，明确要求 JSON 等格式：

分析以下客户反馈，以 JSON 格式输出：
{
  "sentiment": "正面/负面/中性",
  "topics": ["主题1", "主题2"],
  "urgency": "高/中/低",
  "summary": "一句话摘要"
}

好处

• 减少歧义和幻觉
• 方便程序解析
• 输出更稳定一致

原则六：迭代优化

Prompt 工程是一个迭代过程，没有"完美的第一版"：

版本 1：总结这篇文章 → 太长、太笼统
版本 2：用 3 个要点总结这篇文章的核心观点 → 更好但缺少案例
版本 3：用 3 个要点总结这篇文章的核心观点，每个要点附带一个具体数据或案例 → ✅

优化建议

• 保存每个版本的 Prompt 及其输出
• 改动一个变量，不要同时改多个
• 在不同的输入上测试同一个 Prompt

进阶技巧速览

💡 将这些技巧结合 APIS 的费用计算器，在提升质量的同时监控成本变化。