提示工程（Prompt Engineering）是通过优化输入提示词来引导AI模型生成高质量输出的技术。掌握基础技巧能显著提升AI响应的准确性、相关性和实用性。
一、核心原则
1. 清晰性 > 复杂性
-
目标：让模型理解你的意图，而非考验它的理解能力
-
反例："写点东西"
-
正例："用3句话解释量子纠缠，让10岁孩子能听懂"
2. 具体性 > 模糊性
-
提供明确的约束条件（格式、长度、风格、受众）
-
反例："总结这篇文章"
-
正例："用200字总结这篇文章，包含3个核心观点，用 bullet points 呈现"
二、7大基础技巧
技巧1：角色设定（Role Prompting）
为AI分配一个专业角色，激活其对应知识领域。
公式 ：你是一位[专业角色]，请[执行任务]
示例：
❌ 普通提问：怎么学编程？
✅ 角色设定：你是一位有10年经验的编程导师，请为完全零基础的学习者制定3个月学习计划，每周学习5小时，要包含具体的学习路径和练习项目。代码场景：
String prompt = """
你是一位资深Java架构师，请审查以下代码，指出3个潜在的安全漏洞，
并用中文解释每个漏洞的危害和修复建议。
代码：
```java
public void processInput(String userInput) {
Runtime.getRuntime().exec(userInput);
}
```
""";技巧2：任务分解（Task Decomposition）
将复杂任务拆解为有序步骤，引导AI逐步思考。
公式 ：请按以下步骤完成任务：1. [步骤1] 2. [步骤2] 3. [步骤3]
示例：
分析以下销售数据并给出建议：
1. 首先提取2024年Q1-Q3的销售额和增长率
2. 然后识别增长最慢的3个产品线
3. 最后针对每个产品线提出1个具体的改进措施
数据：[附上CSV数据]技巧3：提供示例（Few-Shot Learning）
给出输入输出的范例，让AI模仿期望的格式和风格。
公式 ：示例1：输入→输出 示例2：输入→输出 现在处理：新输入→
示例：
将以下英文商品名翻译为中文，保持简洁：
示例1：
English: Wireless Bluetooth Headphones with Noise Cancellation
Chinese: 降噪蓝牙耳机
示例2：
English: Portable Fast Charging Power Bank 20000mAh
Chinese: 20000mAh快充充电宝
现在翻译：
English: Smart WiFi Security Camera with Night Vision
Chinese:技巧4：结构化输出（Structured Output）
强制AI返回JSON、Markdown表格等结构化格式，便于程序解析。
公式 ：请以JSON格式返回，包含以下字段：{"field1": "描述", "field2": "描述"}
示例：
从以下文本中提取实体信息：
"苹果公司由史蒂夫·乔布斯在1976年创立，总部位于加利福尼亚。"
请按此JSON格式返回：
{
"company": "公司名称",
"founder": "创始人姓名",
"year": "成立年份（数字）",
"location": "总部位置"
}Spring AI 代码示例：
String prompt = """
分析用户评论的情感倾向。
请以JSON格式返回，包含以下字段：
- sentiment: 情感类型（positive/negative/neutral）
- confidence: 置信度（0-1之间的小数）
- keywords: 关键词数组（最多3个）
评论："{0}"
""";
String jsonResponse = chatClient.prompt(prompt)
.param(comment)
.call()
.content();
// 解析JSON获取结构化数据技巧5：思维链引导（Chain-of-Thought）
在提示词中加入"请逐步思考"或"让我们一步步分析"，引导AI展示推理过程，显著提升复杂问题准确率。
公式 ：请逐步思考：[问题]
示例：
问题：一个农场有鸡和牛共30只，脚共88只，问鸡和牛各多少只？
请逐步思考并展示推理过程：
1. 设鸡有x只，牛有y只
2. 根据头数列方程：x + y = 30
3. 根据脚数列方程：2x + 4y = 88
4. 解方程组...
5. 得出答案技巧6：上下文隔离（Context Isolation）
使用分隔符（###, ---, XML标签）清晰划分指令、上下文和输入，避免混淆。
公式：
[指令部分]
--- 或 ###
[上下文/背景信息]
--- 或 ###
[待处理内容]示例：
请总结以下技术文档。
###
文档主题：Spring Boot 3.2 新特性
###
###
文档内容：
[粘贴长文档...]
###
###
总结要求：
- 用3个 bullet points
- 每个不超过20字
- 突出性能提升特性
###技巧7：边界约束（Constraints Setting）
明确限制输出格式、长度、风格等边界条件。
常用约束参数：
| 约束类型 | 示例 |
|---|---|
| 长度 | "用100字以内"、"生成5-7句话" |
| 格式 | "用Markdown表格"、"返回纯文本" |
| 风格 | "用正式商务语气"、"像朋友聊天" |
| 受众 | "面向产品经理"、"给5岁孩子讲" |
| 排除项 | "不要提及价格"、"避免技术术语" |
组合示例：
为LinkedIn撰写一篇帖子：
- 主题：宣布我们产品新功能
- 长度：150-200字
- 风格：专业但友好
- 必须包含：#AI #ProductUpdate 标签
- 禁止包含：具体价格信息三、进阶技巧组合
组合模式：角色 + 思维链 + 结构化输出
String advancedPrompt = """
你是一位资深数据分析师。
请分析以下销售数据，并：
1. 首先识别数据中的异常模式
2. 然后分析可能的原因
3. 最后提出3个可执行的建议
请逐步思考，并用以下JSON格式返回结果：
{
"anomalies": ["异常1", "异常2"],
"rootCauses": ["原因1", "原因2"],
"recommendations": [
{"priority": "high", "action": "具体行动1"},
{"priority": "medium", "action": "具体行动2"},
{"priority": "low", "action": "具体行动3"}
]
}
数据：
{0}
""";四、常见陷阱与避坑指南
| 陷阱 | 错误示例 | 正确做法 |
|---|---|---|
| 模糊指令 | "写得好一点" | "增加3个具体案例，语言更口语化" |
| 过度约束 | 同时限制10个条件 | 聚焦3-5个核心约束 |
| 缺少上下文 | "那个项目怎么样了？"（没有指明项目） | "关于客户A的CRM升级项目，目前进度如何？" |
| 假设模型知道 | "按老规矩生成报告"（模型不知道"老规矩"） | "按照附件模板格式生成报告，包含销售额、转化率、环比3个部分" |
| 忽视token限制 | 粘贴10万字长文让总结 | 先分段处理，或使用RAG检索相关内容 |
五、效果评估与迭代
5.1 A/B测试提示词
// 版本A：简单指令
String promptV1 = "总结这段文字";
// 版本B：结构化指令
String promptV2 = """
用3个bullet points总结，每个不超过15字：
{0}
""";
// 记录两个版本的响应质量和用户满意度5.2 自动化评估指标
-
相关性：输出是否回答了问题
-
准确性：事实是否正确
-
完整性：是否覆盖所有要求
-
格式合规性：是否遵循结构要求
六、实用工具与资源
6.1 提示词模板库
-
LangChain Hub：社区共享的提示词模板
-
PromptPerfect：自动优化提示词工具
-
Spring AI ：内置
PromptTemplate类
Spring AI 模板示例：
PromptTemplate template = new PromptTemplate("""
你是一位{role}，请为{audience}解释{topic}。
要求：{requirements}
""");
Map<String, Object> params = Map.of(
"role", "资深教师",
"audience", "初中生",
"topic", "光合作用",
"requirements", "用比喻，不超过100字"
);
String prompt = template.render(params);6.2 学习资源
-
书籍：《Prompt Engineering Guide》（免费在线版）
-
实践：Anthropic 的 Prompt Engineering Interactive Tutorial
-
社区：Discord 的 "Prompt Engineering" 频道
七、总结：黄金句式模板
万能模板：
你是一位[专业角色]。
请完成以下任务：[具体任务]。
要求：
1. [要求1]
2. [要求2]
3. [要求3]
工作步骤：
1. [步骤1]
2. [步骤2]
请以[格式]返回结果。
[上下文/输入内容]