提示词工程[Prompt Engineering]

什么是提示词工程

提示词工程（Prompt Engineering）就是一门关于如何构造和精炼你的提示词的艺术和科学，目的是最大化 AI 模型的性能，让它产出更符合你需求的、高质量的输出。

提示词工程的跨时代意义

随着LLM发展，传统的代码编写方式正在被Vibe Coding所冲击，程序开发从编写语句变为了与AI用自然语言进行交互，这不仅降低了开发门槛，同时也大大提升了开发效率。在Vibe Coding环境下，提示词工程很有可能取代当前的软件工程，成为所有开发者学习的主流。

LLM原理

LLM本质是预测下一个字的模型,给定一段文字(prompt)，它逐字预测最可能出现的下一个字,一直生成，直到结束就是它一路猜字猜出来的完整句子。
所以Prompt 越清晰，模型越容易猜到你期望的那串文字。

Prompt要素

由于LLM对于使用者来说可以算是一个黑盒，所有Prompt的输出结果都不是确定的，并不存在百分百正确的Prompt，但是根据训练LLM所用的文本，和大家一起试出来的方法论，总结出了能够一定程度上控制结果输出的要素。

角色（Role）

给模型一个身份，它就知道用什么语气、知识、视角回答。
例如你是资深产品经理，你是专业文案
可以控制回答的语气，知识，和看待问题的视角

输入信息（Input）

输入信息就是你给模型的原始材料，一般包含问题描述，也可以是代码片段，文本，需求，数据。

任务（Task）

明确你所需要模型所做的事情，例如总结，回答，翻译等等
一般任务描述要具体，具有唯一性，这样更可能得到你所想要的回答

输出要求（Output）

描述你所需要的输出格式，长度，风格，结构，可以很好的控制模型的输出，例如表格、字数、结构。

约束（Constraints）

告诉它不能做什么、必须避免什么。类似于反向提示词，可以去除你不想要的回答。

提示词模版

角色：你是一位[专业身份]。
任务：帮我[核心动作]。
背景：[场景、目的、受众]。
输入内容：
[粘贴你的内容]
输出要求：
- 格式：[分点/表格/段落/代码]
- 风格：[正式/口语/简洁/详细]
- 字数：[xx字左右]
约束：
- 不要[xxx]
- 必须[xxx]

施工中