提示词工程（Prompt Engineering）随手记

日常用大模型时积累的一些提示词技巧，零零散散，汇总于此持续更新。

一、基础心法

• 把模型当聪明的实习生：它有能力但不了解你的背景。任务背景、输入材料、输出要求，说清楚了效果天差地别。
• 要求要具体可检验：不说"写得好一点"，而说"不超过 200 字、分三点、每点带一个例子"。

二、常用技巧

1. 角色设定：开头指定身份能快速校准语气和专业度。

你是一位有十年经验的 MySQL DBA，请用严谨的口吻回答。

2. Few-shot 示例：给几个"输入→输出"样例，模型会严格模仿格式，对结构化输出尤其有效。

把句子转成 JSON：
输入：今天北京晴，25度
输出：{"city": "北京", "weather": "晴", "temp": 25}

输入：明天上海小雨，18度
输出：

3. 思维链（Chain-of-Thought）：推理类问题加一句"让我们一步步思考"，或要求"先分析再给出结论"，正确率明显提升。本质是给了模型更多"思考 token"。

4. 分隔符包裹材料：用三重引号或 XML 标签把待处理文本包起来，避免模型混淆指令和内容：

请总结以下文章，100 字以内：
"""
{文章内容}
"""

5. 反向约束：明确说"不要做什么"和"不知道就回答不知道"，能有效抑制幻觉和废话。

三、踩过的坑

• 提示词不是越长越好：无关细节会稀释注意力，中间位置的内容容易被忽略（Lost in the Middle）。重要指令放开头或结尾。
• 同一个提示词在不同模型上效果差异很大，换模型后需要重新调优。
• 让模型"扮演专家"不能真的增加知识，只能改变表达风格——专业知识还是要靠 RAG 提供。

小结：提示词工程的核心是清晰沟通，技巧只是辅助。先想清楚自己要什么，再让模型知道。