提示词是什么?Prompt 与提示工程全解
提示词(Prompt)是你发送给大模型的输入指令,提示工程(Prompt Engineering)是设计和优化提示词的方法论。同一个模型,提示词写得好与差,输出质量可能天差地别。本文带你掌握提示词的核心技巧和常用框架,以及如何通过 AI的那些事儿 用最佳提示词调用 GPT-4o、Claude、Gemini。
发布: 更新:
提示词的定义
Prompt(提示词) = 你发送给AI模型的所有输入内容,包括问题、指令、上下文、示例等。
通俗比喻:提示词就像你给员工下达的工作指令——指令越清晰具体,员工(模型)完成得越好;指令模糊笼统,结果就不可控。
在API调用中,提示词通常包含:
- System Prompt:定义模型的角色、行为规则(系统级指令)
- User Prompt:用户的具体问题或任务
- Assistant Prompt:模型之前的回答(多轮对话上下文)
提示工程的核心技巧
角色设定
"你是一位资深Python工程师"——给模型一个身份,它会用该角色的专业水平和语气回答。
明确任务
清晰说明要做什么、输出什么格式、多长、什么风格。不要让模型猜你的意图。
Few-shot 示例
给1-3个输入→输出的示例,模型会模仿示例的格式和风格。比纯文字描述更有效。
思维链(CoT)
"请一步步思考"——让模型展示推理过程,而非直接给答案。显著提升复杂推理的准确率。
约束条件
明确限制:字数、格式(JSON/Markdown)、语言、禁止事项。减少不确定性。
分步拆解
复杂任务拆成多个简单步骤,逐步完成。比一次性要求所有内容效果更好。
提示词的常用框架
CRISPE 框架
Capacity(角色)+ Request(任务)+ Insight(背景)+ Statement(要求)+ Personality(风格)+ Experiment(示例)
CO-STAR 框架
Context(背景)+ Objective(目标)+ Style(风格)+ Tone(语气)+ Audience(受众)+ Response(格式)
RISEN 框架
Role(角色)+ Instructions(指令)+ Steps(步骤)+ Expectation(期望)+ Narrowing(约束)
不需要死记框架,核心就是:告诉模型"你是谁、做什么、怎么做、输出什么格式"。
好提示词 vs 差提示词
差提示词 ✗
"帮我写个文案"
问题:没有说明产品、受众、风格、长度、用途。模型只能瞎猜。
好提示词 ✓
"为一款AI API中转服务写一条朋友圈文案。目标用户:程序员。卖点:国内直连、价格低。风格:轻松幽默。长度:50字以内。"
清晰:产品、受众、卖点、风格、长度全部明确。
高级提示词技巧
思维链(Chain of Thought)
加"请一步步推理"或"Let's think step by step",让模型展示思考过程。数学和逻辑题准确率提升20-50%。
自我反思
"回答后检查是否有错误,如有请修正"——让模型自我审查,减少幻觉。
角色扮演+约束
"你是严格的代码审查员,只指出Bug,不要重写代码"——精确控制输出范围。
结构化输出
要求JSON/XML/Markdown格式输出,方便程序解析。配合temperature=0确保格式稳定。
负面提示
"不要使用专业术语"、"不要超过100字"——明确告诉模型不要做什么。
迭代优化
提示词很少一次完美。观察输出→找到问题→调整提示词→再试,反复迭代。
实战:提示词技巧 + API 调用
- 获取 AI的那些事儿 API Key。
- 在代码中把 base_url 改为
https://api.example.com/v1。 - 用精心设计的提示词调用大模型,获得最优输出。
Python 示例:System Prompt + 思维链
from openai import OpenAI
client = OpenAI(
api_key="你的Key",
base_url="https://api.example.com/v1"
)
# 提示工程实战:角色设定 + 思维链 + 格式要求
r = client.chat.completions.create(
model="gpt-4o",
messages=[
{
"role": "system",
"content": """你是一位资深数据分析师。回答时遵循以下规则:
1. 先分析问题的关键变量
2. 一步步推理(展示思考过程)
3. 给出明确结论
4. 用Markdown格式输出,包含标题和要点"""
},
{
"role": "user",
"content": "一家电商网站的转化率从3%降到了1.5%,同期流量增长了200%。可能的原因是什么?"
}
],
temperature=0.3
)
print(r.choices[0].message.content)
Python 示例:Few-shot + 结构化输出
# Few-shot:给示例让模型学会输出格式
r = client.chat.completions.create(
model="gpt-4o",
messages=[
{"role": "system", "content": "你是一个SEO标题生成器。根据关键词生成5个标题。"},
{"role": "user", "content": "关键词:Python入门"},
{"role": "assistant", "content": '["Python入门教程:零基础30天学会编程","2026年Python入门指南:从安装到第一个项目","Python入门难吗?这篇文章让你少走3年弯路","小白学Python:5个最佳入门资源推荐","Python入门到精通:一份完整的学习路线图"]'},
{"role": "user", "content": "关键词:AI中转站"}
],
temperature=0.7
)
print(r.choices[0].message.content)
Node.js 示例:约束+负面提示
import OpenAI from "openai";
const client = new OpenAI({
apiKey: "你的Key",
baseURL: "https://api.example.com/v1",
});
const r = await client.chat.completions.create({
model: "claude-sonnet-4-20250514",
messages: [{
role: "user",
content: `任务:为以下代码写注释
要求:
- 只写注释,不要修改代码
- 注释用中文
- 每个函数写一行功能说明
- 不要解释语法基础知识
代码:
def fibonacci(n):
if n <= 1:
return n
return fibonacci(n-1) + fibonacci(n-2)`
}],
});
console.log(r.choices[0].message.content);
常见问题
提示词(Prompt)是什么?
提示词是你发送给AI大模型的输入文本,包括问题、指令、上下文、示例等。它告诉模型"你想要什么",质量直接决定输出质量。好的提示词 = 好的AI输出。
提示工程(Prompt Engineering)是什么?
提示工程是设计和优化提示词的方法论,包括角色设定、Few-shot示例、思维链、格式约束等技巧。目标是让大模型产出更准确、更有用的结果。是2026年AI应用开发的核心技能。
提示词和微调有什么区别?
提示词是"使用时"给模型的指令,零成本、即时生效、随时修改;微调是"训练时"用数据改变模型行为,需要数据+GPU+时间。90%的场景好的提示词就够了。
不同模型的提示词通用吗?
基本通用,但各模型有偏好。GPT对System Prompt响应好;Claude对XML标签格式友好;Gemini对结构化指令响应好。核心原则(清晰、具体、有示例)对所有模型都适用。
怎么用好提示词调用大模型?
通过 AI的那些事儿 调用GPT-4o、Claude、Gemini,在System Prompt中设定角色和规则,在User Prompt中给出具体任务。国内直连免代理,按次计费。
好提示词 + 好模型 = 最强AI输出
GPT-4o、Claude Opus 4、Gemini 2.5……用最佳提示词释放它们的全部能力。