prompt-engineering

name	prompt-engineering
description	提示工程 —— LLM 提示词设计、上下文组织、Few-shot 策略与输出格式控制
category	AI
loading	on-demand
triggers	{"keywords":["提示词","prompt","提示工程","few-shot","LLM","大模型","AI提示"]}

提示工程

概述

提供与大语言模型（LLM）交互的提示词设计方法论，覆盖提示结构、上下文管理、Few-shot 示例、思维链、输出格式控制等核心技术。

使用场景

• 设计系统提示词（System Prompt）定义 AI 角色和行为
• 优化已有提示词以提高输出质量和一致性
• 设计链式提示（Chain of Thought）解决复杂推理任务
• 控制 LLM 输出格式（JSON、Markdown、特定 Schema）

核心原则

1. 角色先行：先定义角色（你是谁、你的能力边界），再给任务。明确的角色设定比模糊的"你是一个助手"效果好得多。
2. 约束写死，格式给例：行为约束用规则语言明确写出。期望的输出格式给出 1-2 个完整示例。
3. 分步指导复杂任务：对于多步骤任务，分解为明确的阶段。每个阶段有清晰的输入、操作和输出。
4. 负面示例与正面示例同等重要：给出"不要这样做"的例子能显著减少错误输出模式。
5. 上下文是稀缺资源：不相关信息占用的上下文会稀释模型的注意力。每段内容都要为输出目标服务。

提示结构模板

[角色定义] 你是谁，你的专长和限制
[任务描述] 具体要做什么
[输入格式] 你会收到什么格式的信息
[输出格式] 你应当以什么格式输出
[约束规则] 绝对不能做的事（负面约束）
[示例] 至少 1 个完整的正确输入输出对

检查清单

• 是否定义了明确的 AI 角色和职责边界？
• 输出格式是否有具体的示例而非仅文字描述？
• 约束规则是否覆盖了最常见的错误输出模式？
• 提示词是否足够精简（无冗余信息稀释注意力）？
• 是否有负面示例阻止不期望的输出模式？