Prompt工程技巧

🎯 三层Prompt技术框架

基础层：让模型听懂你的话

1. Zero-shot（零样本提示）

复制代码

请解释什么是微服务架构。

适合：简单任务或常识性问题
优点：简单直接
缺点：复杂任务效果不稳定

2. Few-shot（少样本提示）

erlang 复制代码

请根据以下示例风格，为新产品写描述：

示例1：
产品：无线蓝牙耳机
描述：戴在耳朵上的小宇宙，音质清晰得像在现场听演唱会...

示例2：
产品：便携咖啡机
描述：把咖啡馆装进背包...

现在请为"智能保温杯"写一个产品描述。

适合：需要特定格式或风格的输出
关键：示例质量要高，数量2-5个就够

3. Role Prompting（角色提示）

erlang 复制代码

你是一位有10年经验的后端架构师，擅长性能优化和系统设计。
请分析以下代码的性能问题...

作用：约束输出风格和专业程度
技巧：角色设定要具体，不要只说"你是专家"

4. 结构化输出

javascript 复制代码

请以JSON格式输出：
{
  "product_name": "产品名称",
  "price": "价格",
  "features": ["特性列表"]
}

适合：数据提取、对接下游系统
效果：大大提高输出可用性

推理层：让模型"会思考"

1. Chain-of-Thought (CoT) 思维链

Zero-shot CoT（最简单）：

复制代码

请一步步思考这个问题，然后给出答案。

Few-shot CoT（更稳定）：

css 复制代码

问题：小明有5个苹果，给了小红2个，又摘了3个。现在有几个？
推理过程：开始有5个 → 给小红2个剩3个 → 摘了3个共6个
答案：6个

现在请用同样的方式解决：
[你的问题]

CoT适用场景：

✅ 数学推理和逻辑分析
✅ 多步骤任务规划
✅ 代码生成中的问题分析
❌ 简单问题（不需要多步推理）

2. ReAct框架（推理+行动循环）

ini 复制代码

Thought: [当前需要做什么]
Action: search("[搜索内容]")
Observation: [搜索结果]
... (循环直到找到答案)
Final Answer: [最终答案]

ReAct vs CoT关键区别：

维度	CoT	ReAct
信息来源	模型内部知识	内部知识 + 外部工具
推理方式	纯思考	思考 + 行动交替
适用场景	已有足够信息	需要检索、调用工具
成本	单次调用	可能多次调用

3. Self-Consistency（自一致性）

让模型多次推理同一个问题，然后投票选择最可信的答案
适合：需要高准确度的场景
缺点：成本高（需要多次调用）

4. Tree of Thoughts (ToT) 思维树

让模型探索多条推理路径，选择最优的一条
适合：复杂决策问题、创意方案生成

系统层：工程化的Prompt管理

1. 模块化Prompt

把复杂Prompt拆成可复用组件
例如：角色设定模块、任务定义模块、输出约束模块、工具调用模块

2. 自动化优化（DSPy框架）

python 复制代码

import dspy

# 定义任务签名
class QuestionAnswer(dspy.Signature):
    """回答问题，给出详细解释"""
    question = dspy.InputField(desc="用户的问题")
    answer = dspy.OutputField(desc="详细的答案")

# 选择模块（自动生成Prompt）
qa = dspy.ChainOfThought(QuestionAnswer)

# 自动优化
optimizer = BootstrapFewShot(metric=evaluate_answer)
qa_optimized = optimizer.compile(qa, trainset=trainset)

DSPy核心理念：Programming, not prompting --- 用代码定义任务，框架自动优化

3. 标准化评估

准备测试集
定义评估指标（准确性、一致性、安全性、成本效率）
跑批量测试
记录每次迭代的得分变化

🔄 Claude vs ChatGPT：差异化最佳实践

Claude的最佳实践

1. 用XML标签做结构化约束

xml 复制代码

请分析以下代码：
<code>
[你的代码]
</code>

请按以下格式输出：
<analysis>
[性能问题分析]
</analysis>
<suggestions>
[优化建议]
</suggestions>

2. 角色 + 约束 + 示例模式

Claude对XML标签格式的理解特别好
响应角色设定和约束非常认真

3. 利用长上下文（200K tokens）

可以直接粘贴完整文件
适合处理长文档、复杂代码

ChatGPT的最佳实践

1. 明确的输出格式约束

javascript 复制代码

请输出JSON格式，必须严格遵循此结构：
{
  "name": "产品名称",
  "price": "价格"
}

2. 调整温度参数

python 复制代码

# 确定性输出（适合代码生成、数据分析）
temperature=0

# 创意性输出（适合文案写作、创意设计）
temperature=0.8

3. 分步骤引导

复制代码

请按以下步骤完成任务：
步骤1：列出主要功能模块
步骤2：分析性能特点
步骤3：找出性能瓶颈
步骤4：给出优化方案

请先完成步骤1。