Prompt 工程入门：让大模型稳定听懂你的指令
角色设定 · 上下文 · 示例 · 思维链 · 结构化输出 · 2026 实战模板
一、写好提示词的五要素
- 角色（Role）：给模型一个身份，例如「你是一位有十年经验的跨境电商运营」，角色能显著收窄回答的语气与知识边界。
- 任务（Task）：用一句动词开头的指令说清要做什么，避免「帮我看看这个」这类模糊表达。
- 上下文（Context）：提供必要的背景、目标读者、约束条件。信息越贴合真实场景，输出越可用。
- 格式（Format）：明确要列表、表格还是 JSON，并给一个样例，模型会严格照做。
- 禁忌（Constraints）：写清「不要做什么」，比如不要编造数据、不要超过 200 字、不要使用专业术语。
二、通用模板（可直接复制）
角色：你是一位{职业/身份}。
任务：{用一句话描述要做什么}。
上下文：{背景、受众、已有材料}。
输出格式：{列表 / 表格 / JSON，附示例}。
禁忌：{不要编造、不要超字数、不要……}。三、进阶技巧
1. 思维链（Chain-of-Thought）
面对计算、推理、多步决策类任务，加一句「请一步步思考后再给出结论」，能让准确率明显提升。代价是输出更长、更慢，简单任务不必用。
2. 少样本示例（Few-shot）
在提示里放 2-4 个「输入→输出」范例，往往比长篇规则更有效。范例要覆盖典型与边界情况，且彼此一致。
3. 结构化输出
需要程序消费结果时，强制要求 JSON 并给出字段定义；若 API 支持 response_format 等结构化参数，优先用它而非纯自然语言约束。
四、常见问题
什么是 Prompt 工程？为什么需要它？
Prompt 工程是指通过对输入指令的结构化设计，引导大语言模型稳定产出符合预期结果的技术。模型能力强但「不懂潜台词」，同样的诉求不同写法结果天差地别，写好提示词是用好模型的最低成本杠杆。
思维链（CoT）是什么，什么时候用？
思维链是让模型在给出答案前先输出推理步骤的技巧，常用句式是「一步步思考」。它显著提升数学、逻辑、多步规划类任务的准确率，但对纯格式转换等简单任务反而拖慢且多余。
怎样让模型稳定返回 JSON 等结构化结果？
明确告知输出格式并用示例约束，例如「只返回一个 JSON 对象，字段为 title 与 summary，不要任何解释文字」。复杂场景配合支持结构化输出的 API 参数（如 response_format）更稳。
少样本（few-shot）示例怎么写最有效？
给 2-4 个与真实任务分布一致的「输入-输出」范例，比单纯描述规则更可靠。示例要覆盖边界情况且具有代表性，避免互相矛盾的样例。
Prompt 越长越好吗？
不是。冗长且堆砌无关约束会降低遵从度并浪费 token。好的提示词是「必要信息密度高」：角色、任务、上下文、格式、禁忌各一行，能短则短。
Prompt 工程需要懂编程吗？
基础用法不需要，会写清楚中文指令即可；但要批量调用或与业务系统结合，就需要通过 API 把提示词工程化、模板化。
不同模型对提示词敏感度一样吗？
不一样。能力越强的模型越能理解松散指令，小模型则更依赖结构化、少样本。同一套提示建议在不同模型上各测一遍。
提示词要每次都重写吗？
高频场景应沉淀为模板变量，仅替换动态部分，既稳定又可版本化管理。