---

📖目录

1. 什么是提示词？
2. 提示词的核心要素：ROCF框架
3. 经典提示技巧
   • 3.1 零样本提示
   • 3.2 少样本提示
   • 3.3 思维链
   • 3.4 角色扮演
4. 实战案例
   • 案例：调试代码
5. 总结
6. 扩展阅读

---

1. 什么是提示词？

在AI的世界里，你输入的每一句话都是给模型的指令，这个指令就叫提示词（Prompt）。
提示词工程（Prompt Engineering） 就是通过设计高质量提示词，引导模型输出更准确、更符合预期的结果。它不需要编程，但需要你会“提问”。

---

2. 提示词的核心要素：ROCF框架

一个高质量的提示词通常包含四个要素，我总结为 ROCF框架：

要素	英文	含义	例子
角色	Role	AI扮演的身份	“你是一位资深律师”
目标	Objective	希望AI完成的任务	“帮我写一封辞职信”
上下文	Context	背景信息或参考资料	“公司最近裁员，我想体面离开”
格式	Format	输出的具体要求	“分三点，每点不超过50字”

---

3. 经典提示技巧

3.1 零样本提示（Zero-shot）

定义：不给任何例子，直接让AI完成任务。
适用场景：简单、常见任务。
示例：

“请用一句话解释什么是量子纠缠。”

3.2 少样本提示（Few-shot）

定义：在提示中给出几个输入-输出示例，让AI模仿。
适用场景：需要特定风格或格式的任务。
示例：

请按以下格式回答：
问：什么是光合作用？
答：光合作用是植物利用阳光、水和二氧化碳制造养分的过程。
问：什么是万有引力？
答：

3.3 思维链（Chain-of-Thought, CoT）

定义：让AI展示逐步推理过程再给出答案。
适用场景：数学、逻辑推理等复杂任务。

3.4 角色扮演（Role-playing）

定义：赋予AI特定身份，以此身份回答问题。
适用场景：创意写作、模拟对话、专业咨询。
示例：

你是一位从业20年的中医。根据症状给出调理建议：最近容易疲劳，手脚冰凉，失眠多梦。

---

4. 实战案例

案例：调试代码

任务：写一个Python函数，读取CSV文件并计算某列的平均值。

提示词：

角色：你是一位经验丰富的Python工程师
目标：写一个函数，读取CSV文件，计算指定列的平均值
上下文：文件可能有表头，列名由用户输入，需处理文件不存在或列名错误的异常
格式：输出完整Python代码，包含注释，并给出使用示例
代码风格：符合PEP8，简洁易懂

输出：

import csv

def calculate_column_average(file_path, column_name):
    """
    读取CSV文件并计算指定列的平均值
    :param file_path: CSV文件路径
    :param column_name: 要计算的列名
    :return: 平均值，若出错则返回None
    """
    try:
        with open(file_path, mode='r', encoding='utf-8') as file:
            reader = csv.DictReader(file)
            if column_name not in reader.fieldnames:
                raise ValueError(f"列 '{column_name}' 不存在")
            
            values = []
            for row in reader:
                try:
                    values.append(float(row[column_name]))
                except ValueError:
                    continue  # 跳过非数字
            return sum(values) / len(values) if values else None
    except FileNotFoundError:
        print(f"错误：文件 {file_path} 未找到")
        return None
    except Exception as e:
        print(f"发生错误：{e}")
        return None

# 使用示例
avg = calculate_column_average('data.csv', 'sales')
print(f"平均销售额：{avg}")

---

5. 总结

• 清晰具体：越具体，AI越懂你。
• 提供上下文：背景信息决定答案精准度。
• 约束格式：告诉AI你想要的输出形式。
• 分步拆解：复杂任务拆成多步。
• 迭代优化：不满意就修改提示词再试。
• 善用角色：给AI一个身份，它会更有“灵魂”。
• 中英文夹杂：专业术语用英文更准确（如“用Chain-of-Thought方式推理”）。

现在就用今天学到的方法去试试吧！

---

6. 扩展阅读

• OpenAI Prompt Engineering Guide - OpenAI官方提示词工程指南（英文）
• LangChain Documentation - 构建复杂提示词工作流的框架
• PromptingGuide.ai - 全面的提示词工程学习资源（多语言）
• Learn Prompting - 免费的提示词工程课程（中文版可选）

---