实用指南
提示词工程指南：写出有效的 AI 指令
提示词工程（提示词工程）是把目标结果转化为模型可以执行、也方便人审阅的指令。它不是寻找某个神奇短语，而是明确上下文、约束、示例和完成标准。
研究与披露: 本文参考了以下官方文档：OpenAI, Anthropic, Google Gemini。资料查阅于 2026 年 9 月 2 日。模型行为会变化，请针对实际使用的模型和任务测试每条指令。
五个组成部分
- 任务： 说明要完成什么，以及结果要解决什么问题。
- 上下文： 提供来源材料、受众和必要背景。
- 约束： 说明长度、语气、禁用内容、隐私限制和允许使用的来源。
- 输出契约： 指定标题、字段、示例或数据结构。
- 检查： 要求模型标记不确定性，并验证必需条件。
任务：把下面的访谈笔记整理成一页产品简报。
受众：产品负责人和工程负责人。
仅使用：提供的笔记；缺少证据时标记为“待确认问题”。
输出：用 Markdown 写出问题、用户、约束、方案、风险和下一步。
检查：区分事实与假设，并列出五个需要复核的问题。用证据改进 Prompt
准备一组真实输入，包括信息不完整、互相矛盾和边界情况。不要只凭一条看起来很好的回答判断 Prompt 是否有效，而要对照检查项比较多个结果。保存 Prompt 版本、模型、输入和审核备注，改进才可以复现。
如果要建立可复用的 Prompt 库，请把任务说明、通过示例、已知失败案例和模型假设放在一起。Ottermind AI Prompt 库指南介绍了维护方法；本文重点是如何写出并测试单条指令。
从模糊请求到生产级 Prompt
“总结这些客户访谈”并不是完整需求。产品团队可能需要反复出现的痛点和代表性原话，管理层可能需要三个决策及其风险，客服团队可能需要可复用的答复。相同资料因为受众不同，输出契约也应不同。
可以分成几个阶段：
- 提取陈述，并保留访谈编号。
- 合并相似陈述，但不要抹掉分歧。
- 只根据给定样本进行计数或限定结论。
- 起草影响判断，并把它标记为解释。
- 让负责人审核后再发布。
分阶段通常比一次性要求“写出漂亮结论”更可靠，也更容易定位错误发生在哪一步。
示例应该怎么选
当目标格式很难描述时，少量示例非常有用，例如工单分类或发票字段提取。示例应覆盖边界情况，而不只是简单输入。如果区别比较细，解释示例为什么正确。对于敏感工作，使用真实但脱敏的占位内容；不要因为 Prompt 写得好，就把机密资料发送到未经批准的服务。
Prompt 需要调用工具时
如果任务需要搜索、读取文件或计算，请说明工具的用途和失败处理方式。写清允许访问哪些来源、没有结果时怎么办，以及模型是否可以执行外部操作。工具权限必须由应用程序检查，不能靠 Prompt 中的“请谨慎操作”承担安全责任。
实用审核标准
每次审核可以问四个问题：是否只使用了允许的证据？是否遵守输出格式？是否让不确定性可见？是否真正适合目标受众？如果评分标准含糊，应改写验收条件，而不是继续添加“专业”“高质量”等形容词。
提示词工程 解决不了什么
Prompt 不能让过时资料自动变新，也不能替代清晰的目标、事实核验或权限控制。涉及客户、资金或生产系统时，还需要检索、权限、人工审核和测试。
可跨模型使用的技巧
- 用分隔符区分指令和不可信的来源文本。
- 当其他系统需要解析结果时，要求结构化输出。
- 目标形式难以描述时，给出一两个示例。
- 将研究、起草和审校拆成不同轮次。
- 明确信息缺失时模型应该怎样处理。
常见问题
模型越来越强了，还需要 提示词工程 吗？
需要。更强的模型更容易遵循清晰目标，但仍然需要准确上下文、边界和可验证的完成标准。
Prompt 越长越好吗？
不是。只有在任务确实需要时才加入细节；不会改变决策或输出的重复说明应删除。
怎样复用一条 Prompt？
保存任务、输入、输出契约、示例、模型假设，以及几组已经通过的测试案例。工作流或模型变化时重新评估。
最快的学习方法是什么？
从一个重复任务开始，写出五个组成部分，测试失败情况，再根据具体错误修改。
