提示词（Prompt）

提示词Prompt其实就是你发给大语言模型LLM的指令。你可以把它想象成在和一位极其聪明、但缺乏常识的实习生沟通你给出的指令越清晰、越具体他给出的结果就越符合你的心意。掌握提示词工程Prompt Engineering是控制 AI 输出质量的核心技能。一个结构完整的提示词通常包含以下几个关键要素 提示词的四大核心要素角色设定Role告诉 AI 它现在是谁。这能立刻激活模型中特定领域的专业知识让它的回答更具针对性。背景信息Context提供任务相关的背景知识或前提条件。AI 不知道你脑子里的想法你需要把相关信息喂给它。明确任务Task清晰地说明你需要 AI 做什么。这是提示词的核心越具体越好。输出格式Format规定 AI 回答的展现形式。比如要求它用表格、JSON 格式、Markdown 列表或者限制字数。 基础提示词 vs 结构化提示词为了让你直观感受差异我们来看一个“将自然语言转为 SQL 语句”的例子这在 AI 应用中非常常见普通提示词效果较差帮我写个 SQL查一下上个月销量最高的商品。结构化提示词效果极佳【角色】你是一位拥有10年经验的资深 MySQL 数据库工程师。【背景】我们有一个电商数据库其中包含两张表products(包含字段product_id,product_name) 和orders(包含字段order_id,product_id,order_date,quantity)。【任务】请帮我编写一个 SQL 查询语句统计出上个月2026年6月总销量quantity 的总和最高的前 5 个商品。【输出格式】只需要输出纯 SQL 代码不需要任何解释说明。️ 进阶技巧让 AI 表现更稳定的“杀手锏”在开发 AI 应用时为了保证 AI 输出的稳定性我们还会用到以下两个高级技巧少样本提示Few-Shot Prompting与其长篇大论地解释规则不如直接给 AI 看几个“标准答案”的例子。AI 的模仿能力极强看到例子后它就能瞬间领悟你的意图。示例请帮我把用户的口语化需求提取成标准的 JSON 格式。例子1用户说“我想买两件红色的T恤”输出{action: add_to_cart, item: T恤, color: 红色, quantity: 2}例子2用户说“帮我查一下去北京的机票”输出{action: search_flight, destination: 北京}现在请处理用户说“帮我把购物车里那双黑色的鞋子删掉”。思维链Chain of Thought, CoT对于复杂的逻辑推理或数学问题直接让 AI 给答案容易出错。你可以加上一句**“请一步一步地进行思考和推理”**强迫 AI 把思考过程写出来这能大幅提高复杂任务的准确率。简单来说写提示词就像是在给 AI 编写一份极其严谨的“需求文档”。从而精准控制 AI 的行为。