Prompt Engineering 总览：提示词的四段式解剖

提示工程是"用自然语言编程"

同样的模型，提示词差一点，效果天差地别。Prompt Engineering 就是通过精心设计输入来稳定、准确地引导模型行为 —— 它不是玄学，而是有方法论的工程实践。

四段式解剖：一个可靠提示词的通用骨架

【角色】你是一位资深数据工程师，擅长 Excel 数据清洗。
【任务】把用户提供的混乱地址整理成结构化字段。
【约束】1. 只依据输入内容，不确定的字段填 "unknown"
       2. 不要输出解释，只输出结果
【格式】JSON：{"省": "", "市": "", "详细地址": ""}

输入：{{text}}

• 角色（Role）：设定身份与专业背景，锚定回答风格与知识侧重；
• 任务（Task）：一句话说清要做什么，动词开头越具体越好；
• 约束（Constraints）：边界条件、禁止事项、处理不确定性的规则；
• 格式（Format）：输出长什么样 —— JSON 字段模板、列表、表格、字数限制。

三条心法

• 具体胜过抽象："写得专业一点" ❌ → "用面向开发者的技术博客口吻，避免营销词汇" ✓；
• 说"做什么"优于说"别做什么"：模型的注意力更容易跟随正向指令；
• 重要的事情放最后：长提示词末尾的内容对模型影响最大。

迭代心态

提示词不是一次写好的，而是"改一版 → 用 5~10 个真实 case 测 → 找出失败模式 → 针对性修改"的循环。配合本站《提示词版本管理与测试》课程的评测集方法，工程化地迭代。