Deep Dive: Prompt Engineering — 与 AI 对话的艺术

Topic: Prompt Engineering (Level 4) Category: AI Fundamentals Level: 入门 → 中级 Series: AI 小白学习系列 Last Updated: 2026-03-09

中文版

1. 概述

Prompt Engineering（提示工程） 是通过精心设计给 AI 的指令（Prompt），来引导 AI 给出更好回答的技术。它是投入产出比最高的 AI 技能 —— 不需要写代码，只需要学会”说话”，就能让 AI 的表现提升数倍。

一句话总结：同样的 AI 模型，给不同的 Prompt，效果天差地别。Prompt Engineering 就是让你从”会用 AI”到”用好 AI”的关键。

2. 核心技巧

2.1 基础原则：清晰、具体、给上下文

黄金法则：把你的 Prompt 给一个对任务一无所知的同事看。如果他会困惑，AI 也会困惑。

差的 Prompt ❌ 好的 Prompt ✅ 为什么好
“帮我写个邮件” “用正式商务语气写一封英文邮件给客户 John，告知他项目将延期两周，表示歉意并解释原因是供应链问题” 明确了语气、语言、对象、内容、原因
“总结这篇文章” “用 3 个要点总结这篇文章的核心观点，每个要点不超过 2 句话，适合发给不懂技术的老板看” 明确了格式、长度、受众
“写代码” “用 Python 写一个函数，输入一个日期字符串（格式 YYYY-MM-DD），返回该日期是星期几。包含错误处理和类型提示” 明确了语言、输入输出、格式、要求

2.2 Zero-shot vs Few-shot

方式 说明 什么时候用
Zero-shot 不给例子，直接让 AI 做 简单任务、AI 已经很擅长的事
One-shot 给 1 个例子 需要指定格式或风格
Few-shot 给 3-5 个例子 复杂任务、需要一致性 
Few-shot 示例：

请将以下客户反馈分类为"正面"、"负面"或"中性"。

示例：
反馈："产品非常好用，超出预期！" → 正面
反馈："送货太慢了，等了两周" → 负面
反馈："东西收到了，和描述一致" → 中性

现在请分类：
反馈："质量不错，但包装有点简陋" → ?

2.3 ⭐ Chain of Thought（思维链）

让 AI 一步一步地思考，而不是直接给出答案，可以大幅提升推理准确率。

❌ 差的方式：
"一个班有 30 人，男生比女生多 4 人，男生有多少？"
AI 可能直接答"17"（对了）或"20"（错了）

✅ 好的方式（加上思维链引导）：
"一个班有 30 人，男生比女生多 4 人，男生有多少？
请一步一步地思考：
1. 先设未知数
2. 列方程
3. 求解"

AI 回答：
1. 设男生 x 人，女生 y 人
2. x + y = 30，x - y = 4
3. 2x = 34，x = 17
男生有 17 人。

💡 最简单的思维链 Prompt：在问题后面加上 “Let’s think step by step” 或 “请一步一步思考”。

2.4 System Prompt（系统提示）

System Prompt 是给 AI 设定角色、规则和行为边界的特殊指令。它在对话开始前就告诉 AI “你是谁、该怎么做”。

System Prompt 示例：

"你是一名资深 Windows 系统管理员，专注于 Active Directory 和网络问题排查。
请用以下规则回答：
1. 先确认问题环境（OS 版本、网络拓扑）
2. 给出排查步骤，从最可能的原因开始
3. 每个步骤附上具体命令
4. 如果不确定，明确说出来
5. 用中文回答，技术术语保留英文"

2.5 结构化输出

让 AI 输出程序可以直接使用的格式：

Prompt：
"分析以下服务器日志，提取所有错误信息，以 JSON 格式输出：
{
  'errors': [
    {
      'timestamp': '时间',
      'level': '错误级别',
      'message': '错误信息',
      'possible_cause': '可能原因'
    }
  ]
}"

2.6 高级技巧汇总

技巧 说明 示例
角色扮演 让 AI 扮演特定角色 “你是一个有 20 年经验的网络工程师”
XML 标签分隔 用标签区分不同内容 <context>...</context><question>...</question>
反面说明 告诉 AI 不要做什么 “不要编造信息，不确定时说’我不知道’”
分步指令 用编号列出步骤 “步骤 1: …；步骤 2: …；步骤 3: …”
输出约束 限制格式和长度 “用不超过 3 句话回答”
思考空间 让 AI 先分析再回答 “先分析问题的可能原因，再给出建议”

3. Prompt 模板速查

通用分析模板

# 角色
你是 [专业角色]。

# 背景
[提供上下文信息]

# 任务
请完成以下任务：[具体任务描述]

# 要求
1. [格式要求]
2. [长度要求]
3. [风格要求]

# 输出格式
[指定输出格式]

排查问题模板

我遇到了以下问题：
环境：[OS、软件版本、网络拓扑]
症状：[具体错误信息或表现]
已尝试：[已做过的排查步骤]

请帮我：
1. 分析最可能的原因（按可能性从高到低排列）
2. 给出每个原因的排查步骤和命令
3. 如果前面的排查没有结果，给出进一步的方向

4. 小结 & 下一步

🎉 Level 4 完成！ 你掌握了：

  • ✅ 清晰、具体、给上下文的基础原则
  • ✅ Zero-shot / Few-shot 的选择
  • ✅ Chain of Thought 思维链推理
  • ✅ System Prompt 设定角色
  • ✅ 结构化输出和高级技巧

📚 下一课：[Level 5] AI Agent 与 Skills — 了解 AI 如何从”只会说话”进化为”能做事的智能体”。

5. 参考资料

English Version

1. Overview

Prompt Engineering is the art of crafting instructions (prompts) to guide AI toward better responses. It’s the highest ROI AI skill — no coding required, just learning to “talk” to AI effectively can multiply its output quality.

2. Core Techniques

Technique What It Does When to Use
Be Clear & Specific Eliminate ambiguity in your instructions Always — this is the foundation
Few-shot Examples Provide 3-5 examples of desired input/output Complex tasks needing consistency
Chain of Thought Ask AI to “think step by step” Math, logic, complex reasoning
System Prompt Set AI’s role, rules, and boundaries When you need consistent behavior
Structured Output Request specific format (JSON, table, etc.) When output feeds into another system
Role Playing Assign AI a specific expert persona Domain-specific tasks

3. Universal Prompt Template

# Role: You are [expert role].
# Context: [background information]
# Task: [specific task]
# Requirements: [format, length, style constraints]
# Output Format: [desired format]

4. Summary & What’s Next

📚 Next: [Level 5] AI Agents & Skills — How AI evolves from “just talking” to “actually doing things.”

5. References