AI入门——什么是提示词（Prompt）以及如何写好提示词？

AI入门------什么是提示词Prompt？

AI入门------什么是提示词Prompt？
- Prompt基本概念
- - [Prompt（提示词）：Agent 的「行动准则」](#Prompt（提示词）：Agent 的「行动准则」)
- 如何使用Prompt
- - Prompt的作用
- 如何写好Prompt
- - 写好Prompt的核心要素
  - 行业标准的共同点
  - [对写作类 Prompt 的建议](#对写作类 Prompt 的建议)
  - [对编程类 Prompt 的建议](#对编程类 Prompt 的建议)
  - [最容易写坏 prompt 的几个问题](#最容易写坏 prompt 的几个问题)
  - 实用口诀
- 优秀的Prompt示范

AI入门------什么是提示词Prompt？

Prompt基本概念

Prompt（提示词）：Agent 的「行动准则」

本质：Prompt不是大模型的能力来源而是大模型能力约束和行为准则。Prompt 先把"要做什么"说清楚，比如是回答问题、改代码、做调研，还是先规划后执行。没有这个目标约束，大模型很容易做出"看起来努力，但方向不对"的行为。所以Prompt不是简单的「问问题」，而是「结构化的指令集」------ 包含「角色定义 + 任务目标 + 执行规则 + 上下文 + 输出格式」。
核心作用：

① 定义 Agent 的「角色」（比如「你是一名电商客服 Agent，语气要友好」）；

② 明确「任务边界」（比如「只处理退货咨询，不回答价格问题」）；

③ 给出「执行步骤」（比如「先核实用户订单，再确认退货原因，最后生成退货链接」）；

④ 约束「输出格式」（比如「用 JSON 返回结果，包含订单号、退货原因、链接」）。

工作方式：

Agent 启动时先「读取 Prompt」，把 Prompt 作为「核心上下文」存入记忆，后续所有决策都基于 Prompt 的规则。

举个实际的 Prompt 例子（电商客服 Agent）：

plaintext 复制代码

角色：你是某电商平台的退货处理Agent，仅处理已付款订单的退货咨询。
规则：
1. 先向用户索要订单号，验证订单是否已付款；
2. 若未付款，告知用户「未付款订单无法退货」，结束对话；
3. 若已付款，询问退货原因，生成对应退货链接；
4. 输出格式：{"订单号":"xxx","退货原因":"xxx","退货链接":"xxx"}。

Agent 会严格按照这个 Prompt 的逻辑执行，不会偏离规则。

如何使用Prompt

Prompt的作用

下面以一个例子来说明使用prompt的好处，我们提问

Q：生成一个打印99乘法表的代码

AI：给你最常用、最简单的 99 乘法表代码，复制直接运行👇

Python 版（最简洁）

python

运行打印99乘法表

python 复制代码

for i in range(1, 10):
for j in range(1, i + 1):
    print(f"{j}×{i}={i*j}", end="\t")
print()

Java 版

java 复制代码

public class NineNineTable {
    public static void main(String[] args) {
        for (int i = 1; i <= 9; i++) {
            for (int j = 1; j <= i; j++) {
                System.out.print(j + "×" + i + "=" + (i * j) + "\t");
            }
            System.out.println();
        }
    }
}

C / C++ 版

cpp 复制代码

#include <stdio.h>
int main() {
    for (int i = 1; i <= 9; i++) {
        for (int j = 1; j <= i; j++) {
            printf("%d×%d=%d\t", j, i, i * j);
        }
        printf("\n");
    }
    return 0;
}

运行效果

plaintext 复制代码

1×1=1	
1×2=2	2×2=4	
1×3=3	2×3=6	3×3=9	
...
1×9=9	2×9=18	3×9=27	4×9=36	5×9=45	6×9=54	7×9=63	8×9=72	9×9=81

由于提问中缺少输出的限定（比如限定某种语言），AI会一下子给我们输出了python/java/c++三个版本，可能我们只需要java版本，白白浪费了python和c++的token；另一种场景可能大模型只输出c++不满足我们的要求。

下面我们对大模型的输出结果限定，只允许输出java版本，这时我们可以限定

Q：你是一名java开发工程师，生成一个打印99乘法表的代码

AI：好的，作为一名 Java 开发工程师，我为你提供规范、工整、可直接运行的 99 乘法表 Java 代码，注释详细、格式对齐，完全符合开发规范

java 复制代码

public class NineNineTable {
    public static void main(String[] args) {
        // 外层循环：控制行数 i 从 1 到 9
        for (int i = 1; i <= 9; i++) {
            // 内层循环：控制每行的列数 j 从 1 到 i
            for (int j = 1; j <= i; j++) {
                // 打印乘法公式，\t 是制表符，让格式对齐
                System.out.print(j + " × " + i + " = " + (i * j) + "\t");
            }
            // 每行结束后换行
            System.out.println();
        }
    }
}

运行效果（控制台输出）

plaintext 复制代码

1 × 1 = 1	
1 × 2 = 2	2 × 2 = 4	
1 × 3 = 3	2 × 3 = 6	3 × 3 = 9	
1 × 4 = 4	2 × 4 = 8	3 × 4 = 12	4 × 4 = 16	
......一直到 9×9

这时可以看到代码更加专业（类名、注释等）。但是代码风格还有一些差异，比如我们一般用通用日志组件如slf4j+log4j等替代控制台输出。我们可以继续加一些约束

Q：你是一名java开发工程师，生成一个打印99乘法表的代码，使用slf4j打印日志，并检测代码是否符合业界java代码编码规范
AI：符合业界规范的 Java 99 乘法表（SLF4J 日志版）
作为 Java 开发工程师，我为你编写企业级规范代码：
使用slf4j-api + logback-classic打印日志（业界标准日志方案）
严格遵循 Alibaba Java 开发手册 / Oracle 编码规范
类、方法、变量命名规范，注释完整，格式统一
可直接运行、无警告、无硬编码、结构清晰

java 复制代码

import org.slf4j.Logger;
import org.slf4j.LoggerFactory;

/**
 * 九九乘法表打印工具类
 * 遵循Java编码规范，基于SLF4J日志输出
 *
 * @author Java Developer
 * @date 2025-01-01
 */
public class MultiplicationTableGenerator {

    // 日志常量定义规范：static final + 类名.class
    private static final Logger logger = LoggerFactory.getLogger(MultiplicationTableGenerator.class);

    /**
     * 生成并打印99乘法表
     */
    public static void generateNineNineTable() {
        // 外层循环控制行数 1~9
        for (int i = 1; i <= 9; i++) {
            StringBuilder rowBuilder = new StringBuilder();

            // 内层循环控制每行的列数
            for (int j = 1; j <= i; j++) {
                // 格式化拼接每一项，保证对齐
                rowBuilder.append(String.format("%d*%d=%-2d\t", j, i, j * i));
            }

            // 使用SLF4J输出当前行日志
            logger.info(rowBuilder.toString().trim());
        }
    }

    public static void main(String[] args) {
        logger.info("===== 开始打印九九乘法表 =====");
        generateNineNineTable();
        logger.info("===== 九九乘法表打印完成 =====");
    }
}

依赖配置（Maven pom.xml）

必须引入依赖才能使用 SLF4J：

xml 复制代码

<dependencies>
    <!-- SLF4J 日志接口 -->
    <dependency>
        <groupId>org.slf4j</groupId>
        <artifactId>slf4j-api</artifactId>
        <version>2.0.9</version>
    </dependency>

    <!-- Logback 日志实现（业界标准） -->
    <dependency>
        <groupId>ch.qos.logback</groupId>
        <artifactId>logback-classic</artifactId>
        <version>1.4.11</version>
    </dependency>
</dependencies>

运行效果

plaintext 复制代码

[main] INFO  MultiplicationTableGenerator - ===== 开始打印九九乘法表 =====
[main] INFO  MultiplicationTableGenerator - 1*1=1
[main] INFO  MultiplicationTableGenerator - 1*2=2	2*2=4
[main] INFO  MultiplicationTableGenerator - 1*3=3	2*3=6	3*3=9
...
[main] INFO  MultiplicationTableGenerator - ===== 九九乘法表打印完成 =====

✅ 业界编码规范检查结果

命名规范

类名：大驼峰 MultiplicationTableGenerator
方法名：小驼峰 generateNineNineTable
常量：全大写 + 下划线

日志规范

使用 SLF4J 门面模式，不直接使用 log4j/jul
Logger 定义为 private static final Logger
禁止 System.out.println()，统一用日志输出

代码格式

缩进统一、空格规范
循环 / 代码块结构清晰
方法单一职责

注释规范

类注释、方法注释完整
关键逻辑添加说明

性能与优雅

使用 StringBuilder 拼接字符串（避免 String + 产生大量对象）
格式化输出保证排版整齐

可见大模型生成的代码已基本具备工程级规范了

如何写好Prompt

看完上面的案例后有一个问题：如何写好Prompt？

参考 Anthropic Claude、Cursor、OpenAI/ChatGPT 的官方提示词实践，可以把"写好 prompt"的核心总结为一句话：

把任务说清楚，把上下文给够，把边界定死，把结果定义好。

写好Prompt的核心要素

核心要素
目标明确
上下文充分
约束清晰
输出格式明确
评价标准明确
示例优先
任务拆解
任务拆解
告诉模型如何取舍

目标明确

不要只说"帮我优化一下"或"写一份文档"，要说清楚你到底要什么结果。好的 prompt 会回答这几个问题：

要做什么
为谁做
解决什么问题
最终产物是什么

例如：

弱：帮我写知识图谱文档

强：写一篇面向初学者的知识图谱 Markdown 文档，包含基础概念、应用场景，以及一个用 Neo4j 构建简单图谱的案例

上下文充分

Claude、Cursor、ChatGPT 的共同原则都是：模型不是读心术，缺什么就补什么。常见上下文包括：

背景信息
目标读者
使用场景
已有材料
技术栈 / 文件路径 / 约定
当前问题和限制

对 coding agent 尤其重要的是：

指定文件、目录、符号
提供报错信息
说明当前状态和已有尝试

约束清晰

好 prompt 不是"越开放越好"，而是要明确边界。

常见约束有：

不要改哪些内容
使用什么语言或框架
输出长度
风格要求
是否允许联网、安装依赖、改配置
是否需要兼容旧系统

例如：

plaintext 复制代码

使用 Markdown 输出
不要写成论文腔
代码示例使用 Cypher
不修改已有业务逻辑

输出格式明确

这是 OpenAI 和 Anthropic 都反复强调的重点。你越明确结果长什么样，模型越稳定。建议提前规定：

输出结构
标题层级
是否用表格
是否要代码块
是否要分步骤
是否要 JSON / Markdown / SQL / PRD

例如：

plaintext 复制代码

请按"概念介绍 / 核心组成 / Neo4j 案例 / 总结"四部分输出
每部分 3 到 5 个自然段
每部分 3 到 5 个自然段
所有代码放在代码块中

评价标准明确

最好的 prompt 不只是说"做什么"，还会说"什么算做好"。 这在 Claude Code、Cursor 这类 agent 场景里特别重要。

常见验收标准：

内容完整
逻辑清楚
可执行
没有编造
术语准确
示例能直接运行
风格符合受众

例如：

plaintext 复制代码

文档要让零基础读者也能看懂
Neo4j 示例要能直接复制执行
避免空泛定义，尽量用例子解释

示例优先

Anthropic 和 OpenAI 都很强调 few-shot examples。如果你对输出风格有明确预期，最有效的方法往往不是"描述"，而是"给例子"。

适合给示例的场景：

固定格式输出
特定语气
特定风格文案
特定代码模式
审核标准

原则是：

少量但高质量
与目标任务高度相似
示例本身不要含糊

任务拆解

Cursor 和 Claude Code 这类 agent 对"分步骤任务"通常响应更稳。复杂任务尽量拆成几个阶段：

先理解
再规划
再执行
最后验证
例如：

plaintext 复制代码

先总结知识图谱基础知识
再设计一个最小 Neo4j 图谱模型
最后生成 Markdown 文档

告诉模型如何取舍

这是很多人忽略的一点。一个优秀 prompt 会说明优先级。例如：

优先准确，其次简洁
优先可执行，其次完整
优先保守，不要猜测
如果信息不足，先提问，不要强行输出

这能显著减少"看起来很完整但其实不可靠"的回答。

行业标准的共同点

如果把 Claude、Cursor、ChatGPT 的官方建议压缩一下，共同点基本是这 6 条：

清晰直接：不要绕，不要含糊
上下文充足：给背景、材料、限制
结构化表达：分块、分步骤、加分隔
指定输出：格式、长度、风格、字段
必要时给例子：比抽象描述更有效
可验证：说明什么结果才算成功

对写作类 Prompt 的建议

如果你是写文档、方案、汇报、文章，重点是这几个维度：

目标读者是谁
文风是什么
深度到什么程度
是否要案例
是否要结合行业背景
是否要结论导向
一个写作类 prompt 模板可以写成：

plaintext 复制代码

你是一名[角色]，请为[目标读者]写一篇关于[主题]的内容。
目标：
- [希望解决的问题]
- [最终产物]
要求：
- 输出格式：[Markdown / PPT 提纲 / 报告]
- 风格：[专业 / 通俗 / 简洁]
- 篇幅：[字数或章节数]
- 必须包含：[A、B、C]
- 不要包含：[D、E]
验收标准：
- [什么算写得好]
- [是否需要案例、图表、代码]

对编程类 Prompt 的建议

如果你面对的是 Cursor、Claude Code 这种 coding agent，prompt 里建议多补这几类信息：

目标文件或目录
要改什么，不要改什么
当前错误信息
技术约束
期望验证方式
是否允许新增依赖
是否需要先分析再改

一个更适合 coding agent 的模板：

plaintext 复制代码

目标：
- 修复[具体问题]
上下文：
- 项目技术栈：[例如 React + TypeScript]
- 相关文件：[路径]
- 当前报错：[完整报错]
- 已尝试：[可选]
约束：
- 不要修改[某些模块]
- 不要新增依赖
- 保持现有接口不变
输出要求：
- 先说明原因
- 再给修改方案
- 最后给验证方法
验收标准：
- [页面/接口/测试]恢复正常
- 不引入新的 lint 或类型错误

最容易写坏 prompt 的几个问题

目标太大：一句话里塞 5 个任务
描述太空：只有"优化一下""完善一下"
上下文缺失：不说对象、不说场景、不说约束
格式不定：导致输出忽长忽短、结构混乱
没有验收标准：模型不知道你更看重准确、速度还是完整
一次要求太多风格：既要专业又要口语化，既要简洁又要全面，容易冲突

实用口诀

你可以用这个简单框架来检查自己的 prompt：

任务 + 背景 + 约束 + 输出 + 标准

对应 5 个问题：

要做什么
基于什么信息
不能越过哪些边界
最终怎么输出
什么算完成得好

优秀的Prompt示范

github Prompt-Engineering-Guide ：https://github.com/dair-ai/Prompt-Engineering-Guide