掌握Augment官方推荐的11种提示词技巧，让你的AI编程智能体成为得力助手。在现代软件开发中，Prompt Engineering（提示词工程）已经成为一项核心技能。你提供给AI智能体的prompt（提示词）不仅决定了它的规划方式、使用工具的方式，也决定了它是能顺利构建代码还是会破坏你的整个流程。往往只需一些细微改变——比如多加一条上下文、澄清一个约束条件或调整指令顺序——就能带来准确性和可靠性的大幅提升。

本文总结了我们在Augment Code打造自治AI智能体时所用的实践技巧，帮助大家构建出像严谨队友一样工作的AI，而不是只会“瞎编乱码”的工具。文中的示例主要围绕编码型智能体，但这些方法大多具有普适性。本文详解11种提示词技巧，让你直接获得这些实用经验。

什么是提示词工程？

一个AI智能体的Prompt包括提供给模型的所有输入内容。其中常见的几个组成部分有：

• 系统提示（System prompt）

• 工具定义（Tool definitions）

• 工具输出（Tool outputs）

• 用户指令（User instructions）

• 模型在之前对话回合中的输出

提示词工程指的就是，通过给模型提供更好的Prompt，来让它在特定任务上发挥更好表现的艺术。我们可以对提示的所有部分进行改进，比如：

• 在系统提示词中加入通用性指令，以引导模型朝不同的回复风格或自主度前进

• 在工具定义中向模型解释在什么情况下应该或不应该使用该工具

• 在工具输出中告知模型错误信息或异常状态

• 在把用户指令展示给模型前，对其进行重写（提示增强）

• 对过去模型输出内容进行压缩或截断，从而节省tokens，让更多的对话历史能放进上下文窗口。而截断的方式也会影响最终质量

如何看待模型？

模型是（人造的）智能体。给模型下指令更像是和一个人对话，而不是编程操控计算机。模型对世界的理解只基于提示中包含的内容。你给它的世界信息越完整、越一致，它的表现往往也就越好。

我们看到的是一个自然语言界面，这和我们平时接触的编程语言界面是分开的。最好把语言模型（LM，区别于我们平常的大语言模型LLM）的接口当作一个真实的抽象层来看待：我们不仅可以在这里获取到“理想化的输出”，也可以在这里反馈错误、发送变更提醒等——和模型进行充分的沟通。

举个例子：

• 如果模型错误地调用了某个工具，不要在智能体的代码中抛出异常，而是返回一个工具的结果，说明错误原因：工具被调用时缺少必须的参数xyz。这样模型就能自行纠正并重新尝试。

如何评估提示词？

如果目标是让模型执行非常具体的任务，自动化评估提示往往就不再困难。但在大多数场景下，需要通过人为设计一些场景来测试提示在各方面的表现，并检查在某些特定示例中是否会出现退化现象。

一个能说明问题的例子是：Augment Code 通过同样的提示工程手段，拿下了 SWE-bench开放源代码排名第一（官方验证），从而可以看到这些评估方法的实际效果。

提示工程技巧：11种核心方法

按照以下提示词技巧，你们就能解锁AGI级别的AI编程体验。

1. 首先专注于上下文

在提示词工程中，最重要的一点是为模型提供最优质的上下文信息：也就是用户真正需要给模型的内容，而非我们自行添加的文本。这些上下文信息通常是模型最主要的信号来源。

当前的模型非常擅长从大段内容中提取有用的部分。所以，如果有疑虑，宁愿多给一些信息，只要能保证其中包含了对模型有帮助的、与任务相关的上下文。

在设计提示时，你应该问自己的第一个问题是：“提示中是否包含了所有可能相关的信息？出现的可能性有多大？” 这个问题并不总是好回答。

举个例子：

• 当我们想要把很长的命令输出截断后再提供给模型时，截断的方法很重要。通常情况下，我们会截断末尾部分。但对于命令输出来说，前缀和末尾信息往往最关键；比如崩溃时的堆栈信息通常在最后。所以，为了让模型尽可能拿到最有用的信息，可考虑在中间部分进行截断，而把开头和结尾都保留给模型。