在人工智能（尤其是自然语言处理）领域，Prompt（提示词 / 指令） 是用户向 AI 模型输入的文本指令、问题或上下文描述，用于引导 AI 生成符合预期的输出结果。

简单来说，“Prompt 是告诉 AI‘做什么’和‘怎么做’的指令”—— 清晰、具体、有逻辑的 Prompt 能让 AI 更好地理解需求，从而生成更有价值的结果。随着 AI 技术的发展，“Prompt 工程”（优化 Prompt 的技巧）已成为一项重要能力，帮助人们更高效地利用 AI 工具解决问题。

Prompt 的常见类型

根据任务场景和目标，Prompt 可分为多种类型，常见的包括：

1. 问题型 Prompt

以直接提问的形式获取信息或解答，是最基础的 Prompt 类型。

• 示例：
  • “什么是区块链技术？”
  • “如何提高睡眠质量？”
  • “Python 中列表和元组的区别是什么？”

2. 指令型 Prompt

明确要求 AI 完成特定动作（如创作、总结、翻译、分析等），需清晰说明任务类型和要求。

• 示例：
  • “写一封求职邮件，主题为‘应聘产品经理岗位’，突出项目管理经验。”
  • “将以下英文段落翻译成中文，保持专业术语准确：[英文文本]。”
  • “总结《三体》第一部的核心情节，不超过 500 字。”

3. 创作型 Prompt

用于引导 AI 生成原创内容，需明确风格、主题、格式等细节，激发 AI 的创造力。

• 示例：
  • “以‘秋天的落叶’为主题写一首现代诗，语言优美，带淡淡忧伤。”
  • “创作一个科幻短篇小说开头，设定在 2150 年的火星殖民地，包含一个悬疑事件。”

4. 上下文型 Prompt

提供背景信息、数据或对话历史，让 AI 基于特定语境生成回答，常见于复杂任务或多轮交互。

• 示例：
  • “已知某公司 2023 年营收 1000 万，成本 700 万；2024 年营收 1200 万，成本 800 万。请计算这两年的利润率，并分析增长原因。”
  • “我之前问过‘如何学习 Python’，你推荐了基础课程。现在我已掌握语法，接下来该如何提升实战能力？”

5. 优化型 Prompt

针对 AI 的初步输出提出修改意见，引导其迭代优化结果，常见于需要反复调整的场景。

• 示例：
  • “你刚才写的产品文案太正式了，麻烦改成更活泼的风格，加入年轻人喜欢的网络热词。”
  • “这个旅行计划中景点安排太密集，请减少 2 个景点，增加午休和自由活动时间。”

好的 Prompt 的特点

一个高质量的 Prompt 能显著提升 AI 输出的准确性和实用性，其核心特点包括：

1. 清晰具体：避免模糊表述，明确任务目标（如不说 “写篇文章”，而说 “写一篇关于‘低碳生活小技巧’的科普短文，分 5 个要点”）。
2. 信息完整：提供必要的背景、约束条件或参考标准（如 “针对 3-5 岁儿童，用绘本风格解释‘为什么月亮会变圆缺’”）。
3. 逻辑有序：复杂任务中按步骤拆解需求，引导 AI 按逻辑输出（如 “先分析问题原因，再提出解决方案，最后给出实施步骤”）。
4. 风格适配：根据需求指定输出风格（如学术、口语、幽默、专业等），确保符合场景（如 “写一份学术论文摘要，用词严谨，避免口语化”）。

Prompt 的应用场景

Prompt 广泛应用于各类 AI 工具和场景中，例如：

• 对话式 AI：如 ChatGPT、豆包等，通过 Prompt 实现聊天、问答、咨询。
• 内容创作：用 Prompt 生成文案、代码、设计思路、剧本等。
• 数据分析：通过 Prompt 让 AI 处理数据、生成报告、解读趋势。
• 学习辅助：用 Prompt 提问知识点、获取解题步骤、总结学习资料。
• 工作效率：通过 Prompt 生成邮件、计划、PPT 大纲等办公内容。

Function Calling 是 AI 从 “文本交互” 迈向 “实际任务执行” 的关键能力，它通过连接外部工具（API、数据库、系统等），极大扩展了 AI 的应用边界。目前，主流大模型（如 GPT-4、Claude、文心一言等）均支持 Function Calling，广泛应用于智能助手、自动化办公、数据分析等场景，让 AI 不仅能 “说”，更能 “做”。

在人工智能领域，Function Calling（函数调用） 是指 AI 模型根据用户需求，自动调用预设的工具函数（或 API 接口）来获取信息、执行操作或完成复杂任务的能力。它让 AI 从单纯的文本生成扩展到 “与外部工具交互”，从而解决需要实时数据、计算能力或特定功能支持的问题。

核心逻辑

当用户的问题无法仅通过 AI 的内置知识回答时（例如需要实时数据、复杂计算、访问特定系统等），AI 会：

1. 识别任务需求，判断需要调用哪些工具函数；
2. 按照函数定义的格式，生成包含参数的调用指令；
3. 接收函数返回的结果，整理后以自然语言反馈给用户。

简单来说，Function Calling 让 AI 成为 “任务协调者”—— 通过调用工具弥补自身局限，处理更复杂的实际问题。

典型应用场景

1. 获取实时信息

   • 示例：用户问 “今天北京的天气如何？”
     AI 调用天气 API，获取实时数据后回答 “北京今日晴，气温 25-32℃”。

2. 执行数据计算

   • 示例：用户问 “100 美元兑换成人民币是多少？”
     AI 调用汇率 API，获取实时汇率后计算并返回结果。