提示工程

别名:Prompt Engineering / Prompt 工程

通过组织指令、示例和上下文,让模型更稳定地完成目标任务。

更新于 2026/11/08
应用Prompt实践

一句话定义

提示工程是在不改变模型参数的前提下,通过设计输入内容来引导模型输出。它关心的是「怎么说」,而不是「改模型」。

常用手段

  • 明确角色与任务:说明你是谁、要做什么、交付什么形式。
  • 给约束:长度、语气、禁止事项、必须包含的字段。
  • 给示例:用少量输入输出样例(few-shot)固定格式和风格。
  • 拆步骤:把复杂任务分解成子问题,或要求先列提纲再作答。
  • 结构化输出:要求 JSON、表格或固定字段,便于程序解析。
  • 提供上下文:把相关资料放进 上下文窗口,减少模型凭空编造。

提示工程:模糊提示 vs 结构化提示

怎么判断有效

提示词不是写完就结束,而要建立小规模评测集:固定一批典型输入,比较不同提示的通过率、格式正确率和稳定性。没有评测,只靠单次观感很难判断改动是否真的变好。同一个提示在不同模型/版本上效果可能不同,要做回归测试;提示工程的收益要用评测数据说话。

局限

  • 提示无法给模型注入它没有的知识;知识密集场景需要 RAG 或微调。
  • 对复杂多步任务,单轮提示的稳定性有限,通常要配合工具和 Agent 循环。
  • 模型版本变化可能让原本有效的提示失效,需要回归测试。
  • 提示越长,关键指令越容易被淹没,成本和延迟也越高。

用在哪里

  • 任务定义清晰、但模型输出格式/风格不稳定时。
  • 知识不足先补 RAG;多步任务用 Agent;提示工程负责约束输入输出,不替代它们。

常见误区

  • 存在一套「万能咒语」:效果依赖任务、模型和数据,不能照搬。
  • 提示工程可以替代评测:它恰恰最需要评测来收敛。
  • 把所有要求堆进一段话就是好提示:结构清晰比篇幅更重要。

相关概念

  • RAG:用检索补足模型知识。
  • Agent:把提示扩展成多步行动循环。
  • 上下文窗口:提示能够占用的空间上限。