提示词工程：把话说到模型心里
这是什么：提示词（Prompt） = 发给模型的这段输入；提示词工程（Prompt Engineering） = 把它写好的手艺。
为什么用：上一章知道了：模型是个接龙高手，接得好不好，很大程度看你给的"开头"。同一个模型，提示词换个说法效果天差地别——不用写复杂代码，改几句话就够了。
如何用：本章按"清晰指令、给示例、给角色、分步思考"四招一步步改写，最后拼成一条可复用的模板。
第一招：清晰指令
模型不知道你要多少字、给谁看、什么口气——不说，它就只能瞎猜。
| 差提示（❌） | 好提示（✅） | 为什么好 |
|---|---|---|
帮我写个手表简介 |
用 80 字以内、面向初中生的轻松语气，写一段智能手表简介 |
说了长度、受众、语气 |
写个邮件 |
用中文写一封正式邮件，向老板请假 3 天，理由是家人生病，语气恳切 |
说了场景、对象、语气 |
要点：写什么、多长、给谁看、什么口气，一次说清。
第二招：给示例（Few-shot）
模型最擅长"照着样子接"。给一两个例子（行话叫 few-shot），它会模仿你的格式和风格：
- ❌ 差提示：
把这几个城市名翻译成英文 - ✅ 好提示：
把城市名翻译成英文，格式照抄：
北京 → Beijing
上海 → Shanghai
广州 → ?再举一个"把口语改成书面语"的例子：
把下面的口语改成书面语，格式照抄：
口语：这个手机挺不错的，拍照特别清楚。
书面语：该手机成像表现优异，细节清晰。
口语：这餐厅味道一般，服务也慢。
书面语：第三招：给角色
开头加一句"你是一位资深儿科医生"，回答的专业度和口气立刻不同。角色，就是给接龙"限定范围"。
| 差提示（❌） | 好提示（✅） | 角色带来的变化 |
|---|---|---|
孩子发烧怎么办 |
你是一位耐心的儿科医生，请用家长能听懂的话，说明孩子发烧 38.5℃ 该怎么处理 |
专业术语降级，语气温和 |
写段代码 |
你是一位有 10 年经验的 Python 高级工程师，请写一段带详细注释的、符合 PEP 8 规范的代码 |
代码风格规范，注释充分 |
第四招：分步思考
让模型"一步步思考再给答案"，做数学题、逻辑题的正确率明显上升——接龙模型直接跳到答案容易接错，分步等于逼它把中间过程也接出来。
把四招拼在一起：
prompt = """你是一位耐心的初中数学老师。
请一步步思考，最后单独一行给出答案。
例题：小明有 3 个苹果，妈妈又给 2 个，他有几个？
思考：3 + 2 = 5
答案：5
题目：一支笔 2 元，买 4 支，付了 10 元，应找回几元？
"""
print(prompt)
你会看到：终端把这条提示词原样打印一遍。把它发给模型（下一章教你发），回答长这样（示意）：
思考：4 支笔共 2 × 4 = 8 元
10 - 8 = 2
答案：应找回 2 元| 招数 | 解决什么问题 | 使用时机 |
|---|---|---|
| 清晰指令 | 不知道你要什么 → 要求说全 | 几乎每次都要用 |
| 给示例 | 输出格式乱 → 照葫芦画瓢 | 需要特定格式时 |
| 给角色 | 口吻飘忽 → 固定人设和专业度 | 需要特定语气或专业度时 |
| 分步思考 | 推理题易错 → 先过程后答案 | 数学、逻辑、代码推理时 |
⚠️ 常见陷阱
| 陷阱 | 现象 | 修正 |
|---|---|---|
| 指令太模糊 | 答案五花八门，跟预期不符 | 加长度、受众、语气要求 |
| 没有示例 | 输出格式不统一 | 加 1–2 个输入输出样例 |
| 角色冲突 | 既要"像专家"又要"像小学生" | 选一个主角色，避免矛盾 |
| 提示词太长 | 关键信息被淹没，模型"选错重点" | 把最重要的要求放在开头和结尾 |
📦 换皮小示例：产品文案生成器
把四招组合成一个可复用模板：
你是一位资深电商文案编辑。
请为一款"无线降噪耳机"写一段产品卖点，要求：
1. 字数 100 字以内
2. 面向年轻上班族
3. 语气轻松活泼
4. 突出"降噪""续航"两个卖点
参考格式：
产品：XX智能手表
卖点：⌚ 24 小时健康监测，随时掌握身体状态；🔋 7 天超长续航，出差充一次电。
产品：无线降噪耳机
卖点：🎯 什么时候用提示词工程
- 模型输出不符合预期（格式不对、语气怪、字数超）
- 需要模型扮演特定角色（医生、律师、程序员、诗人）
- 做推理任务（数学题、逻辑题、代码调试）
- 需要批量生成同类内容（产品描述、邮件模板）
📝 本章小结
- 提示词工程 = 把需求写清楚，模型就更懂你
- 四招：清晰指令、给示例、给角色、分步思考
- 几乎每次都要用清晰指令；需要格式时加示例；需要专业度时加角色；推理题时加分步思考
- 避免指令模糊、角色冲突、提示词过长等陷阱
- 记忆口诀：指令要清晰，示例定格式；角色定口吻，分步出推理。
动手改
- 把"写个自我介绍"改写成包含场合、字数、语气的好提示词
- 为"把口语改成书面语"设计两个 few-shot 例子，再补一句新句子试试效果
- 找一道应用题，分别用"直接问"和"分步思考"各问一次，对比差异
- 把上面的产品文案模板，把耳机换成"机械键盘"，试着填写
下一章：调用 LLM API，用 Python 写第一个 AI 程序 🐸