LLM 提示词工程的 5 个核心技巧

1. 明确角色设定

给 AI 一个清晰的角色定位，比如"你是一位资深 Python 工程师"或"你是一位技术文档撰写专家"。角色设定能让 AI 更好地理解任务背景。

2. 提供具体示例

Few-shot prompting（少样本提示）非常有效。给出 1-2 个输入输出示例，AI 能更快理解你的期望格式。

3. 分步骤思考

使用"让我们一步步思考"或"请先分析问题，再给出解决方案"这样的指令，能显著提升复杂任务的准确性。

4. 设定输出格式

明确指定输出格式，如"用 JSON 格式返回"、"用 Markdown 表格展示"或"分点列出，每点不超过 50 字"。

5. 迭代优化

不要期望一次完美。根据初次输出调整提示词，逐步细化要求。记录有效的提示词模式，建立自己的提示词库。

实战建议

• 保持提示词简洁但有足够上下文
• 对于复杂任务，拆分成多个子任务
• 使用分隔符（如###）区分指令和内容
• 测试不同模型对同一提示词的反应

提示词工程是一门艺术，需要不断实践和总结。