Prompt Engineering（提示词工程）是指：设计、优化和组织你给 AI 的输入（Prompt），让 AI 更准确、更稳定地完成任务。

简单说：

你怎么“提问”，决定了 AI 怎么“回答”。

---

一个直观例子

普通提问（效果一般）

帮我写一篇文章

AI 不知道：

• 写什么主题？
• 给谁看？
• 什么风格？
• 多长？
• 目的是什么？

所以输出通常比较泛。

---

Prompt Engineering 后（效果明显更好）

请写一篇 800 字中文文章，主题是“为什么 AI 会改变教育”，目标读者是大学生，风格要像科技专栏，结构包括：

1. AI 对学习方式的改变
2. AI 导师的优势
3. 人类教师不会被替代的原因
   最后给出未来展望。

这时 AI 的输出会：

• 更精准
• 更符合预期
• 更稳定
• 可控性更高

---

Prompt Engineering 的核心目标

主要有 4 个：

目标	说明
提高准确率	减少 AI 跑题
提高稳定性	多次输出风格一致
控制输出格式	比如 JSON、表格、代码
激发更强能力	让 AI 推理、分析、规划

---

常见 Prompt Engineering 技巧

1. Role Prompt（角色设定）

让 AI 扮演身份。

例如：

你是一位资深 Python 工程师

或者：

你是一位心理咨询师

这样 AI 会调整：

• 用词
• 专业度
• 思考方式

---

2. Few-shot Prompt（示例学习）

给 AI 示例。

例如：

输入：苹果
输出：水果

输入：奔驰
输出：汽车品牌

输入：耐克
输出：

AI 会学会模式。

---

3. Chain of Thought（思维链）

要求 AI “一步一步思考”。

例如：

请逐步分析这个数学题

这会显著提升复杂推理能力。

---

4. Structured Output（结构化输出）

要求固定格式。

例如：

{
  "title": "",
  "summary": "",
  "keywords": []
}

这在：

• 编程
• API
• 自动化
• AI Agent

中特别重要。

---

5. Constraint（约束条件）

增加限制。

例如：

• 不超过 100 字
• 用小学生能懂的语言
• 不使用专业术语
• 必须包含示例

约束越明确，输出越可控。

---

Prompt Engineering 在哪些地方很重要？

现在几乎所有 AI 应用都依赖它：

场景	用途
ChatGPT 使用	提高回答质量
AI 编程	更准确生成代码
AI 绘画	控制画风与细节
AI Agent	任务拆解与执行
企业 AI 系统	构建稳定工作流
搜索/客服	提高问答质量

---

一个经典 Prompt 模板

很多专业 Prompt 都遵循：

角色 + 任务 + 背景 + 约束 + 输出格式

例如：

你是一名产品经理。

请根据以下需求生成 PRD：

背景：
我们要做一个 AI 写作 App。

要求：
- 面向大学生
- 核心功能 3 个
- 包含用户痛点
- 使用 Markdown 输出

---

为什么 Prompt Engineering 很火？

因为现在的大模型：

• 能力很强
• 但“理解人意图”仍有限

好的 Prompt：

• 相当于“给 AI 清晰指令”
• 能把模型能力放大很多倍

很多 AI 产品公司里甚至有专门岗位：

• Prompt Engineer
• AI Workflow Designer
• LLM Application Engineer

---

一句话总结

Prompt Engineering 本质上是：
用更专业、更结构化的方式与 AI 沟通。

它像：

• 给 AI 写说明书
• 给 AI 下命令
• 教 AI 如何完成任务

而不是随便聊天。