提示工程是什么？写好提示词，让大模型给出更好的结果

提示工程（Prompt Engineering）是设计和优化输入给大语言模型的提示词，以引导模型产生更好输出的方法和技巧。提示词就是我们给 AI 的指令或问题。同一个模型，用不同的方式提问，得到的结果可能天差地别，提示工程研究的就是如何“问得好”。

为什么提示词这么重要

大语言模型能力很强，但它无法读懂你的心思。它只能根据你给出的文字来理解你想要什么。如果你只说“写一篇文章”，它不知道你想要什么主题、多长、给谁看、什么风格，只能按照最普通的方式去猜。而一个清楚、具体、提供了足够背景的提示词，能让模型准确地理解你的需求。可以把大模型想象成一个聪明、知识渊博但对你的情况一无所知的新同事：你交代得越清楚，他做得越好。

常用的技巧

清晰具体：明确说明要做什么、目的是什么、给谁看、有什么要求和限制。比如把“写个产品介绍”改成“为一款面向大学生的降噪耳机写一段 150 字左右的电商详情页介绍，语气轻松，突出续航和价格优势”。提供背景信息：告诉模型相关的情况和资料，比如公司的产品资料、目标用户的特点。提供示例：给出一两个你期望的输入和输出的例子，模型就能照着模仿，这叫少样本提示，比单纯的文字描述更有效。指定输出格式：比如要求用表格、分点列出、控制在多少字以内，或者输出特定格式的数据，方便后续的程序处理。角色设定：让模型扮演某个角色，比如“你是一位有十年经验的财务顾问”，可以影响回答的专业程度和视角。拆分复杂任务：把一个复杂的任务分成几个步骤，一步步完成，或者把多个提示词串联起来。思维链提示：让模型“一步一步地思考”，先写出推理过程再给出答案，可以明显提升数学、逻辑等推理类问题的准确率。允许说不知道：明确告诉模型，如果资料中没有答案就说不知道，可以减少编造。

提示工程的演变

在大模型发展的早期，模型对提示词的措辞非常敏感，人们总结出了很多“咒语”式的技巧，“提示工程师”一度成为热门的职位。随着模型能力的提升，尤其是具备深度思考能力的推理模型出现之后，模型对指令的理解越来越好，一些过去的技巧变得不再必要，比如推理模型自己会进行深入的思考，不太需要再专门提示它“一步步思考”。但提示工程的核心并没有过时：把任务和需求表达清楚、提供足够的背景信息，永远是得到好结果的关键。在开发 AI 应用和智能体时，人们越来越多地谈论“上下文工程”：不只是写好一句提示词，而是系统地设计和管理提供给模型的全部信息，包括指令、资料、工具说明、对话历史等。