一、核心概念理解
1.1 什么是Prompt（提示词）
Prompt 是你提供给AI模型（如ChatGPT、Claude等）的输入指令或问题，它就像一把"对话密码"或"操作指南"，通过精准描述任务、背景、格式等要求，引导模型生成你所需的输出。([0†])
简单来说：Prompt就是你和AI对话时输入的内容，它的质量直接决定了AI回答的质量。
1.2 Prompt Engineering（提示词工程）
Prompt Engineering 是一门通过精心设计和优化输入提示来引导模型生成更准确、更有用输出的技术和方法。它不仅仅是"如何提问"，而是系统化的工程实践。([2†])
核心区别：
- Prompt：具体的指令或问题（名词）
- Prompt Engineering：设计和优化提示词的方法论（动名词）
1.3 为什么Prompt如此重要？
- 效能杠杆：优质的提示词能使同样的AI模型输出准确性提升数倍
- 应用落地：将尖端技术转化为实际生产力
- 行为准则：通过约束输出格式、注入领域知识确保AI生成内容安全合规
二、Prompt的基本构成元素
一个完整的Prompt通常包含四个核心元素：([6†])
| 元素 | 说明 | 示例 |
|---|---|---|
| 指令（Instruction） | 希望模型执行的具体任务 | "请总结以下文章" |
| 上下文（Context） | 背景信息或外部知识 | "你是医学教授，精通中英文" |
| 输入数据（Input） | 用户的具体问题或内容 | "成年人如何缓解焦虑？" |
| 输出指示（Output） | 期望的输出格式或风格 | "按照问题分析+解决方案格式输出" |
实战示例：
角色：你是一位资深产品经理 任务：为25-30岁女性写一篇小红书美白精华种草文案 细节：突出烟酰胺+VC衍生物成分，搭配28天提亮1个度数据 输出：小红书文章格式，使用至少2个emoji，引导用户购买三、Prompt设计的黄金法则
3.1 七大核心原则 ([14†])
清晰明确：避免模糊表述，具体描述需求
- ❌ 错误："给我写个文案"
- ✅ 正确："为25-30岁女性写一篇小红书美白精华种草文案，突出烟酰胺成分"
简洁明了：去除冗余信息，突出重点
- 避免重复描述同一意思
- 使用简单直接的语言
结构化：使用框架组织内容
## 角色： 你是一名三甲医院医生 ## 任务： 撰写护肝科普文章 ## 要求： - 分三部分：肝损伤征兆→护肝饮食→熬夜护肝技巧 - 语言严谨但亲切 - 引用专业数据具体化：提供详细描述，避免歧义
- ❌ "输出一张漂亮的图片"
- ✅ "输出一张田园风格图片，画面中有大树、穿花格子衣服的18岁女孩，仰望湛蓝天空，比例1:1"
直接正面：告诉模型"要做什么"而非"不要做什么"
- ❌ "不要询问个人信息"
- ✅ "如果没菜品可推荐，回复'抱歉暂无菜品，可查看其他菜单'"
提供示例（Few-shot）：给模型展示期望的输出格式
文本1：Stripe提供API供开发者集成支付功能 关键词1：Stripe, 支付处理, API, 网站开发 文本2：OpenAI训练最先进语言模型 关键词2：OpenAI, 语言模型, 文本处理, API 文本3：{你的文本} 关键词3：迭代优化：不断实验和改进
- 从简单提示开始
- 逐步添加元素
- 记录实验结果
- 持续调整优化
