什么是提示词工程？非开发者实用指南

提示词工程是指编写和改进给 AI 模型的指令，让它稳定地产出你想要的内容。提示词就是你交给模型的一切，可以是一个问题、一项任务、一些背景信息或示例。提示词工程就是有意识地决定放入什么内容、检验输出结果、再进行调整。它与其说是寻找神奇的措辞，不如说是清晰地表达。

用 AI 构建应用时，它为什么重要

使用 AI 应用构建工具时，你的提示词就是需求说明。AI 只能构建你描述过的东西；当你的请求存在空白，它就会用听起来合理的猜测去填补。有时猜得对，但常常不是你的本意：表单上多了错误的字段、加了你不想要的功能、设计与你的受众不符。

清晰的提示词能让你少走几轮修改，而每一轮都要花时间，通常还要消耗积分。如果你要在应用里加入 AI，提示词同样重要：你写给该模型的指令，决定了你的聊天机器人如何与客户交流、拒绝什么内容，以及是否忠于你提供的事实。针对应用构建的具体做法，可参阅如何为 AI 应用构建工具编写提示词。

一个日常类比

想象你要向一位熟练的自由职业者交代工作。他从未见过你，对你的业务一无所知，而你一说完，他就会开始干活。

“帮我做一个 logo”只能得到一个 logo。“为迪拜一家儿童游泳学校设计 logo：友好但不幼稚；蓝色和橙色；缩小后要能印在泳帽上也清晰可辨；这里有我们喜欢的两个方案，还有一个我们不喜欢的”，则更接近你想要的效果。

AI 模型就像这位自由职业者：才华出众、速度很快，但完全依赖你的简报。提示词工程，就是学会写好这份简报。

核心技巧

技巧	含义	示例
明确目标	说清你要什么，以及为什么。	“一个预约页面，让新客户可以选择 30 分钟或 60 分钟的课程。”
提供背景	面向谁、已经有什么、什么最重要。	“用户大多是用手机的年长客户。”
定义“完成”	描述最终的成品。	“完成的标准是客户能预约，并且我会收到一封邮件。”
设定约束	不要做什么，以及有哪些限制。	“暂时不要加登录功能。保留现有的配色。”
展示示例	给出好结果的样子。	“请用这种风格写回复：……”
指定格式	告诉它如何组织输出。	“用表格回答，列为 X、Y、Z。”
拆分步骤	大任务一次只做一块。	“先做数据模型，再做表单，最后做邮件。”
让它先提问或规划	修改前先拿到计划。	“开始构建前，先列出你的疑问和计划。”
迭代	检查结果，逐步完善。	“表单能用了。现在把日期选择器做大一点。”

实例对比：修改前与修改后

修改前：

做一个健身房应用。

AI 必须猜测一切：用户是会员还是员工？是团课还是私教？要不要收款？你大概会得到一个通用的仪表盘，里面是编造出来的训练内容。

修改后：

为一家约有 150 名会员的小型拳击馆构建一个网页应用。

谁来使用： 会员用手机预约课程。馆主 Sam 在笔记本电脑上管理课表。

会员可以： 查看本周课程（时间、教练、剩余名额），并在开课前最多 2 小时预约或取消。

Sam 可以： 添加、编辑和取消课程，并查看每节课的报名人员。

规则： 每节课最多 12 人。同一时段不能重复预约。

暂不需要： 付款、训练记录、手机 App。

风格： 深色背景，红色点缀，按钮要大，方便点按。

开始构建前，请列出所有不清楚的地方，并说明你将创建哪些页面。

第二个提示词并不巧妙，但它完整。它说明了用户、操作、规则、哪些内容先不做，以及从哪里开始。最后一句邀请 AI 先做规划并提出问题，可以在写代码之前就发现误解。

应用内部的提示词

当你的应用本身调用大语言模型时，你编写的提示词会被反复运行，面向许多用户。同样的原则适用，同时还要额外注意以下几点：

系统提示词： 约束每一次回答的常驻指令，包括角色、语气和规则。例如：“你是 Leaf & Pot 植物店的助手。只回答关于订单、植物和配送的问题。”
依据事实作答（Grounding）： 把模型应当使用的事实，如你的政策或商品目录，一并提供，并要求它以此为依据。关于这一点为何重要，参见什么是 LLM。
兜底方案： 告诉它不确定时该怎么做，例如：“如果提供的信息中没有答案，请直说，并提供支持邮箱。”
输出格式： 如果你的代码要读取回答，就要求严格的格式，比如 JSON。
测试： 在真实用户之前，先用棘手的输入来试：粗鲁的消息、离题的问题，以及试图让它无视指令的尝试（称为提示注入）。

关键术语解释

术语	含义
提示词（Prompt）	你输入给 AI 模型的内容。
系统提示词（System prompt）	在对话开始前设定的常驻指令。
上下文（Context）	包含在提示词中的背景信息。
零样本 / 少样本（Zero-shot / few-shot）	不提供示例直接提问，或提供少量期望输出的示例后再提问。
思维链（Chain of thought）	要求模型在回答前逐步推理。
依据事实作答（Grounding）	向模型提供原始资料，并要求它基于资料作答。
提示注入（Prompt injection）	试图覆盖模型指令的文本，例如“忽略之前的所有指令”。
上下文窗口（Context window）	模型一次能够处理的文本量上限。
迭代（Iteration）	根据返回结果不断改进提示词。

常见错误与误解

寻找神奇咒语。 “你是世界级专家”远没有直接说明你的真实需求来得重要。
一次提出所有要求。 一个包含 20 项功能的请求，只会得到 20 项做了一半的功能。应该分块构建。
描述解决方案，而不是描述问题。 “加一个三列的表格”不如“Sam 需要一眼看到每节课都有哪些人报名”有用。
不说明不要做什么。 如果暂时不要登录、付款或重新设计，请直接说明。
不检查结果。 对照你的“完成”标准测试已经做好的内容，再继续下一步。
从头重来，而不是逐步修改。 通常一句简短的跟进（“差不多了，把 X 改一下”）比重写整个提示词更有效。
把密钥粘贴进提示词。 除非工具提供安全的存储方式，否则不要在聊天中粘贴密码或正式的 API 密钥。

可以向 AI 构建工具提出的要求

“开始构建前，先问我所有问题，并给我看你的计划。”
“用三句话复述你认为我想要的内容。”
“只修改预约表单，其他部分不要动。”
“你做了哪些我没有说明的假设？”
“把我的笔记整理成一份简短的说明，包括用户、功能、规则和“暂不做”的事项。”参见如何用 AI 编写产品需求文档。
“请建议我下次该如何措辞，才能让这个请求更好。”

在 Mythex 中写提示词

Mythex 有三种聊天模式，适合这种工作方式：**Plan（规划）**用于在任何改动发生前先商定方案，**Build（构建）**用于进行修改，**Ask（提问）**用于只提问、不修改文件的情况。你可以附上截图或设计稿作为背景；如果某次改动出了问题，还可以回滚到检查点。文档中关于有效提示词和迭代的页面有更多示例，而如何迭代 AI 构建的应用则介绍了后续的修改流程。

常见问题

简单来说，什么是提示词工程？

提示词工程是指编写和改进给 AI 模型的指令，让它稳定地产出你想要的结果。它涵盖你提出的问题、你提供的背景信息、示例、约束条件，以及你希望得到的输出格式。

我需要什么特殊技巧或神奇的咒语吗？

其实不需要。现代模型最能理解的是清晰、具体、条理分明的指令，这和帮助一位同事理解任务是同一个道理。背景信息、示例以及对最终结果的清楚描述，远比特殊措辞重要。

什么是系统提示词？

系统提示词是在对话开始前交给模型的一组常驻指令，比如它的角色、规则和语气。应用用它来约束每一次回答，而用户的消息则在之后到来。

随着 AI 越来越聪明，还需要提示词工程吗？

更好的模型需要的变通技巧更少，但它们仍然无法读懂你的心思。说明你的目标、受众、约束条件，以及什么才算“完成”，总能提升结果，因为模型只能根据你告诉它的内容来工作。