Prompt 基础

Prompt 背着一层它不配有的神秘感。没有魔法咒语，那些「秘密 prompt」清单记录的大多是巧合。

真正有效的做法一点也不酷：把任务描述得足够清楚，清楚到你要的输出就是最自然的续写。

这个说法直接来自机制本身。模型在做的是预测接下来是什么。你的 prompt 负责铺好条件。好的 prompt 让想要的答案成为最可能接下去的东西。

四种结构

几乎所有有效的 prompt 都是这几种的组合。

1 · 说清输出长什么样

回报最高的一个习惯。大多数令人失望的输出，都来自目标描述不清。

弱：总结这篇文章。

更好：用三个要点总结这篇文章，每条不超过 20 字，重点写改了什么，而不是背景。

长度、格式、重点、读者、不要什么。每一个没被说清的维度，模型都会去猜。

2 · 给例子，而不是描述例子

只要输出有特定形状，例子就胜过描述。两个想要输出的例子，比三段说明传达得更多，还能消掉你根本没意识到的歧义。

这是单个技巧里杠杆率最高的一个。见用示例代替描述。

3 · 给推理留出空间

对多步问题，先要步骤再要答案。每个 token 只走一次前向，所以把中间过程写出来是真的多做了一次计算，不是在表演。见让模型一步步思考。

4 · 补上它不可能知道的上下文

模型不知道你的代码库、你公司内部的术语，也不知道上周做了什么决定。如果答案依赖训练数据之外的信息，就把它写进去。

信息太大、没办法整块塞进去时，就检索出相关的那部分——检索增强生成（RAG）就是干这个的。

把 prompt 本身结构化

只要超过一句话，就把各部分分开：

任务：从下面的会议记录里抽出所有行动项。

输出格式：每项一行，「OWNER: action」。
没写负责人时，写「UNASSIGNED」。

会议记录：
---
{notes}
---

分隔符的作用比看上去大。它们防止模型把指令和内容搞混——还堵上了一个真实的安全缺口：内容块里的文本本身，就可能包含看起来像指令的东西。

顺序也有讲究，理由很机械：开头放稳定的内容，前缀缓存才有效。固定指令放前面，可变输入放最后。

一直有效的做法

正面表述优于否定表述。「用一个段落回答」比「不要写好几段」更管用。描述目标，比把替代选项围起来更可靠。

明确允许它拒答。 加上「如果笔记里没有这条信息，就直说」，能明显减少编造。不加的话，生成循环会一头扎进作答，把空位填满。

一次只做一件事。 一个 prompt 里塞四个请求，得到的就是四个平庸答案。拆开。

领域不明确时，给个角色。「以安全工程师的身份来审这份东西」能有效地改变强调的重点。这是真实的语境设定，不是性格扮演——而且它不会给模型补上本来没有的专业能力。

没用的做法

客气和催促。 请、谢谢、「这对我职业生涯非常重要」，都是民间传说。就算有效果也微乎其微、时有时无。

堆形容词。「专家级、世界一流、高度详细」增加的是 token，不是能力。

为了长而长。 任务已经说清之后，多出来的文字只会稀释注意力，还费钱。

问题不在 prompt 的时候

写 prompt 解决不了所有问题，而把失败归错因会浪费大量时间。

模型缺信息，你需要检索。模型缺能力，你需要更强的模型。模型要对外部世界动手，你需要工具。输出格式必须被保证、而不只是大概率对，你需要结构化输出约束。

Prompt 不灵了，接下来怎么办？讲的就是怎么把它们区分开。

要点回顾

• 写 prompt 是描述任务，不是念咒——让想要的输出成为最自然的续写。
• 四种结构：说清输出、给例子、留出推理空间、补上缺失的上下文。
• 用分隔符、把稳定内容放前面、优先用正面指令，并明确允许它说「我不知道」。
• 客气、催促、堆形容词，都没用。
• 有些失败是能力、信息或格式问题，不是 prompt 问题。

下一篇： 什么是 system prompt？