提示词工程怎么写才有效:拆解 5 大核心要素与实战代码示例

简介: 提示词工程不是玄学话术,而是一套可复用的设计方法。本文拆解 5 大核心要素,给出结构化提示词模板与 3 段实战代码,附常见坑。

大家好,我是晚安code。

见过太多人把 prompt 写成许愿池:洋洋洒洒八百字,中间夹杂三句「请你一定要认真思考」,最后补一句「谢谢」。跑出来的东西格式还是错的。

问题不在态度,在结构。把提示词工程当成一门可以拆解的工程来做,事情会简单很多——五个格子填满,输出就稳了七八成。

这篇不讲玄学,只讲五要素、模板和能直接抄的代码。看完你至少能少改三遍 prompt。

一、提示词工程是什么,为什么「好好说话」不够用

提示词工程(Prompt Engineering):设计、测试、迭代大模型输入文本,让输出变得稳定可控的一套方法。你可以把它理解成给一个从没见过你的新同事派活——你觉得理所当然的事,他全不知道。

这个概念最早被当成「话术」,后来慢慢变了味:市面上流传各种「咒语」,说加某个词模型就变聪明。我试过一阵,大部分没用,少数有用的那几个,拆开看本质都是在补信息。

真正让输出稳定的是三件事:把任务说清楚、把约束说死、把示例给对。这三件事都可以复用、可以测试、可以版本管理。所谓「工程」,指的就是这个——它是可以复现的,不是靠灵感的。

2026 年 10 月这段时间,各家模型的指令跟随能力比两年前强了不少,很多老技巧的收益在下降。但下降的是技巧,不是方法。下面这五个要素,我一个都没删掉过。

二、拆开一条 Prompt:5 个核心要素

一条能稳定出活的 prompt,基本都在这五个格子里。少哪个,模型就自己编哪个。

1)角色(Role)——你是谁

告诉模型用什么身份和视角回答。写代码评审就写「Python 后端工程师」,写营销文案就写「做过三年投放的运营」。

说句不讨喜的:角色设定在现代模型上被高估了。它主要调的是语气和关注点,不是能力。「你是资深专家」不会让模型突然变强,但「你是一名只看正确性和安全问题的评审员」会显著改变它挑刺的方向。所以角色要写职责边界,别写形容词。

2)任务(Task)——做什么

动词开头,一句话说清。对比一下:「帮我看看这个代码」和「找出这段代码里的并发安全问题,并给出修复后的版本」——后者模型才知道该往哪使劲。

3)上下文(Context)——背景是什么

模型不知道你没说的事。受众是谁、已有材料是什么、这段内容会用在什么场景,都要交代。

我见过最典型的翻车:让人写「一份周报」,模型写了一份给全公司看的长篇汇报。补一句「给直属 leader 看,200 字以内,只讲进度和风险」,输出立刻对味。

4)约束(Constraints)——有什么要求

输出格式、长度、语气、不能出现的东西,全放这里。这一格是性价比最高的一格,也是新手最常漏的一格。

唯一要注意的是:约束尽量写成肯定句。「不要用专业术语」不如「用初中生能听懂的话解释」。模型对「做什么」的服从度,明显高于「不做什么」。

5)示例(Examples)——长什么样

给 2~3 个「输入 → 输出」的示范,模型照着模仿就行。少样本提示(Few-shot Prompting):在 prompt 里放几对输入输出样例,让模型模仿格式和风格。类比的话,像给新同事两份填好的表格当样板。

示例不是越多越好。三个覆盖边界的例子,胜过十个长得差不多的例子——下面第五节我会细说这个坑。

把「随口问」和「工程化写」放一起对比,差距一目了然:

要素 随口问 工程化写
角色 无 明确职责与视角
任务 一句话带过 动词开头,边界清晰
上下文 靠模型猜 给背景、受众、已有材料
约束 无 格式、长度、禁忌项
示例 无 2~3 个,覆盖边界
结果 每次都不一样 可复现

这五个要素是怎么拼成一条 prompt 的,看这张图:

提示词工程五要素组装结构图:角色、任务、上下文、约束、示例汇入一条 Prompt 再交给大模型

五要素里,任务和约束的收益最高;角色和示例看场景。信息不够的时候,优先补任务和约束。

这里插一句:提示词工程解决的是「说清楚」的问题,解决不了「模型不知道」的问题。 有些内容是模型压根没有的,比如你们公司内部的接口文档——那不是 prompt 能变出来的东西,得上检索。

你觉得理所当然的背景,对新同事来说全是空白。

三、从要素到模板:一套可复制的结构化写法

系统提示词(System Prompt):对话开始前设定的最高层级指令,定义模型的身份、边界和输出规范。类比成岗位说明书——写一次,管后面所有对话。

系统提示词决定下限,用户提示词决定这一次的上限。也就是说:能长期复用的规则放 system,一次性的内容放 user。

原理搞清楚了,模板可以直接抄:

【角色】
你是一名有 10 年经验的 Python 后端工程师,负责代码评审。
【任务】
找出用户提供代码里的正确性与安全问题。
【上下文】
这些代码会跑在生产环境,日均调用量百万级。
【约束】
- 输出用 Markdown,固定两节:结论、问题清单
- 每个问题给出:行号、问题描述、修复后的代码
- 不评价代码风格与命名
- 没发现问题就写「未发现阻塞性问题」,不要硬凑
【示例】
输入:for i in range(len(items)): print(items[i])
输出:未发现阻塞性问题。
【不确定时】
信息不足就直接问我,不要猜。

这个模板里,「不确定时」那一行经常被忽略,但它很值钱——没有它,模型遇到模糊需求时会硬编一个答案给你。

落到代码上,system 和 user 的分工是这样的:

from openai import OpenAI

client = OpenAI(
    base_url="https://api.deepseek.com/v1",  # 换成任意 OpenAI 兼容平台
    api_key="sk-***",                         # 别硬编码,用环境变量
)

SYSTEM = """你是一名有 10 年经验的 Python 后端工程师,负责代码评审。
规则:
1. 只报正确性与安全问题,不评价代码风格
2. 每个问题给出:行号、问题、修复后的代码
3. 没发现问题就写「未发现阻塞性问题」,不要硬凑
输出格式:## 结论 / ## 问题清单"""

下面这次调用,把一次性内容放进 user:

resp = client.chat.completions.create(
    model="deepseek-chat",
    messages=[
        {
   "role": "system", "content": SYSTEM},
        {
   "role": "user", "content": f"评审这段代码:\n```python\n{code}\n```"},
    ],
    temperature=0,
)
print(resp.choices[0].message.content)

temperature=0 是评审、抽取这类任务该有的默认值——你要的是可复现,不是惊喜。

模板归模板,能不能落地还得看具体场景。下面三个是我实际用得最多的,改改就能上。

四、实战:3 个能直接抄的场景

能一次写对的 prompt 很少。 实战里八成的时间花在改,不在写。所以下面这几个我都给到了「怎么改」的方向。

右边不是问得更客气,是把格子填满了。

1)代码审查:角色 + 约束 + 固定输出格式

上面的 SYSTEM 就是完整版,重点看两处:一是输出小节写死(## 结论 / ## 问题清单),二是明确禁止硬凑。

少了「没发现问题就直说」这句,模型会为了显得有用,把命名不规范这种事也升格成「严重问题」。评审场景下这很要命,会淹没真正的风险。

调优方向:如果发现它总在报同一类鸡毛蒜皮,别改 prompt 里的形容词,直接在约束里列出你不关心的类别。

2)信息抽取:few-shot 把格式钉死

思维链(Chain of Thought) 我们放第三条讲,这条先看示例怎么给。从客服对话里抽结构化字段:

SYSTEM = """从客服对话中抽取结构化信息。

示例 1:
输入:我想退掉上周买的那双 42 码跑鞋,订单号 A1024
输出:{"intent": "退货", "order_id": "A1024", "reason": "尺码不合适"}

示例 2:
输入:快递怎么还没到?都三天了
输出:{"intent": "催发货", "order_id": null, "reason": null}

规则:抽不到的字段一律填 null,不要编造。只输出 JSON,不要任何解释。"""

注意示例 2 是故意挑的——它演示了「字段缺失时填 null」这个边界情况。这比你再多给三个正常样例有用得多。

3)方案对比:思维链 + 任务拆解

思维链(Chain of Thought):要求模型把推理步骤写出来再给结论,而不是直接报答案。类比成让同事把账算给你看,而不是只丢一个数字。

USER = """我们是一个 3 人小团队,要在 2 个月内上线一个内部工单系统。
备选方案:A 自研、B 低代码平台、C 买 SaaS。

请按以下步骤分析,每一步都要写出来:
第 1 步:列出三个方案各自的真实成本(人力、钱、时间)
第 2 步:指出 3 人团队最容易低估的那一项成本
第 3 步:给出结论,并说明什么条件下这个结论会翻转

不要跳过任何一步。"""

关键在最后一句。你不写「不要跳过任何一步」,模型经常把中间步骤吃掉,直接给你一个看起来很自信的结论——而中间步骤恰恰是你判断它靠不靠谱的依据。

拆步骤还有个好处:哪一步跑偏了你能立刻看出来,不用对着一个错误结论猜原因。

五、5 个高频坑

提示词工程最常见的失败不是写得不够好,是写得太多。 下面这几个我都亲自踩过。

1)示例给太多,且高度重复

五个几乎一样的正例,不如两个正例加一个反例。重复示例只是在浪费上下文窗口,模型从第二个开始就没在学了。

2)示例里的格式写错了

这是我踩得最疼的一个。模型会把示例里的格式当成事实模仿——你在示例里把日期写成 2026/10/4,输出就永远是斜杠格式,哪怕约束里写着用短横线。

给示例之前,自己先当一遍校对。示例写错,等于亲手教坏它。

3)约束用否定句

「不要啰嗦」不如「每个小节不超过三句话」。「别用术语」不如「用初中生能听懂的话说」。否定句模型要绕一圈才能理解,肯定句是直接执行。

4)一次塞太多任务

一条 prompt 里同时要它总结、翻译、改格式、给建议——最后通常每样都做一半。拆成几次调用,前一次的输出喂给后一次(也就是提示词链,prompt chaining),准确率反而更高。

5)跑一次就定稿

真正的调优流程是闭环的,不是一条直线:

提示词工程迭代调优闭环流程图:写初版、跑真实输入、输出不达标就定位缺失要素、补约束或示例后再测

节点「定位缺哪个要素」是这里的关键——不要凭感觉改措辞,先判断是哪一格没填好。是任务没说清?还是示例不够?定位准了,改一次顶十次。

六、提示词工程的天花板在哪

提示词工程的边界很清楚:它优化的是「表达」,不是「知识」。

可能有人会问:提示词是不是写得越长越好?

不是。长度本身不产生信息量。一条 200 字但五要素齐全的 prompt,通常比 800 字堆满「请你务必认真思考」的效果好——后者只是在给模型加噪音。

可能有人会问:换个模型,之前写的 prompt 还能用吗?

基本能用,但输出格式那部分要重测。不同模型对示例的模仿强度、对 system 消息的服从度都不一样,尤其是小参数模型,约束要写得更死一点。

写到这里,就绕不开那个老问题:提示词工程和另外两条路到底怎么选。

检索增强生成(RAG):先把相关资料检索出来塞进上下文,再让模型基于这些资料回答。类比成开卷考试——模型不用记住,带着书进考场就行。

手段 解决什么 成本 什么时候用
提示词工程 表达与约束问题 低,改文字就行 默认先试这个
RAG 检索增强 模型不知道你的私有知识 中,要维护知识库 知识频繁更新、答案要溯源
微调 固定风格与固定任务模式 高,要数据和算力 提示词压不下去、样本量够

顺序别搞反。我见过有人一上来就问要不要微调,结果九成的问题补两句约束就解决了。先用提示词把能榨的榨干,再考虑上检索,最后才是微调。


说白了,提示词工程能解决「说清楚」的问题,解决不了「模型不知道」的问题——该上检索就上检索,别指望把 prompt 写成一本说明书。

这五个要素你未必要每格都填,但输出不对劲的时候回头看一眼是哪一格空了——提示词工程里最常见的病根,八成就在那儿。


我是晚安code,持续分享编程干货。觉得有用的话记得点赞收藏和关注~也欢迎在评论区聊聊:你做提示词工程时踩过最深的坑是哪个,后来怎么填上的?

目录
相关文章
|
1月前
|
人工智能 自然语言处理 监控
阿里云百炼是什么?百炼AI模型平台支持哪些计费方式?免费Tokens领取、Token Plan及Coding Plan计费说明
阿里云百炼是面向企业与开发者的AI大模型一站式服务平台,支持通义千问、DeepSeek、Kimi等多模态模型。新用户可免费领取超7000万Tokens(每模型100万),并提供TokenPlan、CodingPlan等灵活订阅方案,助力高效、低成本使用AI能力。
|
1月前
|
缓存 人工智能 前端开发
Opus 5.5 生成视频的真相:它不生成视频,是写代码让浏览器逐帧画出来
Opus 5.5 生成视频刷屏,但它压根不生成视频——是写代码让浏览器逐帧画出来的。本文拆解完整渲染管线、四条路线怎么选,以及真实价格账单。
747 1
Opus 5.5 生成视频的真相:它不生成视频,是写代码让浏览器逐帧画出来
|
算法 安全 调度
多线程如何工作,工作原理是什么
多线程如何工作,工作原理是什么
|
3月前
|
开发工具 Swift git
DeepSeek Harness 插件推荐:4 款开源神器让写代码直接起飞
DeepSeek Harness 插件推荐:ModLens 视觉、Web UI 全家桶、Mac 原生与 GenUI 渲染,4 款开源插件给纯文本模型补齐短板。
5069 7
DeepSeek Harness 插件推荐:4 款开源神器让写代码直接起飞
|
1月前
|
机器学习/深度学习 人工智能 缓存
GPT-6.1 Astra 被紧急叫停,能力更强却更会骗人
GPT-6.1 Astra 原定 10 月发布,却因欺骗与越权被叫停。对比它和 GPT-6 Astra 的能力与价格,以及真正便宜的 Sol/Luna。
301 0
GPT-6.1 Astra 被紧急叫停,能力更强却更会骗人
|
1月前
|
移动开发 数据格式 索引
RAG 检索增强生成原理详解:为什么你的 RAG 效果差,问题多半在检索端
很多人做 RAG 效果不好就换模型,其实瓶颈在检索端。本文用可跑的代码拆解 RAG 工作流程:切分、向量检索、重排、拼 Prompt,讲清每步为何重要。
120 0
RAG 检索增强生成原理详解:为什么你的 RAG 效果差,问题多半在检索端
|
1月前
|
数据建模 网络安全
阿里云个人测试证书(免费SSL证书)和个人测试证书Pro有什么区别?有效期180天
阿里云个人测试证书(免费版)有效期90天,限领20张/年,无客服支持;Pro版售价34元/张、有效期180天,不限购且享人工客服,二者均为DV单域名证书,均不适用于生产环境。(239字)
|
1月前
|
JSON 自然语言处理 Java
RPC 到底是什么:微服务内部调用的首选,以及它藏起来的三个坑
RPC 是什么?微服务内部为什么用 RPC 调用而不用 HTTP?本文从一次远程调用讲起,讲清 RPC 框架解决了什么问题、怎么用,以及它藏起来的三个坑。
139 0
RPC 到底是什么:微服务内部调用的首选,以及它藏起来的三个坑
|
1月前
|
人工智能 前端开发 JavaScript
第一次让 AI 写代码:实现一个待办事项清单
本文通过一个完整的待办事项清单案例,详解AI编程实战流程:从明确需求、拆解功能模块、生成代码,到本地运行、边界测试与迭代优化。强调开发者需主导目标定义、方案判断与结果验证,AI仅作高效辅助。附可运行单文件代码及提示词模板。(239字)
170 2
|
1月前
|
弹性计算 缓存 网络协议
个人站长要不要买高防?算完这笔账你就懂了
网站被打进黑洞才发现免费防护不是无限兜底?这篇用三道算术题讲清个人站长的真实处境:先算停机一小时值多少钱,再对照免费基础防护、原生防护、高防三档方案对号入座,附换 IP、调 T套 CDN 等零成本省钱姿势,看完不用再纠结要不要花钱买防护。
179 2