大模型提示词工程实战指南

提示词（Prompt）是与大模型交互的核心。好的提示词能让模型输出更准确、更有价值的内容。本文通过 5 个实战案例，详细讲解提示词工程的技巧和方法。

一、提示词基础原则

CLEAR 原则

C - Concise（简洁）

❌ 差：我希望你能够帮我写一篇文章，这篇文章的主题是关于人工智能的，
       需要包含人工智能的历史、现状和未来，字数大概在 3000 字左右...

✅ 好：写一篇 3000 字人工智能文章，包含历史、现状、未来三部分。

L - Logical（逻辑）

❌ 差：先写结论，再写背景，然后写分析，最后再写建议

✅ 好：按以下结构写作：
      1. 背景介绍
      2. 现状分析
      3. 案例研究
      4. 未来展望
      5. 行动建议

E - Explicit（明确）

❌ 差：写得专业一点

✅ 好：使用专业术语，引用权威数据，包含具体案例，
      目标读者是技术管理者，语气正式但易懂。

A - Adaptive（适应）

根据模型反馈调整提示词：
- 输出太短 → 添加"详细描述"
- 输出太散 → 添加"结构化输出"
- 不够专业 → 添加"使用专业术语"

R - Refined（精炼）

迭代优化提示词，记录有效模式，形成模板库。

二、实战案例 1：技术文档写作

场景说明

让 AI 协助编写技术文档，确保准确性和可读性。

提示词模板

# 角色
你是一位资深技术文档工程师，擅长将复杂技术概念转化为易懂的文档。

# 任务
编写一份关于 [技术主题] 的完整文档。

# 要求
1. **目标读者**：[初级/中级/高级] 开发者
2. **文档结构**：
   - 概述（200 字）
   - 核心概念（500 字）
   - 快速开始（含代码示例）
   - 最佳实践（3-5 条）
   - 常见问题（5 个问答）
3. **写作风格**：
   - 使用主动语态
   - 避免行话，必要时解释术语
   - 代码示例必须可运行
   - 包含实际应用场景
4. **格式要求**：
   - 使用 Markdown 格式
   - 代码块标注语言类型
   - 重要内容加粗强调

# 输出
直接输出完整文档，不需要额外说明。

使用示例

技术主题：OpenClaw 记忆管理
目标读者：中级开发者

输出质量检查

[ ] 概念解释清晰
[ ] 代码示例完整
[ ] 结构层次分明
[ ] 无明显技术错误

三、实战案例 2：代码审查

场景说明

让 AI 审查代码，找出问题和改进建议。

提示词模板

# 角色
你是一位资深代码审查专家，有 10 年大型项目开发经验。

# 任务
审查以下代码，提供详细的审查报告。

# 代码
[粘贴代码]

# 审查维度
1. **代码质量**
   - 命名规范
   - 函数长度
   - 代码复用
   - 注释充分性

2. **潜在问题**
   - 边界条件处理
   - 错误处理
   - 性能瓶颈
   - 安全隐患

3. **改进建议**
   - 重构建议
   - 优化方案
   - 最佳实践

# 输出格式
## 总体评价
[1-5 星评分 + 简短评价]

## 发现的问题
### 🔴 严重问题
- [问题描述] + [修复建议]

### 🟡 建议改进
- [问题描述] + [优化方案]

### 🟢 优点
- [值得肯定的地方]

## 重构示例
[提供关键代码的重构版本]

输出示例

## 总体评价
⭐⭐⭐⭐ (4/5)
代码整体结构清晰，功能完整，但有一些可优化的空间。

## 发现的问题

### 🔴 严重问题
- 第 45 行：SQL 注入风险
  建议：使用参数化查询

### 🟡 建议改进
- 函数过长（120 行）
  建议：拆分为 3 个小函数

### 🟢 优点
- 变量命名清晰
- 包含单元测试
- 错误处理完善

## 重构示例
[提供优化后的代码]

四、实战案例 3：数据分析洞察

场景说明

让 AI 分析数据，提取有价值的洞察。

提示词模板

# 角色
你是一位资深数据分析师，擅长从数据中发现商业洞察。

# 任务
分析以下销售数据，提供深度洞察和 actionable 建议。

# 数据
[粘贴数据或数据摘要]

# 分析维度
1. **趋势分析**
   - 月度/季度趋势
   - 同比增长/环比增长
   - 季节性特征

2. **细分分析**
   - 产品线表现
   - 区域分布
   - 客户群体

3. **异常检测**
   - 异常高/低值
   - 可能原因分析

4. **预测建议**
   - 下季度预测
   - 风险预警
   - 机会点

# 输出要求
- 使用数据支撑观点
- 避免模糊描述
- 建议必须可执行
- 包含可视化建议

输出示例

# 销售数据分析洞察

## 关键发现

### 1. 增长趋势
- Q1 同比增长 35%，超出行业平均（20%）
- 3 月份出现异常高峰（+120%），原因是新品发布

### 2. 产品表现
- A 产品线：贡献 60% 收入，增长稳定
- B 产品线：下滑 15%，需要关注
- C 产品线：新兴产品，增长 200%

### 3. 区域洞察
- 华东区：占比 40%，增速最快
- 华北区：占比 25%，增速放缓
- 华南区：占比 20%，表现稳定

## 风险预警
⚠️ B 产品线连续 3 个月下滑，建议：
1. 调研用户反馈
2. 分析竞品动态
3. 考虑产品迭代

## 机会点
💡 C 产品线增长迅猛，建议：
1. 增加营销投入
2. 扩大产能
3. 开发相关产品

## 下季度预测
预计 Q2 收入：¥1,500 万（+25%）
关键驱动：C 产品线持续高增长
风险因素：市场竞争加剧

五、实战案例 4：学习计划制定

场景说明

让 AI 根据目标和时间，制定个性化学习计划。

提示词模板

# 角色
你是一位资深学习规划师，帮助学员高效达成学习目标。

# 任务
为我制定一个 [学习目标] 的学习计划。

# 背景信息
- **当前水平**：[描述当前水平]
- **目标水平**：[描述期望达到的水平]
- **可用时间**：[每天/每周可投入时间]
- **截止日期**：[如有]
- **学习偏好**：[视频/书籍/实践/混合]
- **已有基础**：[相关知识和技能]

# 计划要求
1. **阶段划分**
   - 基础阶段（占比 40%）
   - 进阶阶段（占比 40%）
   - 实战阶段（占比 20%）

2. **每周安排**
   - 学习内容
   - 实践任务
   - 检查点

3. **资源推荐**
   - 必学资源（3-5 个）
   - 选学资源（可选）
   - 实战项目

4. **进度跟踪**
   - 里程碑
   - 自检方法
   - 调整机制

# 输出格式
使用表格 + 文字说明，清晰易执行。

输出示例

# AI 工程师学习计划（3 个月）

## 阶段概览

| 阶段 | 时间 | 重点 | 产出 |
|------|------|------|------|
| 基础 | 第 1-4 周 | Python+ 数学基础 | 代码练习 |
| 进阶 | 第 5-8 周 | 机器学习算法 | 项目实战 |
| 实战 | 第 9-12 周 | 深度学习应用 | 完整项目 |

## 每周安排

### 第 1 周：Python 基础
- **学习内容**：
  - Python 语法（8 小时）
  - 数据结构（4 小时）
  - 函数与模块（4 小时）
- **实践任务**：
  - 完成 20 道编程题
  - 编写小工具脚本
- **检查点**：
  - 能通过基础语法测试

### 第 2 周：数学基础
...

## 资源推荐

### 必学
1. 《Python 编程：从入门到实践》
2. 吴恩达机器学习课程
3. Kaggle 入门竞赛

### 选学
1. 《深度学习》花书
2. PyTorch 官方教程

## 里程碑
- 第 4 周末：完成基础阶段
- 第 8 周末：完成进阶阶段
- 第 12 周末：完成实战项目

六、高级技巧

1. 少样本学习（Few-Shot）

示例 1：
输入："今天天气真好"
输出：{"sentiment": "positive", "score": 0.9}

示例 2：
输入："这个产品太糟糕了"
输出：{"sentiment": "negative", "score": 0.8}

示例 3：
输入："服务还可以，但价格偏高"
输出：{"sentiment": "neutral", "score": 0.6}

请分析："物流很快，包装完好，但产品有瑕疵"

2. 思维链（Chain of Thought）

请逐步思考这个问题：

1. 首先，理解问题是什么
2. 然后，分析已知条件
3. 接着，确定解决方法
4. 最后，给出答案并验证

问题：[具体问题]

3. 角色扮演

你现在是 [角色]，具有 [特征]。
请用 [角色的语气和风格] 回答以下问题：

[问题]

4. 输出格式化

请按以下 JSON 格式输出：
{
  "summary": "简短总结",
  "key_points": ["要点 1", "要点 2", "要点 3"],
  "confidence": 0.0-1.0,
  "sources": ["来源 1", "来源 2"]
}

七、常见问题

Q: 模型输出不稳定怎么办？

添加"请仔细思考"等引导词
提供具体示例
要求分步骤输出
设置温度参数（如可调）

Q: 如何让模型理解专业术语？

在提示词中解释术语
提供术语表
使用类比说明
给出具体场景

Q: 如何避免模型胡说八道？

要求"不知道就说不知道"
要求提供信息来源
设置置信度评分
人工复核关键内容

八、总结

提示词工程是与大模型协作的核心技能：

技巧	用途	效果
CLEAR 原则	基础提示词设计	提升准确性
角色扮演	设定输出风格	提升一致性
少样本学习	复杂任务指导	提升理解度
思维链	推理类任务	提升逻辑性
格式化输出	结构化需求	提升可用性

掌握提示词工程，让 AI 成为你的得力助手！

相关资源：

大模型提示词工程实战指南 ​

一、提示词基础原则 ​

CLEAR 原则 ​

二、实战案例 1：技术文档写作 ​

场景说明 ​

提示词模板 ​

使用示例 ​

输出质量检查 ​

三、实战案例 2：代码审查 ​

场景说明 ​

提示词模板 ​

输出示例 ​

四、实战案例 3：数据分析洞察 ​

场景说明 ​

提示词模板 ​

输出示例 ​

五、实战案例 4：学习计划制定 ​

场景说明 ​

提示词模板 ​

输出示例 ​

六、高级技巧 ​

1. 少样本学习（Few-Shot） ​

2. 思维链（Chain of Thought） ​

3. 角色扮演 ​

4. 输出格式化 ​

七、常见问题 ​

Q: 模型输出不稳定怎么办？ ​

Q: 如何让模型理解专业术语？ ​

Q: 如何避免模型胡说八道？ ​

八、总结 ​

大模型提示词工程实战指南

一、提示词基础原则

CLEAR 原则

二、实战案例 1：技术文档写作

场景说明

提示词模板

使用示例

输出质量检查

三、实战案例 2：代码审查

场景说明

提示词模板

输出示例

四、实战案例 3：数据分析洞察

场景说明

提示词模板

输出示例

五、实战案例 4：学习计划制定

场景说明

提示词模板

输出示例

六、高级技巧

1. 少样本学习（Few-Shot）

2. 思维链（Chain of Thought）

3. 角色扮演

4. 输出格式化

七、常见问题

Q: 模型输出不稳定怎么办？

Q: 如何让模型理解专业术语？

Q: 如何避免模型胡说八道？

八、总结