你希望与AI高效交互，让它的输出更精准、更节省成本吗？掌握一套科学的Prompt编写技巧，就能助你达成目标。以下这份系统教程，将从零开始带你理解Prompt的核心原理，并学会实用的写作方法。

一、Prompt到底是什么？我跟模型说的每句话都是Prompt吗？

Prompt这个词，听起来像是“对模型说的一句话”，但实际上它有两种理解方式：

• 从广义角度看，你向大模型输入的任何内容，每句话都属于prompt，只要是输入就算。
• 从狭义角度看，在产品和代码开发中，prompt特指那些结构完整、包含任务描述和详细说明的“指令提示词”。

✅ 广义prompt涵盖你输入的所有话语，狭义prompt则是你精心编写的“角色剧本”。

此外，大模型不具备持久记忆，每次调用API时，实际上是将“完整的上下文”重新打包后发送进去。包括每句话、设定以及历史对话，都会被拼接到prompt中，作为整体“输入”提供给模型处理。

二、为什么prompt能“控制”大模型？

大模型并不真正“理解语言”，它只是借助attention机制对每个词赋予“重要性分数”，从而决定关注哪些信息以及如何生成后续内容。

比如你写了：

“你是一名律师，请用专业术语分析下面的案例...”

模型会给“律师”“专业术语”这些词打很高的attention分数，它就会优先参考这些词，再去判断后续该怎么输出。

所以：

Prompt是你给模型大脑贴上的“任务便利贴”，它的整个输出都会按照这张贴纸来“演绎”。

结构清晰、任务明确的prompt，attention得分高、引导性强，输出效果自然稳定可靠。

三、Prompt写得好，有什么用？

如果prompt写得模糊不清，模型理解偏差、输出废话、格式混乱，不仅浪费token，还可能给出错误答案，既白花钱又白搭时间。

相反，一个清晰高效的prompt可以让模型：

• 少走弯路，一次命中
• 说重点，少废话
• 按格式输出，方便解析

✅ 好的prompt = 成本更低 + 效率更高 + 答案更靠谱

写prompt，和写产品需求文档一个道理：你越清楚，对方越省事。

四、Prompt有结构吗？为什么不能随便写？

随便写一句“帮我处理下这个文本”，模型听不懂你到底要摘要、润色还是翻译。你给它一个“大任务”，它也会乱猜方向。

这是因为模型只关注token，并不知道哪些词最重要。你越明确地告诉它“你是什么角色、需要做什么、怎么做”，它的attention就越集中，输出效果就越稳定。

下面是一个常用结构：

你是一个[角色]，
请根据以下[背景信息]，
完成[任务目标]，
并按照[输出格式]回答。

✅ 结构清晰的prompt，不只是“看起来整齐”，而是“attention打分更高”，模型更容易“听话”。

五、有哪些实用写法与技巧？（我个人常用的调教套路）

以下是我自己用过最管用的技巧，适合调试、迭代和优化效果：

1. 明确任务（task-specific）：模型不会猜你想干嘛，你得具体告诉它是摘要？翻译？分类？
2. 设定角色（role-play）：明确告诉它你是谁，它就“扮演”谁的说话风格。
3. 限制格式 / 字数 / 风格：不说清楚，它就开始跑题、凑字、加寒暄。直接写清楚结构最靠谱。
4. 加反向约束（don’t do）：比如“不要寒暄”“不要重复问题”，要写出来，不然模型就会自动“加戏”。
5. 用伪代码写复杂逻辑：比如“如果包含A或B，则输出1，否则输出2”，模型反而理解得更清楚。
6. 写好示例（few-shot）：示例不要随便举，尽量涵盖你所有的要求，模型会模仿示例的格式和逻辑。
7. 调试时：定位问题：模型没听话，先看是不是你：

• 指令写得不清楚？
• 放的位置太靠后？
• 用词太绕了？
• 还可以要求模型列出思考步骤，看看是哪个指令没生效，哪里跑偏了

• 换成更直白的说法试试：比如把“尽量简洁”改成“不要超过20个字”，效果立刻不一样。
• 多模型适配不同写法：GPT、Claude、通义千问、Mistral各有偏好，prompt不能一套打天下。
• prompt的版本管理非常重要：不要一通乱改，看不到对比。用文档记录每次改动，才能“迭代调参”。
• 复杂任务拆成多步，甚至多机器人协作：一个模型搞不定，拆开三步走：提取 → 检索 → 回答，反而更稳。