把 LLM 当作一个”超级实习生”——它知识渊博、不知疲倦、学得飞快，但如果你不把话说清楚，它给出的结果可能让你哭笑不得。Prompt Engineering，就是你给这个超级实习生做”上岗培训”的说明书。
一、欢迎来到 AI 新时代
先来看几个场景：
- 一位市场经理，希望 AI 在 5 分钟内帮他构思出 3 个针对年轻人的营销口号。
- 一位程序员，希望 AI 帮他检查一段代码中的潜在错误。
- 一位学生，希望 AI 帮他提炼一篇 1 万字论文的核心观点。
这些在过去听起来像科幻电影情节的事情，今天已经成为了现实。而连接我们与这个强大 AI 能力的桥梁，就是我们今天要讨论的主角——提示词工程（Prompt Engineering）。
为什么现在学习它如此重要？因为这不仅仅是一门技术，更是一种全新的工作方式和思维方式。掌握它，意味着你将拥有一个不知疲倦、知识渊博的 AI 助理。学习提示词工程，就是在给你的 AI 助理做上岗培训。
二、什么是 Prompt？
Prompt（提示词） 是我们输入给 AI 的所有指令、问题和信息的总称。它就是我们与 AI 沟通的语言，是我们操控这个强大工具的”遥控器”。
来看两个例子：
- 一个简单的问题：“中国的首都是哪里？“——这是一个 Prompt。
- 一个复杂的指令：“请帮我写一首关于秋天的五言绝句，要包含’月亮’和’枫叶’这两个意象。“——这也是一个 Prompt。
从某种意义上说，Prompt 就像是编程语言——只不过它不是写给计算机的，而是写给 AI 模型的。你不需要写 if-else 和 for 循环，但你需要学会如何用自然语言精确地表达你的意图。
三、什么是 Prompt Engineering？
Prompt Engineering（提示词工程） 是一门如何设计和优化提示词的艺术与科学。它的目标是学习如何下达最精准、最高效的指令，让 AI 能够一次性就做出最符合预期的成果，而不是反复修改、或者得到一堆无用的答案。
它的核心价值在于：
- 节省时间：一个好的 Prompt 让你一次到位，减少反复澄清和重试。
- 提升质量：精准的指令能让 AI 的输出质量大幅提升。
- 激发创造：巧妙的 Prompt 甚至能激发 AI 完成一些你意想不到的创造性任务。
它不是编程，但胜似编程——这是一种与 AI 协作的底层能力，正在成为 AI 时代每个人的必修课。
四、核心要素：好提示词的四大支柱
一个好的提示词，就像一份清晰的工作任务单。它通常包含四个核心要素，可以总结为：角色、指令、上下文、输出格式。
4.1 角色（Persona）：为 AI 设定一个身份
在下达指令前，先告诉 AI “你是谁”。这会极大地影响它的口吻、思考角度和内容专业度。当它有了身份，就如同演员入戏，输出会更聚焦、更专业。
示例对比：
| 维度 | 普通提示词 | 加入角色后 |
|---|---|---|
| 内容 | 总结一下近几年关于人工智能发展的重要事件。 | 你是一位资深的科技行业分析师，请为一位几乎不懂技术的投资人，用最通俗的语言总结过去三年人工智能领域的三个最重要的事件，并分析它们可能带来的商业影响。 |
你会发现，加入角色后，AI 的输出不仅在语气上更专业，在内容的深度和针对性上也完全不同。
常见的角色设定技巧：
- 专业角色：资深软件工程师、诺贝尔奖得主、米其林大厨……
- 受众角色：面向小学生解释、写给 CTO 看、给不懂技术的老板汇报……
- 风格角色：用莎士比亚的口吻、以脱口秀风格、像 TED 演讲……
4.2 指令（Instruction）：清晰明确的核心任务
这是 Prompt 的核心——你要 AI 做什么。这里的关键是动词要明确，任务要单一。避免使用”随便写写""大概弄一下”这种模糊的词。
模糊指令 vs 清晰指令：
# 模糊指令
帮我在下面这句话后面续写：Java是一门面向对象的编程语言，
不仅吸收了C++语言的各种优点，还摒弃了C++里难以理解的多继承、指针等概念。# 清晰指令
请在下面这句话后续写 100 字左右，形成一个完整的段落：
- 重点突出 Java 相比 C++ 的优势
- 面向编程初学者的口吻
- 使用轻松、易懂的语言风格
原文：Java是一门面向对象的编程语言，不仅吸收了C++语言的各种优点，
还摒弃了C++里难以理解的多继承、指针等概念。一个好的指令应该包含：
- 做什么（动词明确）：写、总结、翻译、分析、比较……
- 做多少（边界清晰）：100 字、3 个要点、5 条建议……
- 怎么做（风格限定）：专业的口吻、通俗的语言、学术的风格……
4.3 上下文（Context）：提供必要的背景信息
如果说指令是”做什么”，上下文就是完成这件事所需要的所有背景信息、约束条件和关键细节。你提供的信息越多，AI 的猜测成分就越少，结果就越精准。
经验之谈：AI 回答没符合预期，最有可能的原因就是上下文给得不够全。
示例：写一封申请年假的邮件
# 缺乏上下文
帮我写一封申请年假的邮件。# 提供充足上下文
我的职位是市场部经理，我的老板叫李总。我希望从11月10日休到11月15日，
共4个工作日。休假期间，我的紧急工作将由同事王伟代理，
他的联系方式是xxxx。请帮我写一封正式、礼貌的邮件向李总申请年假。两条 Prompt 得到的结果天差地别——前者可能给你一个模板，后者则直接输出一封可以直接发送的邮件。
4.4 输出格式（Format）：明确你想要的样子
很多时候，我们不仅对内容有要求，对格式也有。直接告诉 AI 你想要的格式，可以省去大量后期手动整理的时间。
不同格式的需求：
# JSON 格式
帮我整理 LLM 常见概念，以 JSON 形式输出，
key 为概念，value 为简要描述。# Markdown 表格
帮我整理 LLM 常见概念，将结果整理成一个 Markdown 表格，
包含三列：相关概念、中文名、简要描述。# Mermaid 图表
帮我画一个 OAuth 2.0 授权码模式的典型时序图，
使用 Mermaid 格式输出。五、完整案例：从糟糕到优秀的蜕变
接下来，我们把四个要素串起来，看一个完整的从”糟糕”到”优秀”的演变过程。
糟糕的提示词：
帮我策划一个活动。运用四要素优化的提示词：
【角色】你是一位经验丰富的活动策划专家。
【上下文】我们是一家新开的社区咖啡店，名叫"街角慢时光"，
目标客户是周边的年轻白领和大学生。我们的预算是 5000 元。
【指令】请为我们在下个月策划一个周末开业引流活动方案。
方案需要有创意、互动性强、且符合预算。
【输出格式】请以提案的形式输出，包含三个部分：
1. 活动主题和口号
2. 详细的活动流程（分点阐述）
3. 预算分配明细表对比一下：第一个 Prompt 给了 AI 无限的想象空间，它可能输出任何东西——从音乐会到马拉松。而第二个 Prompt 通过四个要素，把范围精确地限定在了”社区咖啡店、年轻白领和大学生、5000 预算”这个框里，AI 的输出就不会跑偏。
六、为什么这四个要素如此重要？
回到我们的核心比喻——把 LLM 比作一个”超级实习生”：
| 要素 | 给实习生说什么 | 不说会怎样 |
|---|---|---|
| 角色 | “你现在是市场部的人” | 他可能用工程师的思维写营销方案 |
| 指令 | “帮我写开业方案” | 他可能写成了闭店方案 |
| 上下文 | “预算 5000，目标年轻人” | 他可能给你一个 50 万的豪华方案 |
| 输出格式 | “按提案格式，分三部分” | 他可能给一段话，或一个 Excel |
小结
- 把 LLM 比作一个”超级实习生”，与它沟通的关键在于清晰的指令。
- Prompt Engineering 是优化指令的艺术，目的是获得高质量的输出。
- 一个高质量的 Prompt 包含四大要素：角色、指令、上下文和输出格式。
- 这不是编程课，而是思维训练课——先把自己想清楚，才能让 AI 做明白。
下一篇，我们将学习两种立竿见影的基础技巧：零样本提示（Zero-shot）和少样本提示（Few-shot），看看如何通过”给范例”的方式，让 AI 的输出精准度再上一个台阶。