【保姆级图文详解】探秘 Prompt 工程：AI 交互的关键密码

目录

亲爱的家人们，创作很不容易，若对您有帮助的话，请点赞收藏加关注哦，您的关注是我持续创作的动力，谢谢大家！有问题请私信或联系邮箱：[e-mail]

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

• 1、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。

• 2、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]

• 3、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

• 4、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 。