提示工程：与大模型对话的“语法“

摘要：2026 年的大模型能力已经非常强大，但同样的模型给不同的人用，效果天差地别。差别不在于模型，而在于提示词（Prompt）——你如何向模型描述任务。提示工程就是研究"如何写出更好的提示"的学科。这篇文章从零样本到思维链，系统讲解提示工程的核心技术，全部基于本地运行的 Qwen3 模型，无需 API。

一、为什么提示词如此重要？

本质原因

大模型在训练时学会了海量的知识，但在推理时，它需要在"记忆"中定位到正确的部分。提示词就是定位器——告诉模型应该调用哪些知识来处理当前任务。

不好的提示： "分析这个" → 模型不知道"分析"什么、怎么分析、输出格式是什么 → 输出质量差 ❌ 好的提示： "你是一个金融分析师。请分析以下财报数据， 从营收增长、利润率、现金流三个维度给出评估， 用表格形式输出。" → 模型知道角色、任务、维度、格式 → 输出质量高 ✅

提示词对结果的影响有多大？

一个好的提示词带来的提升，可能比换一个更大的模型还明显。

二、零样本提示（Zero-shot）

最简单的形式

直接告诉模型任务，不给任何示例。

from transformers import AutoModelForCausalLM, AutoTokenizer # 加载本地 Qwen3 模型 model_name = "d:/ai/models/Qwen3-0.6B" tokenizer = AutoTokenizer.from_pretrained(model_name, trust_remote_code=True) model = AutoModelForCausalLM.from_pretrained( model_name, trust_remote_code=True, device_map="auto" ) def qwen3_prompt(prompt, max_new_tokens=200): """对 Qwen3 模型发送提示并获取回复""" messages = [{"role": "user", "content": prompt}] text = tokenizer.apply_chat_template( messages, tokenize=False, add_generation_prompt=True ) inputs = tokenizer(text, return_tensors="pt").to(model.device) outputs = model.generate( **inputs, max_new_tokens=max_new_tokens, temperature=0.7, do_sample=True, ) response = tokenizer.decode(outputs[0][inputs.input_ids.shape[1]:], skip_special_tokens=True) return response.strip() # ===== 零样本分类 ===== prompt = "以下句子的情感是正面还是负面？\n句子：这部电影太精彩了，演员演技一流。\n情感：" print(qwen3_prompt(prompt)) # 正面 # ===== 零样本信息提取 ===== prompt = """从以下文本中提取"日期"、"金额"和"用途"三个字段： 文本：我在2026年6月15日向希望工程捐款500元。 输出格式：JSON """ print(qwen3_prompt(prompt)) # {"日期": "2026年6月15日", "金额": "500元", "用途": "向希望工程捐款"}

零样本的五个标准任务模板

# 1. 分类任务 prompt_cls = """将以下评论分类为"正面"或"负面"。 评论：{text} 分类：""" # 2. 提取任务 prompt_ext = """从以下文本中提取{fields}。 文本：{text} {fields}：""" # 3. 生成任务 prompt_gen = """写一篇关于{topic}的短文，{requirements}。 文章：""" # 4. 改写任务 prompt_rewrite = """将以下句子改写得{style}： 原句：{sentence} 改写后：""" # 5. 推理任务 prompt_reason = """问题：{question} 请一步步推理，然后给出答案。 推理过程： 答案："""

零样本的局限

零样本虽然简单，但对复杂任务效果不稳定——模型可能"猜错"任务格式。这时就需要少样本提示。

三、少样本提示（Few-shot）

核心思想

在提示词中给模型提供几个示例（exemplars），让模型"照葫芦画瓢"。

零样本： 少样本： 任务描述 任务描述 ↑ ↓ 示例1: ... → ... 模型自己猜 ← 不确定性高 示例2: ... → ... 示例3: ... → ... ↑ ↓ 模型模仿模式 ← 稳定性高

代码实现

# ===== 少样本分类 ===== few_shot_prompt = """将以下评论分类为"正面"或"负面"。 评论：这东西质量太差了，用了三天就坏了。 分类：负面 评论：价格实惠，效果超出预期，非常满意。 分类：正面 评论：一般般吧，不算好也不算差。 分类：中性 评论：{test_comment} 分类：""" test = "快递很慢，但产品本身还不错。" print(qwen3_prompt(few_shot_prompt.replace("{test_comment}", test)))

示例数量的影响

from tqdm import tqdm import numpy as np # 对比 0-shot、1-shot、3-shot、5-shot 的效果 def evaluate_n_shot(n_shots, test_samples): """评估不同 shot 数量的准确率""" correct = 0 for sample in tqdm(test_samples): if n_shots == 0: prompt = zero_shot_template.format(text=sample['text']) else: # 选前 n 个示例 examples = few_shot_examples[:n_shots] prompt = build_few_shot_prompt(examples, sample['text']) pred = qwen3_prompt(prompt) if pred.strip() == sample['label']: correct += 1 return correct / len(test_samples) # 假设测试结果： print("示例数 vs 准确率：") print("0-shot: 62.5% ← 最差") print("1-shot: 75.0% ← 提升显著") print("3-shot: 87.5% ← 再提升") print("5-shot: 91.5% ← 边际递减开始") print("7-shot: 92.0% ← 几乎不涨")

规律：

• 从 0→1 提升最大（+12.5%）
• 从 1→3 再提升（+12.5%）
• 超过 5 个后提升明显放缓
• 一般 3-5 个示例足够

示例选择的策略

不是随便选的示例都有效：

四、思维链（Chain-of-Thought, CoT）

为什么需要 CoT？

对于复杂推理问题，直接让模型给出答案往往不正确——它跳过了推理过程。

❌ 直接问（标准提示）： Q: 一个商店有 15 个苹果，卖掉了 7 个，又进了 9 个，现在有多少个？ A: 17 个 → 可能蒙对的，也可能算错 ✅ 思维链提示： Q: 一个商店有 15 个苹果，卖掉了 7 个，又进了 9 个，现在有多少个？ A: 原来有 15 个。卖掉 7 个：15 - 7 = 8 个。又进 9 个：8 + 9 = 17 个。所以答案是 17 个。 → 推理过程可见，即使答案错也能定位到哪步错了

CoT 的两种方式

方式 1：手动 CoT（在提示中给出推理示例）

cot_prompt = """问题：一个班级有 24 名学生，其中 1/3 是女生，其余是男生。后来转来了 4 名女生，现在女生占多少比例？ 推理过程： 1. 原来有 24 名学生，1/3 是女生：24 × 1/3 = 8 名女生 2. 原来男生人数：24 - 8 = 16 名 3. 转来 4 名女生后，女生总数：8 + 4 = 12 名 4. 学生总数变为：24 + 4 = 28 名 5. 女生占比：12 / 28 = 3/7 ≈ 42.9% 答案：42.9% 问题：小明买了 3 支钢笔和 5 支铅笔，钢笔每支 12 元，铅笔每支 2 元，他付了 50 元，应该找回多少？ 推理过程：""" print(qwen3_prompt(cot_prompt))

方式 2：零样本 CoT（简单加上"一步步思考"）

# 零样本 CoT——最简单有效的技巧 zero_shot_cot = """问题：{question} 让我们一步步思考。 """ question = "一个长方形的长是 8 厘米，宽是 5 厘米，它的周长和面积各是多少？" print(qwen3_prompt(zero_shot_cot.replace("{question}", question))) # 输出: # 让我们一步步思考。 # 1. 长方形的周长 = 2 × (长 + 宽) = 2 × (8 + 5) = 2 × 13 = 26 厘米 # 2. 长方形的面积 = 长 × 宽 = 8 × 5 = 40 平方厘米 # 答案：周长 26 厘米，面积 40 平方厘米

"让我们一步步思考"——这是在零样本提示中激活推理能力最有效的一句话。

CoT 的效果

CoT 对需要多步推理的任务提升巨大，对简单事实问答效果不明显。

五、结构化提示模板

一个好提示的五个要素

一个高质量的提示通常包含以下组件：

角色（Role）： 你是一个{角色} 上下文（Context）： 当前的情况是{上下文} 任务（Task）： 你需要完成的任务是{任务} 格式（Format）： 请用{格式}输出 约束（Constraint）： 请注意{约束条件}

通用模板

def build_structured_prompt(role, task, context="", examples="", output_format="", constraints=""): """构建结构化提示""" parts = [] if role: parts.append(f"你是一个{role}。") if context: parts.append(f"\n背景信息：{context}") if task: parts.append(f"\n任务：{task}") if examples: parts.append(f"\n示例：\n{examples}") if output_format: parts.append(f"\n输出格式：{output_format}") if constraints: parts.append(f"\n约束条件：{constraints}") parts.append("\n请开始：") return "\n".join(parts) # 示例：用结构化模板做文章摘要 prompt = build_structured_prompt( role="资深编辑", context="以下是一篇科技新闻文章", task="用 3 句话总结文章的核心内容", output_format="- 第一句：文章主题\n- 第二句：关键发现\n- 第三句：行业影响", constraints="每句话不超过 30 字" ) print(prompt)

项目符号 vs 段落

# ❌ 模糊的段落描述 bad_prompt = """ 请分析这个产品的用户评论，告诉我用户喜欢什么和不喜欢什么。 """ # ✅ 结构化的项目符号 good_prompt = """ 请分析以下产品评论，按类目输出分析结果： 评论内容： {reviews} 分析要求： - 正面反馈（列出 Top 3） - 负面反馈（列出 Top 3） - 改进建议（列出 Top 2） - 总体评分（1-10 分） 每个点用一句话概括。 """

六、系统提示（System Prompt）

System Prompt vs User Prompt

许多大模型（包括 Qwen3）支持两段式对话结构：

# Qwen3 的系统提示用法 messages = [ {"role": "system", "content": "你是一个资深的Python技术作家。你的回答始终保持简洁、准确，包含代码示例。"}, {"role": "user", "content": "解释Python中的装饰器是什么"} ] text = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True) # → 模型会按照系统提示中设定的角色和风格来回答

系统提示的最佳实践

# 角色设定——最有效 system_role = "你是一个{专业角色}。你有{经验}年的{领域}经验。" # 行为规则——具体而非抽象 system_rules = """回答规则： 1. 始终保持客观中立 2. 如果不确定，请明确说"不确定" 3. 用 bullet point 组织信息 4. 每点不超过 20 字""" # 输出偏好——指定格式 system_format = """输出格式偏好： - 技术概念：定义 → 原理 → 示例 → 类比 - 步骤说明：用数字序号列出 - 对比：使用表格""" # 组合成完整的系统提示 system_prompt = f"{system_role}\n{system_rules}\n{system_format}"

七、温度参数与采样策略

Temperature

Temperature 控制模型输出的随机性：

def generate_with_temp(prompt, temperature=0.7): """不同 temperature 的生成效果""" messages = [{"role": "user", "content": prompt}] text = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True) inputs = tokenizer(text, return_tensors="pt").to(model.device) outputs = model.generate( **inputs, max_new_tokens=200, temperature=temperature, do_sample=True, ) return tokenizer.decode(outputs[0][inputs.input_ids.shape[1]:], skip_special_tokens=True)

Top-p（Nucleus Sampling）

另一种控制随机性的方式：只考虑累积概率达到 p 的 token。

# Top-p 建议和 Temperature 配合使用 outputs = model.generate( **inputs, temperature=0.7, top_p=0.9, # 只考虑累积概率前 90% 的 token do_sample=True, )

参数组合建议

八、提示工程的常见错误

错误 1：提示太模糊

❌ "帮我看看这个数据" ✅ "你是一个数据分析师。请分析以下 CSV 数据：\n1. 计算每月的销售额趋势\n2. 找出销售额最高的品类\n3. 用表格输出"

错误 2：没有指定输出格式

❌ "提取邮件中的信息" ✅ "从以下邮件中提取：发件人、日期、主题、优先级。用 JSON 格式输出。"

错误 3：忽略了模型的能力边界

❌ 让 0.6B 模型做复杂的多步推理（它可能做不了） ✅ 把复杂任务拆成多个简单步骤，分别提示

错误 4：一次性给太多信息

❌ 在提示中塞入 5000 字的信息（小模型上下文有限） ✅ 只提供最关键的信息，必要时分多次对话

九、总结

核心三句话：

1. 提示词是编程语言的新形态——和写代码一样，需要精确、结构化、可测试
2. "让我们一步步思考"是最强大的单句提示技巧——在推理任务上平均提升 20%+
3. 提示工程不是玄学，有规律可循——角色设定、示例选择、格式指定都有科学方法