Prompt Engineering 提示词工程 完整详解一、定义Prompt Engineering提示词工程专门研究如何设计、优化输入给大模型LLM的文本指令Prompt让模型稳定输出符合预期、高质量、低成本结果的一套方法论。 简单说教 AI 听懂你的要求控制它的输出。二、核心作用不用微调模型仅靠文字指令就能大幅提升回答质量约束输出格式列表、JSON、代码、表格方便程序解析减少幻觉、减少多余废话、降低 Token 消耗适配 Agent、工具调用、长文档问答等复杂业务。三、主流基础提示词技巧1. 清晰角色设定System Prompt开头给 AI 固定身份、立场、能力边界稳定行为。 示例plaintext你是专业后端工程师只输出可运行Python代码不加多余解释。2. 明确约束规则限定长度、风格、视角、禁止行为控制字数只用 5 句话回答风格学术严谨 / 口语通俗 / 诗歌禁止不编造不存在数据、不省略关键步骤3. Few-Shot 少样本提示给 1~3 个标准答案示例AI 会模仿格式与逻辑输出。 模板结构plaintext需求列出3个显卡逗号分隔 示例1H100, A100, RTX4090 需求列出3种内存 输出4. Zero-Shot 零样本不给例子仅靠清晰指令直接生成适合简单任务。5. Chain-of-ThoughtCoT 思维链要求 AI 分步思考复杂推理、数学、逻辑题准确率暴涨。 关键词Lets think step by step/ 一步步拆解推理。6. 格式指定配合 OutputParser强制 JSON、逗号列表、Markdown 表格便于代码读取。 搭配你学过的CommaSeparatedListOutputParser使用。7. 分隔符区分输入与指令用、###把用户问题、参考资料包裹避免模型混淆指令和内容。plaintext参考资料 HBM是高带宽3D堆叠显存 基于上面资料一句话解释HBM四、进阶工程方法Prompt Template 模板化把固定 System 指令封装模板统一复用、方便 AB 测试你前面代码用到。Prompt Chaining 提示词链分步提问先提取关键词→再总结→再格式化拆解复杂任务对应 Chain Composition。自动 Prompt 优化用大模型迭代改写 Prompt自动测试哪种指令效果最好。缓存优化固定 System Prompt 开启缓存降低输入 Token 计费。五、和你现有代码体系关联PromptTemplate 提示词工程的标准化载体统一管理 PromptCommaSeparatedListOutputParser 提示词格式约束的代码落地list_prompt | llm | parser链路 提示词工程 模型调用 结果解析完整流水线AB 测试更换不同 Prompt 模板对比准确率、成本属于 Prompt 工程调优环节。六、简单实操对比差 Prompt模糊、无约束plaintext讲讲Token输出冗长杂乱无固定格式。优化后 Prompt工程化写法plaintext角色AI硬件讲师 规则输出3条要点英文逗号分隔列表 任务解释Token是什么 {format_instructions}AI 直接输出规整列表程序可直接解析无多余文字。一句话总结提示词工程是一套写指令的标准化技巧不靠改模型只靠优化输入文本精准控制大模型输出内容、格式、逻辑是开发 LLM 应用最基础、成本最低的优化手段。