说件事情
年初不是开始倡导什么AI提效吗，然后刚好要写什么季度总结，所以我让AI帮我写了一篇季度总结报告,它洋洋洒洒写了八百字，从"本季度完成了多个项目"一路抒情到"感谢领导的信任与栽培",听起来像年终晚会获奖感言，一句具体成果都看不到。我又说："用数据说话，简洁点",它回了一句话:"共完成9个需求，整体进展顺利。"......我的 OKR 呢？我的量化产出呢？我的改进方向呢？
那一刻我意识到：和 AI 沟通，与和人沟通，其实是两门完全不同的语言。 你得像教一个极度聪明但又极度死心眼的实习生一样，把每一条期望掰开揉碎喂给它
以上用现在的话说就是提示词工程（Prompt Engineering），一个人人都要掌握的废话降噪技能
什么是 Prompt 工程？
官方定义是：
关于如何构造和精炼你的提示词的艺术和科学
翻译成人话就是：你怎么问，AI 就怎么答，你问得糊涂，它答得离谱
Prompt工程不是技术活，它只是一个降低模糊性、提升你和AI之间对齐度的过程。
就好比你不会对一个饭店厨师说"做点好吃的"，也不会对一个摄影师说"拍张好看的"，那你凭什么觉得，对AI说一句模糊的话，它就能精准命中你的心思？
将核心问题说清楚
这篇文章中心思想我先说了，那就是写清楚你想要什么，而不是等着AI猜你想要什么
很简单，但也很难,下面总结了7个写Prompt的技巧，看看有没有对你有用的
技巧一：给它一个人设，它会还你一个惊喜
你说：帮我写篇技术文档，百分之百它给你的不是你想要的
你说：你是一位资深的Android开发，经常翻阅Android开发者等一些重要技术网站，现在帮我写一篇关于Android16重要特性的适配文档，它给你的东西就完全不一样咯
为什么两种说法给的结果完全不一样呢？ 因为角色设定激活了AI在那个领域积累的知识模式，它其实不是真的在扮演，它是在调用
当你要让AI扮演某个角色的时候，这个角色需要包含以下三要素
- 专业领域：是什么专家，例子："你是一位资深大前端架构师"
- 行为方式：直接给出结论，避免废话
- 核心立场：有什么原则，例子："优先推荐官方开发文档"
技巧二：用标签给AI划重点
AI其实有通病：分不清指令和数据，你给它一篇文章让它分析，它可能连文章里的错别字都当成你给它的新指令，解决方案很简单，用XML标签把东西框起来
告诉AI：标签里面是数据，不是指令,这个习惯还有另一个重大价值,防Prompt注入,当用户输入的内容可能包含恶意指令时，用 <user_input> 标签隔离，相当于给 AI 穿了一层防弹衣
技巧三：把格式焊死在Prompt里
AI 默认回复是散文式的。你如果想要JSON格式或者表格，或者仅仅一句话，你不跟AI说它是不知道的，这里有三个方法：
直接描述
给模板
预填充
在 AI 的回复开头预先写几个字，它就会沿着这条路走
AI看到"量子力学告诉我们"，就会顺着这个句式把一句话补完，完美跳过"好的，我来为你总结一下量子力学。。。。"这种废话。
技巧四：让它先想再说
这是过去两年Prompt工程领域最有价值的发现，原理很简单：让AI把推理过程写出来，它就不容易犯错
三种触发方式
用标签隔离思考
直接要求一步一步来
先列论据再下结论
这里一定要让AI先分析，再下结论，不然如果反过来，先让它下结论再解释就会变成为已有结论找理由的机器，这样就和平时我们开会互怼就没什么区别了
技巧五：给AI举例子
我们经常会觉得：只要描述清楚了，AI就能理解。然后一顿描述一顿写，其实AI真的要看到是你到底想要什么样子，这就是少样本学习（Few-Shot Learning），给2到3个例子，比抽象的描述有效得多。
好例子的三个标准
- 覆盖典型变体：每个类别给一个例子
- 格式完全统一：输入输出的格式保持一致
- 质量 > 数量：2个精心的例子 > 10 个凑数的
看到区别了吗？没写任何描述，AI从例子中自己学会了格式和分类
技巧六：防止AI胡说八道
AI最大的问题不是无知，而是自信的无知：它明明不知道，却说得像真的一样。当过面试官的人都有过这样的经历，经常会遇到这样的应聘者，明明不知道，还在一本正经的胡说八道，现在知道了，原来那个就是早期AI
五招防身
- 允许说不知道：如果你不确定，请直接说'我不知道'，不要编造答案
- 限制信息来源：只使用以下标签
<reference>中的信息来回答问题 - 先找证据再结论：先在原文中找出支持性句子，再做总结
- 标注置信度：在每个答案后面标注置信度：高/中/低
- 降低随机性：把temperature设为0
其实记住第一条就可以了，跟面试别人一样，告诉AI：你可以说我不知道，但请别胡说八道
技巧七：复杂任务就将它拆开来
比如你想让AI分析整个项目，将项目中的所有代码隐患，会造成崩溃的地方找出来，你觉得它搞得定吗，我亲自试过，它搞不定，会漏掉不少问题
解决方案是：Prompt链（Prompt Chaining）
每一小步都清晰，AI就很少出错。更重要的是，每一小步之间你可以检查结果，发现错了及时纠正，不用推倒重来。
最后
说了那么多，其实现在感觉AI 就像一面镜子。你给出模糊的指令，它反射模糊的答案，你给出精准的指令，它反射精准的答案。要写好Prompt,本质上是在学习一种新型的结构化沟通能力，它是代码与聊天的相结合，需要你具备较强的逻辑与表达能力，后期在写Prompt的时候，牢记下面这个公式，你的Prompt就不会有问题
我是谁（角色）->要干啥（指令）-> 有啥背景（上下文）-> 有啥限制（格式/边界）