一、提示词工程：测试工程师的新基建
在大模型时代，测试开发工程师想要利用大模型技术，主要有四种方案：训练模型、微调模型、RAG和提示词工程。作者用吴恩达老师训练小狗的例子来解释这四种方案的区别，非常形象。
训练模型 就像家里刚刚领养了一只小狗，教会它理解"坐、卧、站、走"等基础指令。微调模型 则相当于让已经学会基础指令的小狗再学习导盲犬的专用技能，比如过路口看交通信号灯。RAG 像是和小狗玩"找球"游戏------发出指令后，小狗在草地上搜寻并把球叼回来，这个"检索并增强"的过程正是RAG的核心。而提示词，就是我们告诉小狗要干什么的指令。
在这四种方案中，提示词工程是最容易上手、投入少回报大的选择。正如作者所说，构建一个好的提示词从调试到见效，最短几分钟、最长也就几小时。
二、提示词工程的核心定义
作者引用了ChatGPT对提示词的定义，非常精辟：
给定的向量空间里，构造一条"最短路径"，把你的意图投影到模型可操作的子空间，并确保解码器沿这条路径，回到你想要的语义出口。
通俗来说，提示词工程就是通过设计你的问题和要求，来最有效地"唤醒"模型里相关的知识，引导它朝着你期望的方向生成回答。它是一整套方法论和过程，研究如何系统性地设计、优化和组合问题，以达到最佳效果。
三、三种最有效的提示词实践方法
作者通过不断实践，总结出三种最有效的提示词方法：
1. 零样本提示词（Zero-shot）
直接问大模型问题。随着模型能力的提高，作者认为零样本提示词最终会成为"终极提示词工程实践"------简单直接，不需要任何示例。
2. 少样本提示词（Few-shot）
当你直接问大模型问题回答得不好时，可以在提示词里先举一个例子，告诉它应该怎么做，大模型会自己"举一反三"完成新任务。少样本提示词往往还需要加一个技巧：角色催眠------告诉大模型它是什么角色，例如"你是一位资深的财务软件测试专家"。这相当于在大模型的向量空间里找到了一个特定的语义出口，让解码器沿着这个"资深专家"的路径预测下一个Token。
3. 思维链提示词（CoT，Chain of Thought）
将一个大问题分解成几个小问题，逐个反馈后得到全部问题的答案。使用思维链时，作者也推荐加入角色催眠的方法，可以让大模型的反馈更准确。
四、思维链实战：设计测试用例
作者举了一个非常详细的例子------用思维链方式设计地铁购票系统的测试用例：
需求背景：地铁车票自助购票软件系统只接收5元或10元纸币，一次只能使用一张纸币，车票面值有5元和10元两种。
通过思维链方式，提示词被分解成明确的步骤：
- step1：对输入参数进行等价类划分（有效等价类和无效等价类）
- step2：将等价类转化成测试用例
作者还将完整的系统提示词和Python代码实现都展示了出来，最终生成的结果"和教科书上的内容一模一样"。这个案例充分说明了好的提示词可以成为测试工程师的得力助手。
四步法：写提示词的精髓
作者在学习了各种提示词框架后，化繁为简，总结出写提示词只需要讲清楚四个要素：
- "你是谁" → 角色催眠
- "你在哪" → 当前的一些约束条件
- "要干什么" → 需要解决的问题（如果复杂可以对问题分解，引入思维链引导）
- "怎么告诉我" → 告诉大模型返回的格式（JSON、XML还是Markdown）
作者还分享了他习惯的提示词写法------使用类似Python伪代码的结构，把测试能力相关的提示词写成函数和调用的形式。这种方式非常适合测试开发工程师，因为我们可以把一个大的需求分解成几个小的逻辑片段，通过封装类和方法来解决。
不过作者也强调：不用拘泥于提示词的写法，可以像写文章一样写，也可以像写代码一样写，还可以使用JSON、XML等方式。任何形式都是为了更好地分解问题，本质上都是在"调试"和"校准"大模型的理解过程。
总结
作为测试开发工程师，我们应该如何掌握提示词工程？
记住一个核心定义：提示词工程是在给定的向量空间里，构造一条"最短路径"把你的意图投影到模型可操作的子空间，并确保解码器沿这条路径，回到你想要的语义出口。记住这个定义，就能时刻提醒我们怎么写提示词才能有效。
掌握四个关键要素："你是谁、你在哪、要干什么、怎么告诉我"。这四个要素可以帮你在利用大模型解决工作问题时事半功倍。
不要被框架束缚。虽然现在有COSTAR、CRISPE等各种提示词框架，但提示词工程没有固定的形式和套路。最重要的是找到你最熟悉的描述问题、分解问题的方式，形成自己的实践风格。
正如作者在课程最后所说：提示词工程就是不破不立，你要忘记各种提示词框架才能找到最适合你的提示词的写作方式。在后续的课程中，提示词工程会一直贯穿始终，无论是赋能接口测试还是Agent开发，希望每位测试工程师都能尽快找到自己熟悉的提示词写作方式。