40 lines
1.6 KiB
Markdown
40 lines
1.6 KiB
Markdown
---
|
||
title: "Prompt工程"
|
||
type: concept
|
||
tags: [prompt-engineering, llm, ai]
|
||
sources: ["如何写出完美的Prompt（提示词）？"]
|
||
last_updated: 2026-04-15
|
||
---
|
||
|
||
## Definition
|
||
将人的模糊需求转化为 AI 可理解、可执行的结构化任务的协作协议设计能力。本质是结构化思维+精准表达。
|
||
|
||
## Core Framework
|
||
### 四要素（角色-需求-场景-目标）
|
||
- 角色：明确输入角色，决定立场
|
||
- 受众对齐：明确输出接收者，决定专业深度与语言风格
|
||
- 场景对齐：明确使用场景，决定内容侧重点与呈现形式
|
||
- 目标对齐：明确核心目标，决定内容逻辑与关键信息
|
||
|
||
### 技术层级
|
||
| 层级 | 技巧 | 适用场景 |
|
||
|------|------|---------|
|
||
| 基础 | 需求拆解、上下文补全、格式定义、示例引导 | 简单任务（撰写短文、整理数据、回答问题） |
|
||
| 进阶 | 思维链引导、任务拆分、角色赋能、预填回复、不确定性管理 | 复杂任务（行业白皮书、竞品分析、年度方案） |
|
||
| 高阶 | 跨模态联动、领域知识注入、反馈循环嵌入 | 超复杂任务（多模态生成、跨领域方案、知识图谱构建） |
|
||
|
||
## Key Principles
|
||
- 隐性需求必须显式表达（LLM 无默认设定）
|
||
- Prompt 优化过程本质是需求逐步清晰化
|
||
- 建立测试-反馈-优化闭环
|
||
- 技巧选择按复杂度匹配，遵循最小成本原则
|
||
|
||
## Related Concepts
|
||
- [[结构化思维]]：Prompt 工程的思维基础
|
||
- [[AI技能封装]]：Prompt 工程向流程工程的延伸
|
||
- [[LLM]]：Prompt 工程的载体
|
||
- [[大语言模型]]：技术基础
|
||
|
||
## Sources
|
||
- [[如何写出完美的Prompt（提示词）？]]
|