摘要 ：2026 年的大模型能力已经非常强大，但同样的模型给不同的人用，效果天差地别。差别不在于模型，而在于提示词（Prompt）------你如何向模型描述任务。提示工程就是研究"如何写出更好的提示"的学科。这篇文章从零样本到思维链，系统讲解提示工程的核心技术，全部基于本地运行的 Qwen3 模型，无需 API。
一、为什么提示词如此重要？
本质原因
大模型在训练时学会了海量的知识，但在推理时，它需要在"记忆"中定位到正确的部分。提示词就是定位器------告诉模型应该调用哪些知识来处理当前任务。
不好的提示： "分析这个"
→ 模型不知道"分析"什么、怎么分析、输出格式是什么
→ 输出质量差 ❌
好的提示： "你是一个金融分析师。请分析以下财报数据，
从营收增长、利润率、现金流三个维度给出评估，
用表格形式输出。"
→ 模型知道角色、任务、维度、格式
→ 输出质量高 ✅提示词对结果的影响有多大？
| 任务类型 | 差提示 | 好提示 | 提升幅度 |
|---|---|---|---|
| 文本分类 | 60% | 92% | +32% |
| 信息提取 | 45% | 88% | +43% |
| 推理题 | 30% | 82% | +52% |
| 代码生成 | 50% | 85% | +35% |
一个好的提示词带来的提升，可能比换一个更大的模型还明显。
二、零样本提示（Zero-shot）
最简单的形式
直接告诉模型任务，不给任何示例。
from transformers import AutoModelForCausalLM, AutoTokenizer
# 加载本地 Qwen3 模型
model_name = "d:/ai/models/Qwen3-0.6B"
tokenizer = AutoTokenizer.from_pretrained(model_name, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(
model_name, trust_remote_code=True, device_map="auto"
)
def qwen3_prompt(prompt, max_new_tokens=200):
"""对 Qwen3 模型发送提示并获取回复"""
messages = [{"role": "user", "content": prompt}]
text = tokenizer.apply_chat_template(
messages, tokenize=False, add_generation_prompt=True
)
inputs = tokenizer(text, return_tensors="pt").to(model.device)
outputs = model.generate(
**inputs,
max_new_tokens=max_new_tokens,
temperature=0.7,
do_sample=True,
)
response = tokenizer.decode(outputs[0][inputs.input_ids.shape[1]:], skip_special_tokens=True)
return response.strip()
# ===== 零样本分类 =====
prompt = "以下句子的情感是正面还是负面？\n句子：这部电影太精彩了，演员演技一流。\n情感："
print(qwen3_prompt(prompt))
# 正面
# ===== 零样本信息提取 =====
prompt = """从以下文本中提取"日期"、"金额"和"用途"三个字段：
文本：我在2026年6月15日向希望工程捐款500元。
输出格式：JSON
"""
print(qwen3_prompt(prompt))
# {"日期": "2026年6月15日", "金额": "500元", "用途": "向希望工程捐款"}零样本的五个标准任务模板
# 1. 分类任务
prompt_cls = """将以下评论分类为"正面"或"负面"。
评论：{text}
分类："""
# 2. 提取任务
prompt_ext = """从以下文本中提取{fields}。
文本：{text}
{fields}："""
# 3. 生成任务
prompt_gen = """写一篇关于{topic}的短文，{requirements}。
文章："""
# 4. 改写任务
prompt_rewrite = """将以下句子改写得{style}：
原句：{sentence}
改写后："""
# 5. 推理任务
prompt_reason = """问题：{question}
请一步步推理，然后给出答案。
推理过程：
答案："""零样本的局限
零样本虽然简单，但对复杂任务效果不稳定------模型可能"猜错"任务格式。这时就需要少样本提示。
三、少样本提示（Few-shot）
核心思想
在提示词中给模型提供几个示例（exemplars），让模型"照葫芦画瓢"。
零样本： 少样本：
任务描述 任务描述
↑ ↓ 示例1: ... → ...
模型自己猜 ← 不确定性高 示例2: ... → ...
示例3: ... → ...
↑ ↓
模型模仿模式 ← 稳定性高代码实现
# ===== 少样本分类 =====
few_shot_prompt = """将以下评论分类为"正面"或"负面"。
评论：这东西质量太差了，用了三天就坏了。
分类：负面
评论：价格实惠，效果超出预期，非常满意。
分类：正面
评论：一般般吧，不算好也不算差。
分类：中性
评论：{test_comment}
分类："""
test = "快递很慢，但产品本身还不错。"
print(qwen3_prompt(few_shot_prompt.replace("{test_comment}", test)))示例数量的影响
from tqdm import tqdm
import numpy as np
# 对比 0-shot、1-shot、3-shot、5-shot 的效果
def evaluate_n_shot(n_shots, test_samples):
"""评估不同 shot 数量的准确率"""
correct = 0
for sample in tqdm(test_samples):
if n_shots == 0:
prompt = zero_shot_template.format(text=sample['text'])
else:
# 选前 n 个示例
examples = few_shot_examples[:n_shots]
prompt = build_few_shot_prompt(examples, sample['text'])
pred = qwen3_prompt(prompt)
if pred.strip() == sample['label']:
correct += 1
return correct / len(test_samples)
# 假设测试结果：
print("示例数 vs 准确率：")
print("0-shot: 62.5% ← 最差")
print("1-shot: 75.0% ← 提升显著")
print("3-shot: 87.5% ← 再提升")
print("5-shot: 91.5% ← 边际递减开始")
print("7-shot: 92.0% ← 几乎不涨")规律：
- 从 0→1 提升最大（+12.5%）
- 从 1→3 再提升（+12.5%）
- 超过 5 个后提升明显放缓
- 一般 3-5 个示例足够
示例选择的策略
不是随便选的示例都有效：
| 策略 | 做法 | 效果 |
|---|---|---|
| 随机选择 | 从训练集中随便抽 | ⭐⭐⭐ 一般 |
| 相似选择 | 选和测试样本最相似的作为示例 | ⭐⭐⭐⭐ 好 |
| 多样性选择 | 覆盖不同类别、不同难度 | ⭐⭐⭐⭐⭐ 最好 |
| 最近邻选择 | 用 embedding 找最近邻 | ⭐⭐⭐⭐⭐ 最佳 |
四、思维链（Chain-of-Thought, CoT）
为什么需要 CoT？
对于复杂推理问题，直接让模型给出答案往往不正确------它跳过了推理过程。
❌ 直接问（标准提示）：
Q: 一个商店有 15 个苹果，卖掉了 7 个，又进了 9 个，现在有多少个？
A: 17 个
→ 可能蒙对的，也可能算错
✅ 思维链提示：
Q: 一个商店有 15 个苹果，卖掉了 7 个，又进了 9 个，现在有多少个？
A: 原来有 15 个。卖掉 7 个：15 - 7 = 8 个。又进 9 个：8 + 9 = 17 个。所以答案是 17 个。
→ 推理过程可见，即使答案错也能定位到哪步错了CoT 的两种方式
方式 1：手动 CoT（在提示中给出推理示例）
cot_prompt = """问题：一个班级有 24 名学生，其中 1/3 是女生，其余是男生。后来转来了 4 名女生，现在女生占多少比例？
推理过程：
1. 原来有 24 名学生，1/3 是女生：24 × 1/3 = 8 名女生
2. 原来男生人数：24 - 8 = 16 名
3. 转来 4 名女生后，女生总数：8 + 4 = 12 名
4. 学生总数变为：24 + 4 = 28 名
5. 女生占比：12 / 28 = 3/7 ≈ 42.9%
答案：42.9%
问题：小明买了 3 支钢笔和 5 支铅笔，钢笔每支 12 元，铅笔每支 2 元，他付了 50 元，应该找回多少？
推理过程："""
print(qwen3_prompt(cot_prompt))方式 2：零样本 CoT（简单加上"一步步思考"）
# 零样本 CoT------最简单有效的技巧
zero_shot_cot = """问题：{question}
让我们一步步思考。
"""
question = "一个长方形的长是 8 厘米，宽是 5 厘米，它的周长和面积各是多少？"
print(qwen3_prompt(zero_shot_cot.replace("{question}", question)))
# 输出:
# 让我们一步步思考。
# 1. 长方形的周长 = 2 × (长 + 宽) = 2 × (8 + 5) = 2 × 13 = 26 厘米
# 2. 长方形的面积 = 长 × 宽 = 8 × 5 = 40 平方厘米
# 答案：周长 26 厘米，面积 40 平方厘米"让我们一步步思考"------这是在零样本提示中激活推理能力最有效的一句话。
CoT 的效果
| 任务类型 | 标准提示 | CoT 提示 | 提升 |
|---|---|---|---|
| 算术推理 | 58% | 92% | +34% |
| 常识推理 | 72% | 88% | +16% |
| 符号推理 | 30% | 76% | +46% |
| 事实问答 | 85% | 87% | +2%（几乎无影响） |
CoT 对需要多步推理的任务提升巨大，对简单事实问答效果不明显。
五、结构化提示模板
一个好提示的五个要素
一个高质量的提示通常包含以下组件：
角色（Role）： 你是一个{角色}
上下文（Context）： 当前的情况是{上下文}
任务（Task）： 你需要完成的任务是{任务}
格式（Format）： 请用{格式}输出
约束（Constraint）： 请注意{约束条件}通用模板
def build_structured_prompt(role, task, context="",
examples="", output_format="", constraints=""):
"""构建结构化提示"""
parts = []
if role:
parts.append(f"你是一个{role}。")
if context:
parts.append(f"\n背景信息：{context}")
if task:
parts.append(f"\n任务：{task}")
if examples:
parts.append(f"\n示例：\n{examples}")
if output_format:
parts.append(f"\n输出格式：{output_format}")
if constraints:
parts.append(f"\n约束条件：{constraints}")
parts.append("\n请开始：")
return "\n".join(parts)
# 示例：用结构化模板做文章摘要
prompt = build_structured_prompt(
role="资深编辑",
context="以下是一篇科技新闻文章",
task="用 3 句话总结文章的核心内容",
output_format="- 第一句：文章主题\n- 第二句：关键发现\n- 第三句：行业影响",
constraints="每句话不超过 30 字"
)
print(prompt)项目符号 vs 段落
# ❌ 模糊的段落描述
bad_prompt = """
请分析这个产品的用户评论，告诉我用户喜欢什么和不喜欢什么。
"""
# ✅ 结构化的项目符号
good_prompt = """
请分析以下产品评论，按类目输出分析结果：
评论内容：
{reviews}
分析要求：
- 正面反馈（列出 Top 3）
- 负面反馈（列出 Top 3）
- 改进建议（列出 Top 2）
- 总体评分（1-10 分）
每个点用一句话概括。
"""六、系统提示（System Prompt）
System Prompt vs User Prompt
许多大模型（包括 Qwen3）支持两段式对话结构：
| 类型 | 作用 | 示例 |
|---|---|---|
| System Prompt | 设定模型的角色、行为规则、输出风格 | "你是一个乐于助人的助手，用中文回答，保持简洁" |
| User Prompt | 当前的具体问题 | "量子计算的基本原理是什么？" |
# Qwen3 的系统提示用法
messages = [
{"role": "system", "content": "你是一个资深的Python技术作家。你的回答始终保持简洁、准确，包含代码示例。"},
{"role": "user", "content": "解释Python中的装饰器是什么"}
]
text = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
# → 模型会按照系统提示中设定的角色和风格来回答系统提示的最佳实践
# 角色设定------最有效
system_role = "你是一个{专业角色}。你有{经验}年的{领域}经验。"
# 行为规则------具体而非抽象
system_rules = """回答规则：
1. 始终保持客观中立
2. 如果不确定，请明确说"不确定"
3. 用 bullet point 组织信息
4. 每点不超过 20 字"""
# 输出偏好------指定格式
system_format = """输出格式偏好：
- 技术概念：定义 → 原理 → 示例 → 类比
- 步骤说明：用数字序号列出
- 对比：使用表格"""
# 组合成完整的系统提示
system_prompt = f"{system_role}\n{system_rules}\n{system_format}"七、温度参数与采样策略
Temperature
Temperature 控制模型输出的随机性：
def generate_with_temp(prompt, temperature=0.7):
"""不同 temperature 的生成效果"""
messages = [{"role": "user", "content": prompt}]
text = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
inputs = tokenizer(text, return_tensors="pt").to(model.device)
outputs = model.generate(
**inputs,
max_new_tokens=200,
temperature=temperature,
do_sample=True,
)
return tokenizer.decode(outputs[0][inputs.input_ids.shape[1]:], skip_special_tokens=True)| Temperature | 效果 | 适用场景 |
|---|---|---|
| 0.0 ~ 0.2 | 确定性输出，几乎每次一样 | 分类、提取、翻译 |
| 0.3 ~ 0.5 | 轻度随机 | 一般问答 |
| 0.6 ~ 0.8 | 创造性输出 | 写作、头脑风暴 |
| 0.9 ~ 1.0 | 高随机性 | 诗歌、创意故事 |
Top-p（Nucleus Sampling）
另一种控制随机性的方式：只考虑累积概率达到 p 的 token。
# Top-p 建议和 Temperature 配合使用
outputs = model.generate(
**inputs,
temperature=0.7,
top_p=0.9, # 只考虑累积概率前 90% 的 token
do_sample=True,
)参数组合建议
| 任务类型 | Temperature | Top-p | max_new_tokens |
|---|---|---|---|
| 分类/提取 | 0.1 | 1.0 | 50-100 |
| 问答 | 0.3 | 0.9 | 200-500 |
| 文本生成 | 0.7 | 0.9 | 500-2000 |
| 代码生成 | 0.2 | 0.9 | 500-2000 |
| 创意写作 | 0.8 | 0.95 | 500+ |
八、提示工程的常见错误
错误 1：提示太模糊
❌ "帮我看看这个数据"
✅ "你是一个数据分析师。请分析以下 CSV 数据：\n1. 计算每月的销售额趋势\n2. 找出销售额最高的品类\n3. 用表格输出"错误 2：没有指定输出格式
❌ "提取邮件中的信息"
✅ "从以下邮件中提取：发件人、日期、主题、优先级。用 JSON 格式输出。"错误 3：忽略了模型的能力边界
❌ 让 0.6B 模型做复杂的多步推理（它可能做不了）
✅ 把复杂任务拆成多个简单步骤，分别提示错误 4：一次性给太多信息
❌ 在提示中塞入 5000 字的信息（小模型上下文有限）
✅ 只提供最关键的信息，必要时分多次对话九、总结
| 技术 | 一句话 | 适用场景 |
|---|---|---|
| 零样本 | 直接描述任务，不给示例 | 简单任务，格式明确 |
| 少样本 | 给 3-5 个示例，让模型模仿 | 复杂任务，需要稳定格式 |
| 思维链 CoT | 让模型一步一步推理 | 数学、逻辑、多步推理 |
| 结构化模板 | 角色+任务+格式+约束 | 生产环境，一致性要求高 |
| 系统提示 | 设定模型的角色和行为规则 | 需要固定风格的场景 |
核心三句话：
- 提示词是编程语言的新形态------和写代码一样，需要精确、结构化、可测试
- "让我们一步步思考"是最强大的单句提示技巧------在推理任务上平均提升 20%+
- 提示工程不是玄学，有规律可循------角色设定、示例选择、格式指定都有科学方法