Python学习笔记·第39天：提示词工程——更好提问的五大技巧与JSON数据格式

一、什么是提示词工程？

提示词工程（Prompt Engineering）是指不修改模型权重，通过优化输入的指令来引导大模型输出期望结果的方法。

一句话：提示词工程就是"更好地向大模型提问的技巧"。

大模型本身结构简单：用户输入 → 模型输出。用更详细、更清晰、有逻辑、有参考的提问，就能获得更好的回答。任何Prompt技巧都不如清晰表达你的需求------如果话说不明白，不可能让别人理解你的思想。

二、五大核心技巧

技巧1：详细描述

不要简单说"写个代码"，而是说清楚用什么语言、什么功能、什么风格、什么边界条件。指令越具体，输出越精准。

技巧2：让模型充当某个角色

给模型设定一个身份，它会自动调整回答风格和专业水平。

你是一名资深Python后端开发工程师，请帮我审查以下代码...
你是一名数据分析师，请帮我分析这份销售数据...

技巧3：使用分隔符标明不同部分

用中括号、XML标签、三引号等分隔符划分文本，帮助模型理解不同部分。

请将下面的文本翻译成英文：
###要翻译的内容###
你好，世界
###

技巧4：对任务指定步骤

对于复杂任务，拆分成明确的步骤，让模型逐步完成。

请帮我分析这份数据，分三步：
1. 先统计各类别数量
2. 再计算平均值
3. 最后给出优化建议

技巧5：提供例子

先给模型一两个示例，让它按示例格式输出。

请按照以下格式输出：
Q：今天天气怎么样？
A：今天是晴天，温度25°C。

Q：明天会下雨吗？
A：

三、基于参考文本问答（降低幻觉）

大模型会"一本正经地胡说八道"，这叫幻觉 。解决方法是让模型使用你提供的信息来组成答案，即经典的知识库用法------把参考文本附在Prompt里，要求模型只根据参考文本作答。

四、提示词工程的地位

不管是RAG、Agent智能体，还是其他围绕模型的复杂开发，本质上都可以总结为在提示词上下功夫。一个好的提示词，甚至能让基础模型的输出效果媲美微调过的模型。

五、JSON数据格式

JSON是一种轻量级数据交换格式，主要用于程序和程序之间的信息互传。Python中使用 json 库处理：

import json

# Python字典 → JSON字符串
data = {"name": "张三", "age": 18}
json_str = json.dumps(data, ensure_ascii=False)

# JSON字符串 → Python字典
json.loads(json_str)

JSON结构	Python对应
JSON对象 {"key":value}	字典
JSON数组 [{},{},{}]	列表内含多个字典

核心方法 ：json.dumps() 将字典/列表转为JSON字符串，json.loads() 将JSON字符串转回Python对象。ensure_ascii=False 确保中文正常显示。

今日核心总结

1. 提示词工程：不修改模型，通过优化提问获得更好输出
2. 五大技巧：详细描述、设定角色、分隔符、指定步骤、提供例子
3. 降低幻觉：给模型提供参考文本，让它基于事实作答
4. JSON ：轻量级数据交换格式，json.dumps() 序列化，json.loads() 反序列化
5. 提示词是所有大模型应用的基础，RAG和Agent本质上都是在提示词上下功夫