Prompt Engineering实战：写出好提示词的10个黄金法则

Prompt Engineering实战：写出好提示词的10个黄金法则

Prompt Engineering（提示工程）虽然被很多人调侃为"咒语学"，但写出好的提示词确实是一门值得掌握的技能。这里有10个经过实践验证的黄金法则。

第一，明确角色。给模型设定一个角色，比如"你是一位经验丰富的产品经理"。角色设定可以让模型的回答更加专业和一致。

第二，提供上下文。不要假设模型知道你在想什么。提供足够的背景信息，比如"我正在为一个面向25-35岁都市白领的健康管理App设计功能"。

第三，具体说明输出格式。如果你需要特定格式的输出，明确说明。比如"请以Markdown格式输出，包含标题、要点和总结三个部分"。

第四，使用示例（Few-shot）。提供几个输入-输出的示例，让模型理解你想要的模式。示例的效果通常比冗长的说明更好。

第五，分解复杂任务。对于复杂的任务，分解成多个步骤。比如"第一步，列出所有可能的方案；第二步，分析每个方案的优缺点；第三步，给出推荐和理由"。

第六，设定约束条件。明确告诉模型什么不应该做。比如"请不要使用专业术语，用通俗的语言解释"。

第七，鼓励逐步思考。对于需要推理的任务，在提示词中加入"请一步步思考"。这可以显著提升模型在数学和逻辑问题上的表现。

第八，迭代优化。第一次写出来的提示词很少是完美的。根据模型的输出不断调整提示词，记录每次修改的效果。

第九，利用分隔符。使用XML标签、三引号等分隔符来组织提示词的不同部分，让模型更容易理解结构。

第十，测试边缘情况。不要只在"正常"输入上测试，还要测试边界情况、错误输入、模糊问题等，确保提示词在各种情况下都能给出合理的输出。

掌握这10个法则，你就能写出质量远超平均水平的提示词。记住，Prompt Engineering的核心不是" tricks "，而是清晰的沟通和精确的表达。