编写高质量 Prompt 是与大模型协作的关键。本文总结了编写 Prompt 的部分技巧，分为基础与进阶两类。

基础技巧

核心在于 目标明确、结构清晰。

  1. 赋予角色 (Role)： 定义 AI 的身份。例：你是一名资深的 Python 程序员。
  2. 明确任务 (Task)： 使用具体的动词。例：总结/翻译/改写/提取，而不是模糊的“处理”。
  3. 补充背景 (Context)： 明确任务的目标受众，或者解决的是什么类型的问题。例：请为非技术背景的读者写一段关于 Kubernetes 的介绍。
  4. 设定约束 (Constraints)： 规定字数、语气、需要输出格式。例：请用 Markdown 格式输出，字数控制在 200 字以内，风格幽默。

💡基础优化示例：

优化前：

帮我写一段关于 Kubernetes 的介绍。

优化后：

你是一位资深云计算架构师（角色）。
请为非技术背景的初学者（受众）写一段关于 Kubernetes (K8s) 的简介（任务）。
要求：使用比喻手法（风格），字数控制在 200 字以内（约束），并以 Markdown 引用块的形式输出（格式）。

进阶技巧

核心在于拆解复杂逻辑、引导思考。

  1. 思维链引导 (Chain of Thought, CoT)： 加入“请一步步思考”或要求 AI 先列出逻辑步骤（类似编程 Agent 的 Plan 模式），能显著减少数学或编程问题的逻辑错误。
  2. 少样本提示 (Few-Shot)： 给 AI 提供 1-2 个具体的“输入-输出”示例，能更好地模仿需要的风格和格式。
  3. 结构化分隔 (Delimiters)： 使用 ###、--- 或 XML 标签（如 <text></text>）来明确区分指令、背景和待处理数据。
  4. 反向提问 (Reverse Prompting)： 在指令结尾要求 AI：“在开始任务前，如果你有任何不清楚的地方，请先问我。”

💡进阶优化示例（以编写代码为例）：

优化前：

帮我写个 MATLAB 函数处理 SAR 回波数据。

优化后：

你是一位雷达信号处理专家。请编写一个使用 BP (后向投影)算法处理雷达回波的 MATLAB 函数以得到二维 SAR 图像。
函数输入为二维原始回波数据矩阵 raw_data 和 SAR 系统参数结构体 sar_params。
函数输出为二维 SAR 图像矩阵 sar_image。

要求：

  1. 先推导 BP 算法的数学公式。
  2. 再编写核心算法代码。
  3. 最后使用 imagesc 函数对程序结果进行二维可视化。

示例：
下面是同样输入、输出参数的 RD 算法 MATLAB 函数实现，可作为参考。

1
RD算法实现

请一步步思考，并在代码中加入详细的中文注释。
如果输入参数缺失，请询问我获取参数后再开始任务。

Prompt 优化前后对比表

维度 弱 Prompt 强 Prompt
针对性 “写一个减肥计划。” “你是一位健身教练，请为一名每周只能运动 3 天的上班族制定一份高效率的减脂饮食与运动计划。”
格式控制 “总结这篇文章。” “请将下文总结为 3 条核心要点，并以 HTML 表格的形式呈现。”
逻辑处理 “这段代码哪里错了？” “请分析以下 Python 代码的报错原因，先列出逻辑漏洞，再给出修复后的代码，并解释修复逻辑。”

🛠️ 快速上手建议

如果觉得写长 Prompt 太麻烦，可以尝试较为通用的万能模版：

[角色]：你是一位 [专家/身份]
[背景]：我目前正在 [做某事]，受众是 [某人群]
[任务]：请帮我 [具体动作]
[格式]：请以 [表格/列表/代码块] 呈现
[要求]：额外的具体要求