前言
从“人工智障”到“全能助手”，你可能只差这一步
你是不是也有过这样的经历：
满怀期待地向ChatGPT或DeepSeek提问：“帮我写个Python函数吧！”
结果它给你写了一个只能加正数的函数，输入负数就报错。
或者你说：“生成一张美女图。”
结果它给你画了一个金发碧眼的欧美范儿，而你想要的是“古风长裙”。
这时候你可能会想：“这AI是不是不太聪明？”
其实，AI 很聪明，但它很“单纯”。它就像一个刚入职、满腹经纶但不懂你潜规则的实习生。你给它的指令（Prompt）如果含糊不清，它只能靠猜。
今天，我们就来聊聊“提示词工程”，教你如何像工程师一样，用精准的语言掌控AI，让它从“人工智障”秒变“全能助手”。
系列目录（持续更新）：
AI大模型小白手册｜基础原理篇
AI大模型小白手册 | API调用的魔法指南
第一章：先选对“人”，再派活
在写Prompt之前，你要先明白：不同的模型有不同的“性格”。如果你选错了模型，写再好的Prompt也是事倍功半。
我们把市面上的大模型大致分为两类：
1. 通用模型（如 DeepSeek V3, GPT-4o）
性格：像一个才华横溢但逻辑跳跃的文科生。
- 擅长：创意写作、文案润色、翻译、画图、日常闲聊。
- 怎么跟它聊：它需要你手把手教。如果你让它做逻辑题，你得告诉它第一步干什么，第二步干什么（比如用CoT思维链），否则它容易想歪。
- 口诀：缺什么，补什么。
2. 推理模型（如 DeepSeek R1, o1）
性格：像一个严谨死板但逻辑无敌的理科生。
- 擅长：数学证明、代码Debug、复杂逻辑推理、物理题。
- 怎么跟它聊：“要什么，直接说”。千万别把它当文科生教，它会自动在脑子里把步骤拆解得比你还清楚。如果你强行让它每一步都汇报，反而会降低它的效率。
- 口诀：信任它，指令简。
举个栗子：
- 想写一封感人的情书？找DeepSeek V3。
- 想算一下火箭弹道轨迹？找DeepSeek R1。
第二章：工程师的“万能公式”
选定模型后，我们怎么写出高质量的Prompt？
这里有一个经过验证的六大要素公式。按照重要性从高到低排列：
1. 任务 —— 核心中的核心
永远用动词开头。
- ❌ 错误：关于那个...
- ✅ 正确：生成一段关于环保的...
- ✅ 正确：计算这两个数值的...
2. 上下文 —— 给个背景
你是谁？这是什么场景？给AI一个坐标系。
- 例子：“我是一名电商运营经理，正在准备双十一的促销文案...”
3. 示例 —— 榜样的力量
如果你觉得指令很难说清楚，直接给它看**“标准答案”**。这叫 Few-shot（少样本学习）。
- 场景：让AI写请假邮件。
- Prompt：“请帮我写一封请假邮件。下面是一个模板参考：‘尊敬的领导，我因...请假...工作已交接给...’”
4. 角色 —— 设定人设
告诉AI它现在是专家、还是五岁小朋友。
- 例子：“请你扮演一名资深律师，帮我审核这段合同。”
5. 格式 —— 规范输出
你是要表格？JSON？还是段落？
- 例子：“请以JSON格式输出，包含时间、地点、人物三个字段。”
6. 语气 —— 调节风格
正式？幽默？还是严厉？
- 例子：“请用幽默风趣的口吻...”
第三章：从“差不多”到“精准完美”的进阶技巧
掌握了公式，只能算入门。要成为高手，你需要用下面这几个技巧把AI的潜能逼出来。
技巧 1：把“模糊”变成“具体”
AI 最怕模糊的词。
- ❌模糊：“画一个 beautiful girl。”（AI可能画成任意风格）
- ✅具体：“画一个动漫少女，长黑发，数码画风，纯白底色，工笔画细节。”
工程师思维：把AI当成刚入行的孩子，少留解读空间，细节越多，意外越少。
技巧 2：CoT 思维链 —— 让AI学会“分步走”
对于复杂的逻辑任务，不要指望AI一步到位。你要强迫它“慢下来”。
- 普通Prompt：“判断这段客服对话是否合规。”（AI可能看一眼就瞎说：合规）
- CoT Prompt：
“请一步一步判断这段客服对话：
- 首先检查客服是否使用了礼貌用语；
- 其次检查是否提及了准确的产品名称和价格；
- 最后检查是否使用了网络用语（如‘亲’）。 请按照上述步骤分析，并给出最终结论。”效果：通过把复杂问题拆解为简单的
Step 1, Step 2，AI的推理错误率会大幅下降。
技巧 3：使用分隔符 —— 区分指令和数据
当你给的内容很长时，用符号把“指令”和“数据”隔开，防止AI混淆。推荐使用三个引号"""或###：
请总结以下三个引号中的文本： """ 这里是一段很长的用户评论... 这里有几千字的文本... """ 请总结为三句话。第四章：代码实战（程序员专属）
如果你是开发者，你需要通过代码调用API。怎么把上面的技巧用到代码里？
1. 准备工作
我们需要封装一个调用函数（以 DeepSeek 为例）：
import dashscope import os # 设置你的API Key dashscope.api_key = os.getenv('DASHSCOPE_API_KEY') def get_completion(prompt, model="deepseek-v3"): messages = [{"role": "user", "content": prompt}] response = dashscope.Generation.call( model=model, messages=messages, result_format='message', # 设置为message格式 temperature=0, # 温度设为0，输出最稳定，不随机 ) return response.output.choices[0].message.content2. 实战案例 A：结构化数据提取（JSON格式）
场景：用户说“办个100G的套餐”，我们要提取出他的具体需求。
input_text = "办个100G的套餐。" # 使用我们的公式构建Prompt instruction = """ 你的任务是识别用户对手机流量套餐产品的选择条件。 每种产品包含三个属性：名称、月费价格、月流量。 根据用户输入，识别上述属性的需求。 """ # 明确指定输出格式 output_format = "以JSON格式输出，包含键值对。" prompt = f""" # 目标 {instruction} # 用户输入 {input_text} # 输出格式 {output_format} """ print(get_completion(prompt))输出结果示例：
{ "月流量": "100G", "名称": "未提及", "月费价格": "未提及" }3. 实战案例 B：魔法优化魔法
如果你不会写Prompt，可以让AI帮你写！
user_prompt = """ 做一个手机流量套餐的客服代表，叫小瓜。 可以帮助用户选择最合适的流量套餐产品。 """ instruction = """ 你是一名专业的提示词创作者。 你的目标是根据我的需求打造更好的提示词。 请帮我优化上面的提示词，使其更加高效。 """ prompt = f""" # 用户提示词 {user_prompt} # 目标 {instruction} """ print(get_completion(prompt))AI 会把你的简单指令，优化成一个包含角色设定、语气要求、常见问题预案的完美Prompt。
总结
写 Prompt 就像跟人沟通，但它比跟人沟通更简单——因为它没有情绪，只有逻辑。
- 选对工具：V3 写诗，R1 算数。
- 套用公式：任务 > 上下文 > 示例 > 角色 > 格式 > 语气。
- 具体具体再具体：模糊指令是万恶之源。
- 分步思考：遇到难题，就让AI“一步一步来”。 未来每个人都是提示词工程师。哪怕你是小白，只要按照上面的方法多练习几次，你也能让 AI 成为你最得力的助手！现在，去试试把你的第一个 Prompt 改得更好吧！
学习资源推荐
如果你想更深入地学习大模型，以下是一些非常有价值的学习资源，这些资源将帮助你从不同角度学习大模型，提升你的实践能力。
一、全套AGI大模型学习路线
AI大模型时代的学习之旅：从基础到前沿，掌握人工智能的核心技能！
因篇幅有限，仅展示部分资料，需要点击文章最下方名片即可前往获取
二、640套AI大模型报告合集
这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示
因篇幅有限，仅展示部分资料，需要点击文章最下方名片即可前往获取
三、AI大模型经典PDF籍
随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。
因篇幅有限，仅展示部分资料，需要点击文章最下方名片即可前往获取
四、AI大模型商业化落地方案
作为普通人，入局大模型时代需要持续学习和实践，不断提高自己的技能和认知水平，同时也需要有责任感和伦理意识，为人工智能的健康发展贡献力量。
