给想用好 AI 的人的实用指南

Prompt 工程
是什么?

Prompt 工程(提示词工程)是设计和打磨给模型的输入,让它的输出稳定、可控、可用的手艺:不是玄学咒语,而是把需求说清楚、给对示例、定好格式、配好评测的工程方法。

比如,同一句"帮我写周报":新手得到一篇空话模板;会写提示词的人给出背景、示例、格式与禁忌,得到一篇能直接交的周报。差别不在模型,在输入。到 2026 年,这门手艺已经升级为上下文工程(context engineering)——但内核没变。

2020 · 起源于 GPT-3 2022 · 思维链成名 系统提示词 = 产品资产 2025+ · 上下文工程
prompt — 对比实验

六个核心技法

把"随便聊聊"变成"精确下单"

综合 Anthropic、OpenAI 官方指南与学术文献,真正撑起效果的就这六招。点击左侧技法,右侧看它长什么样。

prompt — 示例
2020–2022 · 学术起源

上下文学习与思维链

GPT-3 论文确立"给示例就能学",CoT 论文让"一步步想"成为显学——提示词第一次被当作研究对象。

2023–2024 · 大众与玄学期

岗位热词与万能模板

ChatGPT 引爆,"prompt engineer" 成热招岗位;咒语满天飞的同时,CO-STAR 等结构化框架开始把玄学沉淀成方法。

2025–2026 · 工程化

上下文工程接棒

从写一句话升级为管理整个上下文窗口;提示词进版本库、配评测与回归,成为受管的工程资产。

谁在教你

三家官方,一堆好工具

学这门手艺不必东拼西凑——两家模型厂牌的官方指南加一个中文社区资源,足够从入门到进阶。

Anthropic文档教程

官方九大原则 + 交互教程

把"说清楚、给示例、让模型思考、用 XML 标签、系统提示词、链式提示"整理成原则;还有一个可以动手练的开源交互教程,控制台里甚至内置了自动改写提示词的 Prompt Improver。

入口 → docs.claude.com · prompt engineering
OpenAI指南Cookbook

六大策略 + GPT-5 提示指南

官方框架:写清楚指令、提供参考文本、拆分子任务、给模型"思考时间"、使用外部工具、系统化测试。GPT-5 时代的 prompting guide 进一步覆盖 Agent 与工具调用场景。

入口 → platform.openai.com/docs/guides/prompt-engineering
社区中文开源

中文指南与工程化工具

promptingguide.ai 有完整的中文版;DSPy 主张"别手写咒语,写程序自动优化提示";promptfoo 等工具给提示词配上评测;团队普遍建起自己的提示词库。

入口 → promptingguide.ai/zh

各家话术不同,核心原则高度一致:说清楚 · 给示例 · 定格式 · 可评测。

为什么重要

提示词不是咒语,
是你与模型的接口规范。

它决定模型看到什么、以什么身份回答、按什么格式交卷。2025 年年中起,"context engineering"(上下文工程)成为行业新词:一句话的提示词,长成了对整个上下文窗口的管理——检索内容、工具结果、对话历史、系统规则,都要有人编排。但这门手艺的内核没变:说清楚,给例子,可验证。

01

说清楚是硬功夫

模糊输入 = 模型替你做所有决定。把背景、目标、格式、禁忌写全,是最被低估、回报最高的技能。

02

示例比形容词有用

一篇好范文胜过十个"专业一点"。"Show, not tell" 是上下文学习的全部秘密——模型靠模仿学习。

03

可评测才可迭代

好提示是测出来的,不是灵感。建小测试集,改一版跑一遍对比输出——和写代码跑测试是同一个道理。

依据与事实

先说清楚这门手艺

词源
prompt = 提词卡戏剧里给演员提词的纸条——模型也需要一张
出生
2020 · GPT-3 论文《Language Models are Few-Shot Learners》:示例放进输入就能学会任务(arXiv:2005.14165)
成名
2022 · 思维链《Chain-of-Thought Prompting》:"一步步想"显著提升推理(arXiv:2201.11903)
岗位
2023 · prompt engineer 热潮ChatGPT 引爆需求;Anthropic 招"提示工程师与提示词图书馆员"年薪最高 33.5 万美元,全网热议
升级
2025 · context engineeringAgent 时代,一句话提示词升级为对整个上下文窗口的工程化管理
现在
2026 · 工程资产系统提示词进版本库、配评测回归,随产品一起发布

一门手艺的编年史

  • 2020 上下文学习

    GPT-3 论文证明:一个参数都不改,把示例写进输入,模型就能"现场学会"新任务。提示词工程自此有了学术起点。

  • 2022 思维链爆发

    Chain-of-Thought 与 ReAct 相继发表:"一步步想"和"边想边做"成为流传至今的两大经典套路。

  • 2023 大众化与岗位热潮

    ChatGPT 两个月破亿用户;"prompt engineer" 成为热招岗位,提示词第一次成为大众话题——也埋下"咒语玄学"的种子。

  • 2024 框架沉淀

    CO-STAR 等结构化框架、两家官方指南与开源教程出现;提示词从玄学走向方法论,开始被系统化教学。

  • 2025 上下文工程接棒

    "context engineering" 成行业热词:从写一句话,到管理模型看到的整个世界——系统提示、检索内容、工具结果、记忆。

  • 2026 资产化

    系统提示词与产品一起进版本库,配评测与回归;提示词工程成为 AI 工程的标准工序,而非聊天技巧。

常见张力与误解

  • 越具体 vs 越灵活——约束太死限制发挥,太松模型自由发挥;格式管死、内容留白。
  • 示例多 vs 上下文贵——例子给得越足越稳,但占窗口、拖速度;精选 2-3 个胜过堆 10 个。
  • 一句话 vs 系统提示词——每轮都要重复的规则,应该上移到系统层只写一次。
  • 人工打磨 vs 自动优化——DSPy 一派主张把提示当程序让算法调;人工理解任务的能力仍不可替代。
  • 技巧 vs 评测——听来的技巧是起点,自己的测试集才是裁判;别照抄别人的咒语。
  • 中文 vs 英文——现代模型差距已小,用你最擅长表达的语言写;个别标签名用英文更稳。

三个常见误解:① "礼貌和威胁能显著提升效果"——个别研究测出微小差异,远不如说清楚、给示例实在;② "存在万能咒语"——任务不同接口就不同,骨架可复用、内容必须定制;③ "提示词工程要消失了"——它没有消失,而是升级为上下文工程与评测驱动的工程实践。

接下来继续了解

常见问题

都 2026 年了,学提示词还有用吗?+
有用,但内容变了:死记咒语确实过时了;把需求说清楚、给好示例、设计格式与评测,依然是人机协作的核心技能——模型越强,"会提问"的杠杆越大,因为它替你省下的返工也越多。
提示词工程和上下文工程是什么关系?+
上下文工程是超集:不只写一句话,而是管理模型看到的全部上下文——系统提示、检索内容、对话历史、工具结果。提示词工程是其中最贴身、最常改的部分,也是入门上下文工程的第一步。
用英文写效果更好吗?+
现代模型的中英差距已经很小,用你最擅长表达的语言写;关键在信息完整与格式清晰,不在语言本身。个别场合(如 XML 标签名、代码注释)用英文更稳。
系统提示词和用户提示词有什么区别?+
系统提示词是常驻规则——身份、边界、输出格式,每次对话都生效;用户提示词是每轮输入。产品的"性格"几乎全在前者,所以改它要走版本管理和评测,而不是随手编辑。
有万能模板吗?+
没有万能咒语,但有可复用的骨架:角色 → 背景 → 任务 → 格式 → 约束 → 示例(见页尾)。每个任务都要填自己的肉——骨架保证你不漏项,内容决定输出质量。
怎么知道我的提示词变好了?+
建一套 10–20 条的测试用例,每次改动跑一遍、对比输出——评测驱动的迭代。感觉"好像更好了"不算数,测出来才算数;这也正是它被称为"工程"的原因。

它适合谁

四类读者,四个入口

For Writers

内容工作者

把"碰运气"变成稳定产线:定格式、给范文、设禁忌,让 AI 的产出第一次就能用。

起点 → 六技法 ① 说清楚
For Devs

开发者

系统提示词是你产品的隐形代码——同样需要版本管理、评审和回归测试。

起点 → Anthropic 交互教程 ↗
For PMs

产品经理

设计 AI 功能 = 设计接口:把"用户意图 → 模型行为"的翻译规则写清楚、写完整。

起点 → OpenAI 六大策略 ↗
For Students

学生 / 研究者

从两篇奠基论文读起,理解上下文学习与思维链,再看今天的 Agent 如何继承它们。

起点 → arXiv:2201.11903

开始动手

六行万能骨架

没有万能咒语,但有一个可以填一辈子的骨架——填满这六行,你已经超过大多数用户。

角色:你是____
背景:____
任务:____
格式:____(最好附 1–3 个示例)
约束:不要____
不确定时:说"不知道",不要编
微信公众号「大话数据分析」二维码

微信扫码关注「大话数据分析」数据 · 分析 · AI 实战