大模型与架构 2026/6/1
Prompt Engineering 技巧大全
Prompt Engineering技巧大全：链式思考、少样本学习、角色设定等高级提示工程方法论。
A
AGISeed Team
AGISeed 作者
Prompt Engineering 技巧大全
编者按：2026 年，Prompt Engineering 已经升级为”上下文工程（Context Engineering）“——你需要管理的不仅是提示词，还有 AI 的角色、记忆、工具链和输出格式。这篇文章基于 Anthropic 官方指南、IBM Prompt Engineering Guide 和小企鹅 Penchan 的最新教程，从基础到进阶，覆盖所有你需要的 Prompt 技巧。
一、Prompt 的四个核心要素
所有高质量 Prompt 都由这四个部分组成：
┌─────────────────────────────────────────┐
│ 角色（Role） 你是什么角色/专家 │
│ 任务（Task） 你要做什么 │
│ 格式（Format） 输出长什么样 │
│ 限制（Constraint） 什么不能做 │
└─────────────────────────────────────────┘示例对比
❌ 差 Prompt：
帮我写一篇关于 AI 的文章✅ 好 Prompt：
角色：你是一位资深的 AI 行业分析师
任务：写一篇 2026 年 AI Agent 行业趋势分析
格式：Markdown，包含"概述 - 三大趋势 - 商业影响 - 展望"四个段落
限制：
- 总字数 1500-2000 字
- 每条趋势必须引用一个具体产品/公司作为案例
- 不要编造数据，标注"据公开信息"或跳过二、三大核心技巧
技巧 1：思维链（Chain-of-Thought, CoT）
原理：让 AI “一步一步思考”，相当于给它更多”计算时间”来解决问题。
效果：复杂推理任务准确率提升 30%-50%。
基本用法：
请一步一步思考，先列出推理过程，再给出最终答案。进阶用法（Few-shot CoT）：提供 2-3 个带推理过程的示例
示例 1：
问题：一个苹果 2 元，买 5 个需要多少钱？
推理：单价 2 元 × 数量 5 = 10 元
答案：10 元
示例 2：
问题：小明有 15 个球，给小红 3 个后还剩多少？
推理：原有 15 - 给出 3 = 剩余 12
答案：12 个
现在请回答：
问题：一本书 25 元，买 4 本，付 100 元找多少？
（请按照以上的格式：问题→推理→答案）技巧 2：少量示例（Few-shot）
原理：给 AI 看 2-3 个”你想要的样子”，比花 500 字描述格式更有效。
适用场景：翻译、分类、改写、格式化输出
格式要求：把下面的问题分类为"技术/商业/通用"
示例 1："GPT-5 的 Transformer 有多少层？" → 技术
示例 2："2026 年 AI 市场规模有多大？" → 商业
示例 3："今天天气怎么样？" → 通用
现在请分类：
"如何用 LangChain 搭建 RAG 系统？"技巧 3：分隔符 + 结构化输出
请按以下格式回答：
<analysis>
这里是你的分析过程，包括：
1. 问题的关键要素
2. 需要考虑的因素
3. 做选择的理由
</analysis>
<answer>
这里是你的最终答案，简洁明了
</answer>好处：程序化解析时，直接用正则提取 <answer> 标签中的内容即可。
三、常用 Prompt 框架
CO-STAR 框架（新加坡 GovTech 推广）
Context（上下文）：我是谁，什么场景
Objective（目标）：要达成什么
Style（风格）：语气/形式
Tone（语气）：正式/幽默/专业
Audience（受众）：给谁看
Response（回复格式）：用表格/段落RTF 框架（最简版本）
Role（角色）：你是一位 [角色]
Task（任务）：请你 [具体任务]
Format（格式）：用 [表格/Markdown/JSON] 输出四、不同模型的 Prompt 策略
| 模型 | 最佳策略 | 注意事项 |
|---|---|---|
| Claude | 用详细的系统 Prompt 设定角色和限制 | 擅长遵守长规则，限制条件可以多写 |
| ChatGPT | 用 Few-shot 示例引导，限制条件 ≤ 5 条 | 创意强，但纪律弱，容易忽略大量限制 |
| Gemini | 利用超长上下文，附相关背景文档 | 适合搜索/检索类任务 |
| DeepSeek | 中文 Prompt 效果自然，不需要特殊格式 | 推理能力强，适合复杂多步任务 |
五、进阶技巧
1. Self-Consistency（自洽性）
原理：同一个问题问 AI 多次，取出现最多的答案。
适用：需要高准确度的任务（金融分析、医疗辅助）
请分别用 3 种不同的方法计算这个结果，如果答案一致则输出，
不一致则指出差异并分析原因。2. Role Prompting 增强版
你不仅是"一位医生"，你要扮演的具体设置是：
专业：心血管内科副主任医师，15 年临床经验
工作场景：正在撰写一篇面向患者的"高血压饮食指南"
语言风格：通俗易懂，避免医学术语，像跟朋友聊天
受众：40-60 岁普通患者，非医学背景3. Prompt 调试技巧
| 问题 | 原因 | 解决方法 |
|---|---|---|
| 输出太长 | 没有字数限制 | 加 字数不超过 XXX 字 |
| 格式不对 | 没给示例 | 加 2-3 个 Few-shot 示例 |
| 逻辑混乱 | 任务太复杂 | 拆成多个步骤，用 CoT |
| 编造数据 | 模型幻觉 | 加 不确定就说不知道，不要编造 |
| 风格不合适 | 角色太模糊 | 细化角色设定 |
六、一个完整的高级 Prompt 示例
## System Prompt（系统提示词）
你是一位全栈技术博客作者，拥有 10 年编程经验、5 年 AI 行业经验。
你的文章特点是：深入浅出、有代码示例、注重实操、有幽默感。
## 写作规则
1. 每次写文章前，先在 <outline> 标签中输出大纲，让我确认
2. 确认后再逐段输出正文
3. 所有代码示例必须是可运行的
4. 技术准确性第一，如果有疑问标注 [待核实]
## 任务
请为 AGISeed 知识库写一篇关于 "2026 年 RAG 技术选型指南" 的文章。
目标受众是有一年 Python 经验的开发者。
字数 2500-3000 字，包含 3 个代码示例。
开始前请先输出 <outline>。七、记住三个黄金法则
- 给示例比给说明快 10 倍——Few-shot 是格式控制的终极武器
- 拆步骤比一步到位好——CoT 让 AI 的”思考质量”翻倍
- 选对模型比雕花 Prompt 重要——不同模型有不同性格，匹配任务
参考来源：