https://bloge.oya.moe/tags/prompt/Recent content in Prompt on AI 拾遗笔记Hugozh-cnSat, 28 Mar 2026 00:00:00 +0000https://bloge.oya.moe/posts/prompt-engineering-patterns/Sat, 28 Mar 2026 00:00:00 +0000https://bloge.oya.moe/posts/prompt-engineering-patterns/<h2 id="引言">引言</h2> <p>Prompt 工程不是玄学。表面看是&quot;会不会写话&quot;，本质上是<strong>对模型能力边界的工程性利用</strong>。下面整理我在生产项目中验证有效的几种核心模式。</p> <h2 id="模式一角色--任务--约束--输出格式">模式一：角色 + 任务 + 约束 + 输出格式</h2> <p>最基础但被严重低估的模式。一个完整的 Prompt 至少要包含这四块：</p> <pre tabindex="0"><code>你是一名资深的 SQL 性能专家（角色）。 请审查以下 SQL 查询并指出可能的性能问题（任务）。 要求： - 只关注会导致全表扫描或 N+1 问题的写法（约束） - 不要建议添加索引（约束） 输出 JSON 格式（输出格式）： { &#34;issues&#34;: [ {&#34;line&#34;: 行号, &#34;problem&#34;: &#34;...&#34;, &#34;fix&#34;: &#34;...&#34;} ] } </code></pre><p><strong>为什么有效</strong>：每一块都在收窄模型的&quot;概率云&quot;。少了角色，模型不知道用什么专业度回答；少了输出格式，下游无法解析。</p> <h2 id="模式二few-shot-示例">模式二：Few-shot 示例</h2> <p>模型从描述中学习有上限，但从示例中学得很快。一两个高质量示例往往胜过 500 字的描述。</p> <p><strong>关键原则</strong>：</p> <ul> <li>示例要<strong>覆盖边界情况</strong>，而不是只展示典型情况</li> <li>示例之间要有<strong>对比性</strong>，让模型理解为什么这样而不是那样</li> <li>示例数量 1-5 个最佳，太多反而稀释主任务</li> </ul> <p>实战例子：做情感分类时，光给&quot;好评/差评&quot;两个示例不够，加上&quot;中性评论&quot;&ldquo;讽刺好评&quot;&ldquo;含吐槽的好评&quot;等边界案例，效果显著提升。</p> <h2 id="模式三chain-of-thought">模式三：Chain of Thought</h2> <p>让模型先&quot;思考&quot;再回答，复杂推理任务的标配。两种触发方式：</p> <p><strong>显式触发</strong>：</p> <pre tabindex="0"><code>请一步步思考，先分析问题再给出最终答案。 </code></pre><p><strong>隐式触发</strong>（更优）：</p> <pre tabindex="0"><code>请按以下步骤完成： 1. 列出问题中的所有已知条件 2. 识别需要求解的目标 3. 选择合适的求解方法 4. 执行计算 5. 验证答案的合理性 </code></pre><p>第二种把&quot;思考&quot;结构化，模型不会跳步，且每一步都可以单独检查。</p> <h2 id="模式四自我校验与反思">模式四：自我校验与反思</h2> <p>让模型质疑自己的输出。有两种实现：</p>