Prompt Engineering

基本原则

1. 明确指令

清晰描述你希望模型做什么，而不是不希望做什么。

❌ 不要写太长
✅ 用 3 句话总结以下文章

2. 提供上下文

给模型足够的背景信息来理解任务：

你是一位有 10 年经验的 Python 后端工程师。
请审查以下代码的性能问题，重点关注数据库查询优化。

3. 指定输出格式

明确告诉模型你期望的输出结构：

请以 JSON 格式返回结果，包含以下字段：
- name: 产品名称
- price: 价格（数字）
- description: 一句话描述

常用技巧

Few-shot Learning（少样本学习）

提供几个示例，让模型学习你期望的模式：

将以下英文翻译为中文，保持技术术语不翻译：

输入：The API returns a JSON response with pagination support.
输出：该 API 返回一个支持 pagination 的 JSON response。

输入：Use middleware to handle authentication.
输出：

Chain of Thought（思维链）

引导模型逐步推理，而不是直接给出结论：

请一步一步分析这个 bug 的原因：
1. 首先，描述代码的预期行为
2. 然后，指出实际行为与预期的差异
3. 分析可能的原因
4. 给出修复建议

Role Playing（角色扮演）

设定特定角色来约束模型的行为风格：

你是一位严格的代码审查者。对于每一处问题，请指出：
- 问题类型（bug / 性能 / 可读性 / 安全）
- 严重程度（高 / 中 / 低）
- 具体修改建议

分隔符

使用分隔符清晰标记输入的不同部分：

请总结以下文章的要点：

---
（文章内容）
---

要求：
- 不超过 5 个要点
- 每个要点一句话

System Prompt 设计

System Prompt 用于设定模型的行为边界和人格，在整个对话中持续生效。

结构模板

# 角色
你是 [角色描述]

# 能力
- 能力 1
- 能力 2

# 限制
- 不做什么
- 不回答什么

# 输出格式
[格式要求]

设计要点

• 角色设定要具体（"资深 React 开发者"比"程序员"更好）
• 限制条件要明确（避免模型越界）
• 输出格式要统一（保证下游系统能解析）

常见反模式

反模式	问题	改进
指令模糊	"帮我改改这段代码"	明确改什么、改成什么样
上下文过载	一次塞入太多信息	分步骤提供，逐步深入
期望读心	不说清楚输出格式	明确格式、长度、风格要求
负面指令	"不要用 for 循环"	"使用 map/filter 等函数式方法"
忽略迭代	一次就要完美结果	先生成初稿，再迭代优化

高级模式

Self-Consistency（自一致性）

对同一个问题生成多个回答，取最一致的结果。适用于推理类任务。

Tree of Thought（思维树）

让模型探索多个推理路径，评估每条路径的可行性，选择最优方案。适用于复杂规划任务。

ReAct（推理 + 行动）

结合推理和工具调用的框架：

思考：我需要查找用户最近的订单
行动：调用 getOrders(userId) API
观察：返回了 3 条订单记录
思考：最近的订单是 3 月 15 日的
回答：您最近的订单是 3 月 15 日下单的...