Prompt学院

什么是Prompt？

Prompt（提示词）就是你给 AI 的任何输入。你对 ChatGPT 说的每一句话、粘贴的每一段文字、上传的每一个文件，都是 Prompt。

Prompt 的质量直接决定了 AI 输出的质量。同样的 AI，Prompt 写得好和写得差，结果可以差 10 倍。

好 Prompt vs 差 Prompt

6大核心原则

原则1：明确角色

告诉 AI 它扮演什么角色，它的回答会更专业。

你是一个有10年经验的前端工程师，精通 React 和 TypeScript。
请帮我审查以下代码，指出性能问题和最佳实践。

原则2：具体明确

越具体，AI 越不会跑偏。

❌ "写一篇文章"
✅ "写一篇800字的科普文章，主题是'什么是RAG'，
   目标读者是不懂技术的大学生，
   用生活中的类比来解释概念，
   包含3个小标题"

原则3：给示例

给 AI 看几个例子，它就知道你想要什么格式。

请按照以下格式回复：

Q: 什么是Token？
A: Token就像AI的"文字积木"。AI把文字拆成一个个小块来处理，
   就像你把乐高积木拆成一个个小零件。[简单类比]

现在请回答：什么是Embedding？

原则4：分步骤

复杂任务拆成步骤，AI 不容易遗漏。

请按以下步骤分析这段代码：
1. 先总结代码的功能
2. 找出潜在的bug
3. 评估性能瓶颈
4. 给出优化建议
5. 写出优化后的完整代码

原则5：设定约束

告诉 AI 什么能做、什么不能做。

约束条件：
- 不要使用任何第三方库
- 代码不超过50行
- 不要使用递归
- 必须有错误处理
- 输出必须是纯 JSON，不要包含解释文字

原则6：迭代优化

第一次结果不满意？继续追问，不要重新开始。

第一轮："帮我写一个登录页面"
第二轮："把密码输入框加上显示/隐藏功能"
第三轮："加上表单验证，邮箱格式和密码至少8位"
第四轮："加上 Google OAuth 登录按钮"

万能 Prompt 框架

这是一个通用框架，适用于 90% 的场景：

## 角色
你是一个 [角色描述]

## 任务
请帮我 [具体任务]

## 要求
1. [要求1]
2. [要求2]
3. [要求3]

## 格式
输出格式：[格式要求]

## 示例（可选）
[输入示例] → [输出示例]

## 约束
- [不要做什么]
- [限制条件]

实战案例

案例1：让 AI 写周报

你是一个职场写作助手。请根据以下要点，写一份本周工作周报。

本周完成：
- 完成用户登录模块开发（React + Node.js）
- 修复了3个生产环境bug
- 参加了2次需求评审会议
- 和设计师对齐了新版UI方案

下周计划：
- 开始开发支付模块
- 编写单元测试

要求：
- 语气专业但不死板
- 每个要点用一句话概括
- 总字数200-300字

案例2：让 AI 做数据分析

你是一个数据分析师。以下是我们的用户数据（CSV格式）：

月份,新增用户,活跃用户,付费用户
1月,1200,800,50
2月,1500,950,65
3月,2800,1800,120
4月,3200,2100,150
5月,2900,1900,140

请分析：
1. 整体趋势
2. 付费转化率变化
3. 异常数据点及可能原因
4. 给出3条可执行的运营建议

案例3：让 AI 做代码审查

请审查以下代码，按严重程度打分（1-5分）：

[粘贴代码]

审查维度：
1. 安全性（SQL注入、XSS等）
2. 性能（时间/空间复杂度）
3. 可读性（命名、注释、结构）
4. 最佳实践（设计模式、错误处理）
5. 可测试性

每个问题给出：
- 问题描述
- 严重程度（1-5）
- 修复建议
- 修复后的代码

Few-shot（少样本提示）

Few-shot 就是在 Prompt 中给 AI 几个输入→输出的例子，让它学会你想要的格式和风格。

请根据用户评论判断情感（正面/负面/中性）：

评论："这个手机拍照太清晰了！" → 正面
评论："电池续航太差了，半天就没电" → 负面
评论："还行吧，中规中矩" → 中性

现在请判断：
评论："屏幕很大但有点重" → ?

Few-shot 的关键是：例子要多样化，覆盖不同情况（正面、负面、中性都要有）。

Zero-shot（零样本提示）

Zero-shot 就是不给任何例子，直接让 AI 做任务。现代大模型（GPT-4、Claude）的 Zero-shot 能力已经很强。

请判断以下评论的情感是正面、负面还是中性：

"屏幕很大但有点重"

Zero-shot 适合简单任务。复杂任务或需要特定格式时，还是用 Few-shot 更稳。

CoT — 思维链

CoT（Chain-of-Thought，思维链）就是让 AI 一步一步思考，而不是直接给答案。

为什么 CoT 有效？

就像人做数学题要写步骤一样，AI 一步步推理的准确率比直接回答高得多。

❌ 直接回答：
问：一个商店有23个苹果，卖了7个，又进了12个，还剩多少？
答：28个

✅ CoT 思维链：
问：一个商店有23个苹果，卖了7个，又进了12个，还剩多少？
请一步一步思考：
答：
1. 开始有23个苹果
2. 卖了7个：23 - 7 = 16个
3. 又进了12个：16 + 12 = 28个
4. 最终答案：28个

在 Prompt 中加上 "请一步一步思考" 或 "Let's think step by step" 就能激活 CoT。

ToT — 思维树

ToT（Tree-of-Thought，思维树）是 CoT 的升级版。不是一条直线思考，而是探索多条路径，选择最优解。

请用思维树方法解决这个问题：

问题：设计一个电商网站的用户增长策略

请同时思考3个不同的方向：
方向A：社交媒体营销
方向B：裂变/邀请机制
方向C：内容营销

每个方向：
1. 列出3个具体方案
2. 评估每个方案的ROI（1-10分）
3. 评估执行难度（1-10分）
4. 最后选择最优的2个方案，给出详细执行计划

ReAct

ReAct（Reasoning + Acting）让 AI 交替进行思考和行动：

思考：用户想知道北京今天的天气，我需要调用天气API
行动：调用 get_weather(city="北京")
观察：北京今天晴，25°C
思考：已经拿到天气数据，可以回复用户了
回答：北京今天天气晴朗，气温25°C，非常适合出行。

ReAct 是 Agent 的核心工作模式。详见 → Agent学院

Self Reflection（自我反思）

让 AI 检查自己的输出，找出问题并改进。

请帮我写一段产品介绍文案。

写完后，请用另一个视角审视你的文案：
1. 有没有夸大其词？
2. 有没有逻辑漏洞？
3. 目标用户看了会不会下单？为什么？
4. 请根据反思结果，给出改进版。

Meta Prompt（元提示）

Meta Prompt 就是让 AI 帮你写 Prompt。

我需要一个 Prompt，用来让 AI 帮我写小红书种草文案。

请帮我设计这个 Prompt，要求：
1. 包含角色设定
2. 包含输出格式要求
3. 包含风格约束
4. 适用于各种产品类型
5. 输出的文案要符合小红书的风格（emoji标题、口语化、有干货）

请直接给我可以使用的完整 Prompt。

Prompt 模板库

以下是常用场景的 Prompt 模板，直接复制使用：

📝 写作类

角色：你是一个资深自媒体写手
任务：写一篇关于 [主题] 的文章
要求：
- 标题吸引人，包含数字或疑问
- 开头用故事或数据引入
- 正文分3-5个小节
- 每个小节有核心观点+案例
- 结尾有行动号召
- 总字数 [字数] 字
- 语气：[专业/轻松/严肃/幽默]

💻 编程类

角色：你是一个 [语言] 专家
任务：[具体功能描述]
要求：
- 代码简洁，有注释
- 包含错误处理
- 遵循 [语言] 的最佳实践
- 给出完整可运行的代码
- 解释关键逻辑

📊 分析类

角色：你是一个数据分析师
任务：分析以下数据并给出洞察
数据：[粘贴数据]
请输出：
1. 数据概览（关键指标）
2. 趋势分析
3. 异常发现
4. 可执行建议（至少3条）

🌐 翻译类

角色：你是一个专业翻译，精通 [源语言] 和 [目标语言]
任务：翻译以下文本
要求：
- 意译而非直译
- 保持原文语气和风格
- 专业术语准确
- 目标读者：[描述]
文本：[粘贴文本]

常见问题

Q: Prompt 越长越好吗？

不一定。简单任务一句话就够，复杂任务才需要详细 Prompt。关键是信息密度，不是字数。

Q: 英文 Prompt 比中文好吗？

对于国际模型（GPT、Claude），英文 Prompt 通常更精准，因为训练数据以英文为主。但对于中国模型（DeepSeek、Qwen），中文 Prompt 效果更好。

Q: 需要背 Prompt 吗？

不需要背。理解原则后，多练习自然就会了。可以收藏几个常用模板备用。