提示词工程 (Prompt Engineering)

#

1. 为什么提示词重要

#

同一个模型，不同的提示词，输出质量可以差10倍。

我需要一个Python脚本，功能是：
1. 读取当前目录下所有 .md 文件
2. 提取每个文件的 YAML frontmatter 中的 tags 字段
3. 统计每个 tag 出现的次数
4. 按频率排序输出到 stats.csv

环境：Python 3.12，只用标准库。
输出格式：先给我完整代码，再解释关键部分。

2. 我的真实用法

#

先让AI帮我理清思路

#

我的习惯是：自己有具体要求就直接输入；没有的话，前几轮会和AI谈论究竟想要什么，让AI来问我，帮我确认模糊的想法。

怎么触发AI来问你？

• 在 IDE / CLI 的 instructions 里写："必须遵守：当你有不明白的地方或者完成工作或有需要澄清的问题时，请调用提问工具以获取进一步指示，而不是直接结束对话。"
• 在网页端直接说："先不要做，问我几个问题帮我理清需求"

根据不足迭代 instruction

#

我写的 instruction 不是一次成型的——是根据AI出现的不足一条条加上去的。

比如模型不用 Skills，我就写 "XX动作使用XX skill"；比如模型老是跳过确认步骤，我就加 "完成后必须调用提问工具"。

不同任务分配给不同模型

#

不是所有任务都用同一个模型。我现在的分配大概是：

3. 通用原则

#

不管用什么模型，这几条都适用：

1. 给角色（Role）

#

你是一个有10年经验的Python后端工程师。

让模型知道用什么视角、什么水平来回答。

2. 给上下文（提供背景）

#

我在做一个Obsidian插件，项目结构是这样的：...

模型看不到你的屏幕，所有它需要知道的东西都得你说清楚。

3. 给约束(反向提示词)

#

只使用标准库，不要用第三方包。
代码不超过100行。
先给方案，我确认后再写代码。

限制越明确，输出越可控。

4. 给格式（规范化）

#

用表格比较这三个方案的优缺点。
每个方案不超过3句话。

AI很擅长遵循格式要求——但你得先提。

5. 给示例 (Few-shot参考)

#

我需要把笔记标题格式化。规则如下：
输入："第三章 VHDL语言基础" → 输出："03-VHDL语言基础"
输入："第十讲 LTI系统" → 输出："10-LTI系统"
现在处理这个：...

4. 进阶技巧

#

思维链 (Chain of Thought)

#

请一步一步分析这个问题，先列出你的思考过程，再给出结论。

让AI展示推理过程，减少错误。这个已过时，开启Thinking模式即可。

自我审查

#

回答之后，请检查你的回答中是否有：
1. 逻辑错误
2. 遗漏的边界情况
3. 和我给的约束矛盾的地方

双AI对比

#

• 我的审查方式之一：把同一个问题给两个模型，看它们的回答哪里一致、哪里冲突。冲突的地方往往就是需要深挖的点。

• 我的审查方式之二：让另一个模型审查模型输出的准确性，参考审查模型的回复，思考改进的点。

AI出了问题怎么办

#

System Prompt vs User Prompt

#

• System Prompt：设置AI的"人格"和规则，通常在对话开头，用户看不到
• User Prompt：你每次说的话

在API调用和AI IDE中可以自定义 System Prompt，官网对话通常不行。这就是为什么 instruction 文件很有用——它本质上就是持久化的 System Prompt。

关联

#

• 训练 — 提示词工程是不训练也能提升效果的方式
• 大模型 — 不同模型对提示词的敏感度不同
• AI项目沟通指南 — 做项目前怎么和AI沟通