Prompt 工程从入门到精通掌握这 50 个技巧让你的模型输出质量翻倍Prompt 工程被太多人误解为跟 AI 说话的艺术。它不是艺术是控制工程。你在设计 Prompt 的时候本质是在给一个非确定性的推理引擎设置约束条件——控制它的输出格式、保证它的信息准确性、限制它的行为边界。这篇文章整理了 50 个 Prompt 技巧按层次组织基础技巧格式控制、进阶技巧推理增强、高级技巧系统设计。掌握了前 20 个你的 Prompt 质量就能超过 80% 的从业者。一、深度引言与场景痛点很多人的 Prompt 在结构清晰度和约束明确性上就已经不及格了。一段散乱的描述 一句请回答这不算 Prompt算是许愿。二、底层机制与原理深度剖析格式控制1-5先定义角色再给任务。你是一个经验丰富的 Python 后端工程师比请帮我写代码效果好 30%。用分隔符标记不同部分。用### 任务、### 约束、### 示例将 Prompt 分区。模型能更好地区分不同信息的优先级。输出格式要示例化。请返回 JSON 格式不如给一个完整的 JSON 示例。指令用肯定句式。请用简洁的语言比不要啰嗦更有效。否定句容易让模型关注被否定的概念。设置长度约束。回答不超过 300 字或用 3 个要点总结。没有长度约束模型倾向于过度生成。推理控制6-10强制分步骤推理。请一步步思考或Step 1: ... Step 2: ...触发模型的 Chain-of-Thought 能力。先分析再回答。对于分析类问题要求模型先列出关键因素再给出结论。要求解释推理过程。请在回答后附上你的推理依据能提高答案可靠性。设置不确定性表达。告诉模型如果你不确定请直接说我不确定。防止幻觉。使用对比式提示。请对比方案 A 和方案 B 的优缺点比分析方案 A更结构化。信息准确性11-15要求引用原文。请从提供的文档中引用原文来支持你的回答。分段提供信息。长文档分段输入每段标注来源。模型更容易定位信息。设置知识截止边界。你只需要基于 2024 年之前的信息回答。要求标注置信度。请对你的每条结论标注置信度高/中/低。禁止猜测。如果信息不足请直接说明不要编造。行为约束16-20设置回答风格。请用非技术人员的语言解释或请给出可直接执行的代码。定义不回答的情况。如果问题涉及个人隐私请回复无法回答。限制操作范围。你只能回答关于 Python 的问题其他问题请回复不在知识范围内。设定安全性规则。不要生成可执行的危险代码用伪代码代替。设置互动模式。在给出最终答案前先确认你是否理解了我的问题。三、生产级代码实现Few-shot 示例的多样性。至少给 3 个示例覆盖简单、中等、困难三种情况。正例 反例。不仅展示正确输出也展示错误输出并说明为什么错。Chain-of-Verification。先回答问题然后逐条验证你的回答是否基于提供的信息。Self-Consistency。对复杂问题要求模型从 3 个角度分别回答再综合。ReAct 模式。思考 → 行动 → 观察 → 思考循环适合需要工具的 Agent 场景。动态 Few-shot。根据输入问题的类型从数据库中检索最相似的示例加入 Prompt。思维树 (Tree of Thoughts)。要求模型生成多个推理路径评估每条路径选择最佳路径。约束放宽策略。先给严格约束如果无法满足逐步放宽约束。反向推理。如果你认为答案是 X哪些条件必须为真请逐一检查。错误注入测试。在 Prompt 中故意加入一个错误信息测试模型能否识别。多轮对话压缩。长对话中用摘要替代历史消息保留关键决策点。条件式 Prompt。根据前一轮的输出动态调整下一轮的指令。角色嵌套。你是一个架构师请评审这个工程师的方案。对比锚定。请参照示例 A 的风格回答但内容要更技术化。梯度化指令。最重要的是格式正确其次是内容完整最后是语言优美。四、边界分析与架构权衡Prompt 版本管理。像管理代码一样管理 Prompt用 Git 追踪修改、打 Tag。A/B 测试 Prompt。上线前在评测集上对比新旧 Prompt 的效果差异。Prompt 温度敏感度分析。对同一个 Prompt测试 temperature0、0.3、0.7、1.0 的输出差异。模型迁移测试。用同一个 Prompt 在不同模型上测试了解 Prompt 的泛化能力。Prompt 长度优化。逐句删除 Prompt 内容找到最少必要信息的临界点。元 Prompt。用一个 LLM 来优化另一个 LLM 的 Prompt。Prompt Chaining。将一个复杂任务拆成多个子任务每个子任务有独立的 Prompt。动态 Prompt 模板。用 Jinja2/Handlebars 管理 Prompt 模板支持变量替换和条件渲染。Prompt 缓存策略。对于系统 Prompt使用 LLM 的 Prompt Caching 功能降低延迟和成本。安全 Prompt 防护层。在用户输入前和模型输出后各加一层安全 Prompt过滤注入和有害内容。多语言 Prompt。不同语言的 Prompt 会产生不同的输出质量。重要场景用英文 Prompt。时间感知 Prompt。在 Prompt 中加入当前时间让模型知道现在是什么时候。上下文窗口管理。记录每次对话的 Token 使用量超限时自动压缩或截断。Prompt 性能监控。记录每个 Prompt 的平均延迟、成功率、用户满意度建立基线。Prompt 灾难恢复。为主 Prompt 准备一个降级 Prompt更简短、约束更少当主 Prompt 超时或失败时使用。五、总结import re from dataclasses import dataclass from typing import Optional dataclass class PromptQualityReport: has_role: bool has_constraints: bool has_examples: bool has_output_format: bool character_count: int issues: list[str] score: int # 0-100 class PromptAuditor: def __init__(self): self.required_sections [ 角色, 任务, 约束, 输出格式 ] self.forbidden_words [随便, 你看着办, 随便回答] def audit(self, prompt: str) - PromptQualityReport: issues [] score 100 # 检查角色定义 has_role any( kw in prompt for kw in [你是, 你是一个, 作为一名] ) if not has_role: issues.append(缺少角色定义) score - 20 # 检查约束 has_constraints bool(re.search( r(不要|禁止|必须|只能|限制|约束), prompt )) if not has_constraints: issues.append(缺少行为约束) score - 15 # 检查示例 has_examples bool(re.search( r(示例|例如|比如|Example), prompt )) if not has_examples and len(prompt) 200: issues.append(长 Prompt 建议添加示例) score - 10 # 检查输出格式 has_output_format bool(re.search( r(格式|JSON|Markdown|列表|表格|用.*回复|以.*形式), prompt )) if not has_output_format: issues.append(未指定输出格式) score - 10 # 检查禁用词 for word in self.forbidden_words: if word in prompt: issues.append(f包含模糊指令: {word}) score - 10 # 检查长度 if len(prompt) 50: issues.append(Prompt 过短 (50 字符)) score - 10 elif len(prompt) 4000: issues.append(Prompt 过长 (4000 字符)) score - 5 return PromptQualityReport( has_rolehas_role, has_constraintshas_constraints, has_exampleshas_examples, has_output_formathas_output_format, character_countlen(prompt), issuesissues, scoremax(0, score), )六、总结50 个 Prompt 技巧的核心可以浓缩为五句话告诉它你是谁角色定义告诉它做什么任务描述告诉它怎么做步骤分解告诉它不能做什么约束限制给它看正确的样子Few-shot 示例五句话都做到你的 Prompt 已经超过了 90% 的人。剩下的都是锦上添花。Prompt 工程的终极目标不是写出最复杂的 Prompt而是用最精炼的 Prompt 获得最稳定的输出。大道至简Prompt 亦然。资料说明本文中的协议、版本、性能、成本和行业趋势应以可核验的一手资料为准。未标注统计口径的比例、时间表和预测仅作工程讨论不应视为行业事实。可参考 0730 资料来源索引并在发布前将具体来源贴到对应断言之后。