还在为AI胡说八道、答非所问而烦恼？其实不是AI不行，而是你没掌握“提问的艺术”。

---

一、认知奠基：什么是 Prompt 工程？它为何如此重要？

1.1 从“随便问问”到“精准指挥”：Prompt 的力量

你有没有过这样的经历？满怀期待地对AI说：“写首诗”，结果它回你一首平平无奇的打油诗；可当你改成“以李白口吻写一首七言绝句，主题为‘秋夜望月’，押平声韵”，输出瞬间变得气势磅礴、意境深远。

这就是 Prompt（提示词）的魔力。它不是简单的“提问”，而是一种与大语言模型沟通的“自然语言程序”。你可以把它想象成 SQL 查询语句：同样的数据库，不同的查询条件，返回的结果天差地别。

模糊指令会让AI像在猜谜，容易“翻车”或输出一堆套话；而结构化、清晰的 Prompt，则能让AI成为你得心应手的智能助手。

1.2 微软课程中的关键启示

根据微软《生成式 AI 入门》第4讲的核心观点，优秀的 Prompt 并非靠运气，而是建立在三大基础要素之上：

• 角色（Role）：告诉AI“你是谁”，比如“资深架构师”或“文案策划”。
• 上下文（Context）：提供任务背景和必要信息，弥补模型“无记忆”的短板。
• 输出格式（Format）：明确要求返回的内容形式，如列表、表格或JSON。

这三点构成了所有高效 Prompt 的起点。记住一句话口诀：不会提问？先给AI定岗位！

---

二、技能拆解：掌握 Prompt 工程的六大核心技巧

技巧一：角色设定（Role Prompting）——让 AI 成为你想要的专家

你想让AI解释一个技术概念，是希望它像个刚入门的学生照本宣科，还是希望它像一位经验丰富的导师深入浅出？

答案显然是后者。通过赋予AI明确的身份，你能直接约束它的语气、风格和知识边界。

❌ 错误示例：

解释微服务是什么？

✅ 正确示例：

你是一位资深后端架构师，请用通俗语言向新人讲解微服务，避免使用复杂术语，并举一个电商系统的例子说明其优势。

一句话口诀：身份不对，输出全废。

---

技巧二：上下文注入（Context Injection）——提供完成任务所需的信息

大语言模型没有默认记忆，每一次对话都是“失忆重启”。如果你不主动提供背景，AI只能凭空猜测。

想象你要回复一封客户邮件，却只说“帮我写个回复”，AI怎么知道对方是谁、发生了什么、你希望达成什么目标？

❌ 错误示例：

帮我回复客户邮件。

✅ 正确示例：

客户是合作两年的老客户XX科技，申请将10万元货款付款期从30天延长至60天。公司政策最长仅支持45天，且本次订单已享5%折扣。请礼貌拒绝，并建议分两期支付（30天付5万，45天付5万）。语气要专业且体现长期合作意愿。

一句话口诀：不说清楚，AI就瞎编。

---

技巧三：结构化指令（Structured Instruction）——按逻辑组织你的请求

杂乱无章的指令会增加AI的理解成本。就像写代码要有函数封装一样，Prompt也该有清晰结构。

推荐使用“四段式”模板：

1. 任务：我要做什么？
2. 背景：为什么要做？
3. 要求：具体怎么做？
4. 格式：输出长什么样？

对比一下：

❌ 杂乱指令：

我需要一份Vue3登录表单组件，包含用户名密码输入框，要做校验，用户名不能为空，密码至少6位，提交按钮禁用直到合法，还要输出代码和使用示例。

✅ 结构化指令：

任务：生成 Vue3 + TypeScript 登录表单组件
功能需求：
- 包含用户名和密码输入框
- 表单校验：用户名非空，密码长度≥6
- 提交按钮：表单合法时可点击
- 触发 onSubmit 回调并传递数据

技术约束：
- 使用 <script setup> 语法
- 样式简洁美观，无需动画
- 使用 VeeValidate 进行校验

输出格式：
- 先输出完整组件代码
- 再输出3行以内使用示例

一句话口诀：条理清晰，AI才省力。

---

技巧四：思维链引导（Chain-of-Thought, CoT）——让 AI 展示推理过程

面对复杂问题，人类会“一步一步来”。AI也一样。直接问“17×24等于多少？”可能出错，但让它“先算10×24，再算7×24，最后相加”，准确率大幅提升。

这个技巧叫 思维链（Chain-of-Thought），特别适合数学计算、代码调试、逻辑推理等任务。

✅ 实战示例：

请一步一步思考：  
1. 分析用户报错日志中提到的“KeyError: 'user_id'”可能出现在哪些环节？  
2. 列出三种可能原因并评估概率  
3. 针对最高概率的原因提出修复方案  
4. 给出修改后的代码片段

引用一句金句：未来的竞争力，不是会不会用AI，而是会不会‘指挥’AI。

---

技巧五：少样本学习（Few-shot Learning）——用例子教会 AI 模仿

有时候，光靠文字描述不够直观。这时，最好的办法就是“给个样例”。

这种方法叫 少样本学习（Few-shot Learning），只需提供1–3个输入输出对，就能让AI快速模仿特定风格或格式。

✅ 实战示例：

请仿照以下风格写一段产品介绍：

示例1：
“轻盈如羽，触感如丝。这款新型面料重新定义舒适体验。”

示例2：
“一键启动，全程静音。智能清洁机器人让家务变得毫不费力。”

现在，请为一款折叠屏手机写一句广告语。

一句话口诀：示范一次，胜过千言。

---

技巧六：迭代优化（Iterative Refinement）——持续改进你的 Prompt

好 Prompt 很少一步到位。更常见的情况是：第一次输出不满意 → 找出问题 → 修改 Prompt → 再试一次。

这个过程就是 迭代优化，也是最实用的实战方法。

下面这张 Mermaid 流程图，直观展示了完整的 Prompt 迭代流程：

实际操作中，你可以把AI的错误输出粘贴回去，直接指出：“第三点分析太浅，请结合SWOT模型深入分析。” 然后让它重写。

一句话口诀：改一次，强一分。

---

三、实战演练：构建一个生产级 Prompt 模板

3.1 万能 Prompt 框架（RTF+扩展版）

结合上述六大技巧，我们可以整合出一个通用性强、效果稳定的“万能模板”：

# 角色
你是一位[专业身份]，擅长[核心能力]，风格[如严谨/幽默]

# 背景与目标
我正在处理[任务背景]，目标是[具体成果]

# 详细任务
请完成以下任务：
1. [子任务1]
2. [子任务2]

# 输出要求
- 必须包含：[关键词/数据]
- 严格禁止：[禁忌内容]
- 输出格式：[Markdown/JSON/列表等]
- 输出长度：[约500字/3个要点]

# 输入参考
[在此粘贴参考资料或示例]

这个模板就像一个“AI工作说明书”，确保每次交互都有据可依。

3.2 场景化应用举例

职场写作：会议纪要生成

# 角色
你是一位资深行政助理，擅长提炼关键信息和撰写正式文档。

# 背景与目标
我刚参加完一场项目进度会议，录音已转文字。目标是生成一份包含决策点、待办事项和下次会议建议的纪要。

# 详细任务
1. 提取3个关键决策
2. 列出7项待办事项（标注负责人）
3. 建议下次会议时间（避开所有参会人已有日程）

# 输出要求
- 使用Markdown格式
- 总长约300字
- 待办事项用任务列表呈现

编程辅助：函数注释与单元测试生成

# 角色
你是一位Python高级工程师，熟悉PEP8规范和pytest框架。

# 背景与目标
我在开发一个数据分析脚本，需要为一个核心函数添加注释和测试。

# 详细任务
1. 为以下函数添加详细的docstring（参数、返回值、异常）
2. 生成3个单元测试用例（正常、边界、异常情况）

# 输入参考
def calculate_average(data):
    if not data:
        return 0
    return sum(data) / len(data)

内容创作：爆款短视频脚本策划

# 角色
你是一位抖音百万粉丝博主，擅长制造反转和互动。

# 背景与目标
推广一款新型折叠屏手机，目标是制作一条高完播率的短视频。

# 详细任务
1. 设计前3秒有强烈反转的开场hook
2. 融入近期流行梗（如“尊嘟假嘟”）
3. 设置一个互动提问引导评论

# 输出要求
- 生成分镜脚本（含运镜建议）
- 总时长约30秒