提示词工程：从对话到可复用的指令

一句话定位：提示词工程把「跟模型的一次对话」变成「可复用、可测试、可交付的指令」——五件套搭结构，示例与分步思考提效果，版本管理保质量。背景阅读：Scaling Law 与算力预算——模型能力是算力换来的，提示词是你驾驶它的方式。

聊天随口问，干活要写说明书

跟聊天机器人对话，随口一句它就能答，感觉模型「什么都懂」。

可一旦想让模型干活——每天总结工单、按固定格式写报告——同一个任务换个问法，质量天差地别；你在聊天框里试出来的「神奇句子」，自己用着灵，交给同事就失灵，跑进产品更是没法复现。

差别在哪？聊天是即兴发挥，干活需要说明书。模型没有记忆、也没有对你这次任务的预设偏好，它每一步都只看你给的那段文字——文字里没写的，它就自由发挥。

怎么把「会聊天」变成「会写指令」？

这就是提示词工程：一套把指令写清楚的结构件，加上几个被反复验证的进阶手段。

图：指令解剖——先看三层各放什么，①–⑤ 依次填空；右侧三个手段是让每层更好使的添加剂

渐进拆解：给模型写一份入职说明书

五件套与三层

类比：提示词工程的核心动作，是给一个「能力极强但没有常识的新员工」写入职说明书。五件套分三层放——①角色、④格式写在系统层（入职就定好），②任务、③背景随单更新（用户层），⑤示例攒成案例库（资产层）。每件都有职场对应：

• ①角色定义 = 职位头衔。「你是三甲医院的分诊护士」比「你是助手」稳得多——角色一词带出一整套行为预期。
• ②任务定义 = 岗位职责。做什么、不做什么、拿不准怎么办，写成动词开头的短句。
• ③背景信息 = 入职培训资料。本次要用的材料、数据、术语表——模型不知道你公司的事，你不给它就猜。
• ④输出格式约定 = 报告模板。字段名、结构、长度上限，越具体越省事。最有效的一招是给空骨架——把目标 JSON 的字段列出来、值留空，让模型照着填：比「结构化一点」这类形容词管用得多。
• ⑤示例库 = 标杆案例。老员工怎么处理的，照着学——这就是 few-shot。

三版本例子

例子：同一个「总结客户投诉」任务的三个版本，效果阶梯分明——

图：效果阶梯——V0 靠运气，V1 靠结构，V2 靠示范；每上一级，「稳定性」都多一分

V0 的典型表现：这次的输出分五点、下次变三段，有时还反问一句「需要重点关注哪些方面吗」——单次看都不算差，连起来看没法用：没人敢把「每次长得不一样」的输出接进任何流程。

一句话收拢：提示词工程的本质，是把你对任务的隐性预期全部显式化——写出来的每一句，都是在堵住模型「自由发挥」的口子。

大白话：模型不会读心。你觉得「理所当然」的事，它一概不知道——所以角色要说、格式要定、材料要给、标杆要放。哪次输出不满意，先问自己：这条预期，我写进指令了吗？

技术定义：提示词（prompt）是发给模型的全部输入文本，提示词工程是通过结构化编写与迭代测试，稳定获得目标输出的方法。业界通行的组件化写法把指令拆为系统提示词（system prompt，承载角色与全局约定）与用户消息（承载单次任务与材料）两层——图里的资产层是管理意义上的第三层，落库时可挂进系统提示、也可随消息注入。

经验权威教程把它进一步拆为清晰直接、角色分配、数据与指令分离、输出格式化、逐步思考、示例使用等可单独训练的技能点。进阶方向上，少数人的「雕花技巧」正让位于系统性方法：把指令当作随上下文迭代的工程资产来管理。

进阶：三个用得最多的手段

few-shot（示例）

给模型看几个「输入 → 标准输出」的对子让它照着学——一条示例都不附叫 zero-shot，附 3–5 个就叫 few-shot。用对场景收益立竿见影——格式敏感任务（抽取、改写、分类）尤其明显。

选示例的标准比数量重要：

• 覆盖典型情况。
• 包含一两个边界情况——比如「这条不该归类」的反例。
• 风格与目标输出完全一致。

摆放也有讲究：示例与正式任务之间用清晰的分隔（标记或空行加说明），避免模型把示例当成待处理的输入。经验值三到五个，随任务复杂度调整——多了挤占上下文。

few-shot 为什么不用重新训练就有效？模型权重不动，示例在上下文里临时塑造行为——这个现象业界叫上下文学习（in-context learning）。它也划出了技巧的边界：示例只对当前对话生效，新会话要重新给；示例教的是「这类任务的输入输出长这样」，不是把能力写进参数。

思维链

在指令里加一句「先分步分析，再给结论」，让模型把中间步骤写出来。对数学、逻辑、多条件判断类任务收益明显；对简单任务纯属浪费 token。举个具体的：问「这个折扣规则下，满 300 减 60 且会员再打九折，288 元的订单会员实付多少」——不加思维链，模型常一步给出错误数字；加了思维链，它会先判断 288 是否满 300（不满，不减）、再算 288×0.9=259.2——中间步骤让错误无处藏身。它还有一个隐藏用途：中间步骤写出来后，你可以检查「它到底怎么想的」——错在哪一步一目了然。

正负面引导

「要什么」写成正面指令（「用中性语气」），比负面禁止（「不要太主观」）更有效——经验上，模型对正向描述的遵循明显更稳。负面清单留给真正的高危项，别把指令写成禁止大全。

动手：把指令变成带版本号的模板

五件套一旦定型，就该从聊天框搬进代码——就像说明书改版要有版本号，每个槽位做成变量，每次修改升一版，同一批测试题回归对比（下面是伪代码，五个槽位依次对应①–⑤：角色①、任务②——处理范围并进任务变量不单开槽、背景③、输出格式④、示例⑤）：

PROMPT = {
  "v3": """你是{role}。
任务：{task}。只处理与{scope}相关的内容。
背景材料：{context}。
输出 JSON：{schema}。
标杆案例：{example}。
语气中性，不确定就标注「存疑」。""",
}

def run(version, **kw):
    return model.chat(PROMPT[version].format(**kw))

# 版本管理铁律：改 prompt = 改代码。
# v3 与 v2 跑同一批 30 道测试题，对比通过率——好了才合入，退化就回滚。

模板化之后，提示词才第一次拥有「工程质量」：可测试、可回滚、可多人协作——这也是它与「聊天框神奇句子」的分水岭。

测试题集从哪来？三个来源按优先级：

1. 真实用户问过的问题（最值钱）。
2. 上线前你手工试出的边界情况（次之）。
3. 按需求编造的典型场景（兜底）。

每条测试题记两样：输入与期望要点——不必写标准答案全文，写「答案必须包含的关键点」就够机器比对。

边界与取舍：雕花有尽头，工程无止境

四件事值得提前知道，分别关于：会失效、有风险、要验证、会演进。

别过拟合到某个模型

在旧模型上磨出来的「神奇短语」，换一代模型常常失效甚至反效果——指令的可移植性来自结构清晰，不来自玄学措辞。好比说明书是为「这个岗位」写的，不是为「这位员工」写的：换人（模型升级）时，五件套结构不动、措辞重测。

材料会变成攻击面

指令写在系统层，但你喂给模型的网页、文档、用户输入里，可能藏着另一道指令。看一遍攻击是怎么发生的：

图：注入路径——材料与指令在上下文里混成一锅，模型分不清谁是主人；防御靠隔开、降权、留痕

这就是提示词注入：材料与指令在上下文里混在一起，模型分不清谁是主人。基础防护三条：数据与指令明确分隔（用标记把材料框起来）、输出当数据不当命令（尤其别把模型输出直接拿去执行）、给模型的最小权限原则。注入的完整攻防（间接注入、工具滥用、纵深防御）值得单独一篇展开（见 Agent 安全边界）。

改一句要跑一遍回归

提示词是概率系统的旋钮：这一处变好、另一处常常悄悄变坏。所以「版本号 + 固定测试题集 + 对比通过率」不是仪式感，是唯一能证明「这次修改是净收益」的手段。测试题集怎么建、通过率怎么定，正是Agent 评估那篇的主题——两篇是一对。

雕花的尽头是换赛道

2025 年起，Anthropic 把单条指令的雕琢，升级为对整个上下文的编排——系统提示、工具返回、历史消息、检索材料统一规划取舍。他们的说法是：这是提示词工程的自然演进，名字叫Context 工程。五件套是它的地基——地基不牢，编排无从谈起。

自测

合上文章先自己答，再展开对照：

参考与延伸

• 视频版：动画拆解（约 5 分钟）——本篇的交互式演示版，逐节拍推进、可点击回看，支持竖屏模式。
• Anthropic《Effective Context Engineering for AI Agents》（2025-09-29）：「上下文工程是提示词工程的自然演进」的出处，讲系统提示校准与上下文取舍 — anthropic.com/engineering/effective-context-engineering-for-ai-agents
• Anthropic 官方交互式提示词教程（GitHub 开源，9 章 + 练习）：清晰直接、角色分配、数据与指令分离、输出格式化、逐步思考、示例使用等技能点即其课程目录 — github.com/anthropics/prompt-eng-interactive-tutorial

下一站：Agent：循环、工具调用与 harness——单次指令的天花板，靠循环来突破。