什么是Prompt？

一、探秘 Prompt 工程

1.1、Prompt 工程概念

• Prompt 工程（Prompt Engineering）就是给 AI 输入指令的学问，这些指令被称为 “提示词” 。比如问 “未来脑机接口的发展情况？” ，就是典型提示词，它像和 AI 对话的 “暗号”，传递我们的需求，让 AI 理解并给出回应。
• 为啥叫 “工程”？因为 AI 大模型生成内容有不确定性，想让它按我们预期输出，构建提示词没那么简单。这是艺术，需要用精准、有逻辑又带创意的语言，清晰传达需求，引导 AI 往我们想要的方向创作；也是科学，得遵循 AI 模型的底层逻辑，了解模型对语义、结构的处理规律，通过反复调试、优化提示词，让输出稳定、高质量。提示词质量直接决定 AI 表现，所以成了 AI 应用开发核心技能，催生出 “提示词工程师” 岗位，企业抢着招懂行的人。
• 开发中，写代码时，好的提示词能让 AI 生成贴合项目需求的代码片段，帮我们快速搭建功能模块；做内容创作，用对提示词，AI 能输出优质文案、故事大纲，甚至辅助设计创意。掌握 Prompt 工程，就像给 AI 装了 “导航”，让它沿着我们规划的路线，高效产出有价值的内容，把 AI 工具的作用发挥到极致。

二、提示词分类

2.1、基于角色分类

• Prompt 工程分类体系：AI 对话里基于角色的 Prompt 分类，含用户 Prompt、系统 Prompt、助手 Prompt 3 种主要类型。

2.1.1、用户提示词

• 用户 Prompt（User Prompt）：用户给 AI 的问题、指令等，传达直接需求，示例 “用户：帮我写一首关于春天的短诗” ，作用是告诉 AI “做什么”，像回答问题、写代码、生成创意内容。

2.1.2、系统 Prompt（System Prompt）

• 系统 Prompt（System Prompt）：设置 AI 行为规则和角色定位的隐藏指令，用户一般看不到，示例 “系统：你是一位经验丰富的恋爱顾问，擅长分析情感问题并提供建设性建议。请以温暖友善的语气回答用户的恋爱困惑，必要时主动询” ，作用是给 AI 设定人格和能力边界（即 “你是谁？你能做什么？” ），不同系统 Prompt 可让同一 AI 模型呈现不同应用特性，用于构建垂直领域 AI 应用（如财务顾问、教育辅导、医疗咨询等 ），还举例 23 年 AI 流行时，很多 AI 助手平台靠设置不同系统 Prompt 提供不同 AI 助手。

2.1.3、助手 Prompt（Assistant Prompt）

• 助手 Prompt（Assistant Prompt）：AI 模型的响应内容，多轮对话中，之前的助手回复会成为当前上下文影响后续对话，开发者也可预设助手消息引导后续互动，示例 “助手：我是你的旅游顾问，很高兴能帮助你解决问题。你目前遇到了什么样的旅游困惑呢？” ，且实际应用中，这几类 Prompt 常组合使用，如给出含系统、用户等 Prompt 组合的示例。

2.2、基于功能分类

• Prompt 工程分类体系：从功能角度对提示词分类，有指令型、对话型、创意型、角色扮演型、少样本学习型 5 种类型。
• 指令型提示词（Instructional Prompts）：明确告知 AI 要执行的任务，常用命令式语句开头，示例 “翻译文本为英文：我是中国人”。
• 对话型提示词（Conversational Prompts）：模拟自然对话，以问答形式和 AI 交互，示例 “你认为人工智能会在未来取代人类工作吗？”
• 创意型提示词（Creative Prompts）：引导 AI 生成创意内容，如故事、诗歌、广告文案等，示例 “写一个发生在未来太空科幻故事，主角是一位机器人工程师。”
• 角色扮演提示词（Role - Playing Prompts）：让 AI 扮演特定角色或人物回答。
• 少样本学习提示词（Few - Shot Prompts）：提供示例引导 AI 理解输出格式和风格。

2.3、Prompt 优化技巧概述

网上有丰富 Prompt 优化资源，主流 AI 大模型和开发框架官方文档有相关介绍。自主优化前可搜索现成提示词参考。包括：

• 迭代式提示优化。
• 边界测试。
• 提示词模板化。
• 错误分析与修正。

2.3.1、基础优化过程

• 明确指定任务和角色：

系统：你是一位经验丰富的Java教师，擅长向初学者解释编程概念。
用户：请解释Java 的发射机制。

• 提供详细说明和具体示例：

请提供一个社交媒体营销计划，针对一款新上市的智能手机。计划应包含:
1. 目标受众描述
2. 三个内容主题
3. 每个平台的内容类型建议
4. 发布频率建议

示例格式:
目标受众: [描述]
内容主题: [主题1], [主题2], [主题3]
平台策略: [平台] - [内容类型] - [频率]

• 使用结构化格式引导思维：

分析以下公司的优势和劣势:
公司: 亚马逊

请使用表格格式回答，包含以下列:
- 优势(最少3项)
- 每项优势的简要分析
- 劣势(最少3项)
- 每项劣势的简要分析
- 应对建议

• 明确输出格式要求：

撰写一篇关于经济变化的科普文章，要求:
- 使用通俗易懂的语言，适合高中生阅读
- 包含5个小标题，每个标题下2-3段文字
- 总字数控制在800字左右
- 结尾提供3个可行的个人行动建议

2.3.2、进阶优化过程

• 思维链提示法：引导模型展示推理过程，逐步思考问题，提升复杂问题准确性。 问题：一个商店售卖T恤，每件15元。如果购买10件以上可以享受8折优惠。小明买了7件T恤，他需要支付多少钱？

请一步步思考解决这个问题:
1. 首先计算7件T恤的原价
2. 确定是否符合折扣条件
3. 如果符合，计算折扣后的价格
4. 得出最终支付金额

• 少样本学习：通过提供几个输入 - 输出对示例，助模型理解任务模式与期望输出。

我将给你一些情感分析的例子，然后请你按照同样的方式分析新句子的情感倾向。

输入: "这家餐厅的服务太差了，等了一个小时才上菜"
输出: 负面，因为描述了长时间等待和差评服务

输入: "新买的手机屏幕清晰，电池也很耐用"
输出: 正面，因为赞扬了产品的多个方面

现在分析这个句子:
"这本书内容还行，但是价格有点贵"

*分步骤指导（Step-by-Step）：把复杂任务分解为可管理步骤，保障模型完成关键环节。

请帮我创建一个简单的网站落地页设计方案，按照以下步骤:

步骤1: 分析目标受众(考虑年龄、职业、需求等因素)
步骤2: 确定页面核心信息(主标题、副标题、价值主张)
步骤3: 设计页面结构(至少包含哪些区块)
步骤4: 制定视觉引导策略(颜色、图像建议)
步骤5: 设计行动召唤(CTA)按钮和文案

• 自我评估和修正：让模型评估自身输出并改进，提高准确性与质量。

解决以下概率问题:
从一副标准扑克牌中随机抽取两张牌，求抽到至少一张红桃的概率。

首先给出你的解答，然后:
1. 检查你的推理过程是否存在逻辑错误
2. 验证你使用的概率公式是否正确
3. 检查计算步骤是否有误
4. 如果发现任何问题，提供修正后的解答

• 知识检索和引用：引导模型检索相关信息、明确引用来源，增强可靠性。

请解释光合作用的过程及其在植物生长中的作用。在回答中:
1. 提供光合作用的科学定义
2. 解释主要的化学反应
3. 描述影响光合作用效率的关键因素
4. 说明其对生态系统的重要性

对于任何可能需要具体数据或研究支持的陈述，请明确指出这些信息的来源，并说明这些信息的可靠性。

• 多视角分析：引导模型从不同角度、立场、专业视角分析问题，给出全面见解。

分析"城市应该禁止私家车进入市中心"这一提议:

请从以下4个不同角度分析:
1. 环保专家视角
2. 经济学家视角
3. 市中心商户视角
4. 通勤居民视角

对每个视角:
- 提供支持该提议的2个论点
- 提供反对该提议的2个论点
- 分析可能的折中方案

*多模态思维：结合文字描述、图表结构、代码逻辑等不同表达形式思考。

设计一个智能家居系统的基础架构:

1. 首先用文字描述系统的主要功能和组件
2. 然后创建一个系统架构图(用ASCII或文本形式表示)
3. 接着提供用户交互流程
4. 最后简述实现这个系统可能面临的技术挑战

尝试从不同角度思考:功能性、用户体验、技术实现、安全性等。

三、Token计算

• Token 是大模型处理文本的基本单位，可能是单词、标点等，模型输入输出按 Token 计算，Token 越多，成本越高、输出速度越慢，AI 应用开发中需关注其消耗。

3.1、Token计算规则

• 英文文本：1 个 Token 约对应 4 个字符或 0.75 个英文单词
• 中文文本：1 个汉字通常编码为 1 - 2 个 Token
• 空格和标点：计入 Token 数量
• 特殊符号和表情：可能需多个 Token 表示
• 估算参考：100 个英文单词约 75 - 150 个 Token；100 个中文字符约 100 - 200 个Token ，实际建议用工具估算 Prompt 的 Token 数量。

3.2、Token成本计算

3.3、Token优化技巧

• 优化对象：系统提示词、用户提示词、AI大模型输出内容（因这些均消耗Token成本 ）。
• 优化技巧：
  • 精简系统提示词：去除冗余表述，保留核心指令，示例将“你是一个非常专业、经验丰富且非常有耐心的编程导师”简化为“你是编程导师” 。
  • 定期清理对话历史：长对话中，对话上下文会累积Token，可定期让AI总结对话要点，用总结替代详细历史，示例提示词“请总结我们至今的对话要点，后续我们将基于此总结继续讨论” 。
  • 使用向量检索替代直接输入：处理大量参考文档时，不用整份文档作Prompt，借助向量数据库和检索技术（RAG）获取相关段落，后续教程会实战。
  • 结构化替代自然语言：用表格、列表等结构化格式代替长段落描述，减少Token消耗。

四、AI 应用需求分析的重要性

• 在 AI 时代，开发应用门槛降低，产品成功关键在于把握用户需求、解决痛点，因此程序员需重点培养需求分析能力 。

4.1、需求分析 “三步走” 方法

1、获取需求

• 若缺乏想法，可从 AI 应用平台（如豆包、文心一言、ChatGPT ）获取灵感，平台上大量 AI 应用可作为参考源，助力打造完整项目 。

2、细化需求：

• 有初步想法后，借助 AI 细化需求。通过设计 Prompt，让 AI 辅助进行需求拓展，明确项目功能，AI 是强大的需求分析助手 。

3、确认需求（MVP 最小可行产品策略）

• 定义：先开发包含核心功能的基础版本产品推向市场，以最小成本验证产品假设和用户需求，收集反馈迭代优化，避免资源浪费和开发风险 。
• 案例：开发 AI 对话应用时，先聚焦 “对话” 核心功能（如 AI 恋爱大师多轮交流 ），暂不考虑复杂功能，后续依用户量和反馈，决定深化对话或扩展功能 。
• 流程衔接：完成需求分析（获取 - 细化 - 确认 ）后，进入方案设计阶段，推进需求落地实现 。

简言之，AI 应用需求分析围绕 “三步走”，借平台找需求、靠 AI 细化、用 MVP 策略确认，为后续开发奠基，核心是精准抓用户需求、控开发成本与风险 。