02. 提示词认知

提示词工程入门

什么是提示词：

提示词（Prompt）是用户向AI模型输入的具体指令、问题、描述文本或任务说明。

提示词和提示词工程的区别：

• 提示词（Prompt）是单词交互的”指令代码“，是用户与AI对话时输入的具体内容。仅解决即时的单点问题。
• 提示词工程（Prompt Engineering）是一套从问题出发的系统化工程方法论，通过标准化的工作流，让AI的能力稳定地服务于复杂的业务场景，而非依赖随机的“灵感指令”。

提示词工程实现流程：

需求拆解---方案设计---执行测试---效果评估---策略迭代---沉淀复用

提示词工程的核心目标：

• 提升输出准确率：让模型输出的结果精准匹配用户的真实意图，大幅减少信息偏差，确保生成内容在专业场景下的准确性与适用性。（输出的是想要的）
• 减少幻觉：有效抑制模型虚构事实、编造不存在信息的现象，通过严谨的指令约束，提升AI生成内容的真实性与可验证性。（说真话）
• 增强稳定性：消除结果的随机波动，确保模型在面对相似输入或不同上下文时，始终保持一致的输出质量与逻辑框架，为业务流程提供可靠的底层支撑。（不同的时间或用户，输出内容不变）
• 降低使用成本：通过精简高效的指令设计，缩短模型推理时间，减少不必要的算力资源浪费，从而在保证效果的前提下优化整体运营成本。（最少的token，最好的效果）

提示词的局限性：

• 认知层面：能力上限有限、输出不稳定、无法根治“幻觉”。
• 技术底层：上下文长度受限、复杂任务难以稳定执行、无法形成长期记忆。
• 落地方面：安全与对齐限制、工程化落地困难、成本随长度上升。

---

 编写提示词的基本原则

原则1：编写清晰具体的指令。

原则2：提供参考文本。（下方举例说明）

原则3：拆分复杂任务。（降低认知负荷、线性推理防幻觉、便于错误排查、输出全程可控、降本增效省token）

原则4：给模型时间去思考。（强制展开推理链、核心执行方法）

原则5：使用外部工具。

大模型的弱点与工具调用模板：

• 不会精确计算。
• 没有实时信息。
• 记不住海量数据。

→遇到计算，必用计算器。

→未知信息搜索，数据代码处理。

原则6：系统性测试更改。

---

提示词的基本结构

角色（Role）/任务（Task）/技能（Skill）/输出格式（Output Format）/条件与限制（Constraints）

角色：给大模型定身份

1. 锁定专业视角：在提示词开头即明确AI的具体身份，如“资深行业分析师”或“高级产品架构师”。
2. 激活领域知识：身份定义将触发模型对特定知识库的深度调用。

任务：给大模型定目标

1. 明确目标：让AI清晰知晓执行方向与核心意图，消除指令中的歧义与模糊地带。
2. 拆解复杂任务：将长逻辑链条的复杂需求，拆解为若干独立、可执行的子任务。

技能：给大模型顶能力

1. 指定专业能力：明确AI在执行任务时需要调用的具体专业领域能力，例如数据分析、逻辑推理、行业知识库应用等。
2. 防止能力叠加：主动规避AI在执行过程中自动叠加多余或不相关的能力模块，避免因能力错配导致结果偏离目标。

输出格式：给大模型定规范

1. 明确格式定义：拒绝模糊的生成结果，核心是确保拿到的是“可用的成品”而非杂乱的草稿。
2. 指定技术与内容规范：根据实际工作流定制要求，包括选择Markdown、表格、JSON或代码块等格式，同时约定字数限制与排版逻辑。

条件与限制：给大模型“定边界”

1. 条件(Conditions)：必须满足的刚性前置要求，是大模型启动任务的基础准则。
2. 限制(Constraints)：绝对不可触碰的安全红线与操作禁区，是大模型运行的“熔断机制”。

完整结构示例：

---

提示词框架

什么是提示词框架：

核心定义：一套结构化、模块化的提示词写作模板与方法论。

核心目的：将用户模糊、抽象的业务需求，拆解为AI能够精准识别、稳定执行的标准化指令。

底层本质：构建人与大语言模型之间的高效沟通协议。

通用万能型框架：

RTF框架（Role角色，Task任务，Format格式）

示例：芝士多肉葡萄文案创作

角色--资深奶茶店文案，深谙新式茶饮市场趋势，擅长用年轻化语言对话Z世代消费者，精准把握产品核心卖点与情感共鸣点。

任务--为新品「芝士多肉葡萄」创作3句核心宣传短句，需突出产品口感与特色，用于门店物料、线上发圈等多场景推广。

格式--简洁有网感，符合社交媒体传播语境;每句严格控制在15字以内，语言精炼、朗朗上口，第一眼就能抓住用户注意力。

Prompt：作为一名深耕新式茶饮行业多年的资深文案，我需要你为品牌即将上市的新品「芝士多肉葡萄」创作3句极具传播力的宣传短句。请充分结合产品“多肉葡萄果肉+咸香芝士奶盖”的双重口感亮点，语言风格要年轻、活泼且有网感，符合当下年轻人的阅读和分享习惯。每句话字数严格控制在15字以内，既要清晰传递产品核心价值，又要能瞬间激发消费者的购买欲望，适用于门店海报、外卖平台及社交媒体种草文案。

ICIO框架（Instruction指令，Context上下文，Input输入数据，Output输出指引）

 

指令---锚定核心目标，以动词为明确行动起点

上下文--对齐执行语境，明确用途、风格与受众

输入数据--提供任务载体，交付完整核心原始信息

输出指引--定义交付成果，规范格式、结构与标准

CO-STAR框架（Contaxt背景，Objective目标，Style风格，Tone语调，Audience受众，Response输出格式）

示例：撰写小红书引流文案

创作背景--针对AI工具使用门槛高的现状，需要3条高吸引力的小红书笔记，帮助用户快速上手AI提示词工程。解决“不会问、效果差”的实际问题。

核心目标--撰写3条高质量引流文案，精准触达潜在用户，清晰传递AI提示词工程的价值，引导用户点赞收藏并尝试应用，提升内容的实际转化效率。

内容风格--采用新媒体爆款短文案范式，结构上“痛点直击+解决方案+爽点展示”，拒绝冗长理论，用直观、易读的短句快速抓住用户注意力。

沟通语调--保持亲切友好的“过来人”视角，内容干货满满且无门槛感，融入网络流行语增强网感，让读者产生“这就是我需要的”的共鸣与信任。

目标受众--覆盖零基础的AI初学者、希望提升工作效率的职场人士，以及需要辅助学习的学生群体。内容需兼顾不同用户的理解水平，做到普适性与实用性并重。

执行标准--每条文案控制在80字以内，适当加入趣味emoji增加生动性，采用分点形式呈现。末尾需配置高相关度的话题标签，以获得更多公域流量曝光。

CRISPE框架（Context背景，Role角色，Instruction指令，Style风格，Persona/Tone语气，Output输出格式）

示例：撰写本周工作周报
背景--本周核心工作围绕产品迭代展开，已完成新功能的需求评审、Ul设计方案对接、前后端接口联调工作，同时完成了上线前的关键Bug修复，核心研发节点按期达成。

角色--资深互联网产品经理。需以业务负责人视角统筹项目进度，具备跨部门沟通与资源协调能力，能够准确把握研发节奏，在周报中体现对项目全局的把控与专业判断。

指令--撰写本周工作周报，需严格基于实际执行数据，重点突出阶段性交付成果与核心产出;同时客观分析项目执行中遇到的技术与业务问题，明确当前潜在风险，形成完整进度汇报。

风格--采用正式工作周报格式，结构需逻辑清晰、层次分明。避免冗余表述，用事实和数据支撑工作结论，符合企业内部向上汇报的专业规范，便于管理层快速掌握项目进展。

语调--保持职业、简洁、客观的专业沟通语调。以解决问题为导向陈述工作内容，不掺杂主观情绪理性呈现执行结果;对风险点的描述需客观中立，同时给出建设性的应对思路。

输出物--最终产出为Markdown格式文档，标准化分为三个核心板块:【本周完成】清晰罗列交付成果;[问题与风险】点明阻碍与潜在隐患;【下周计划】明确后续重点工作与时间节点。

推理逻辑性框架

CoT思维链（Chain of Thought）

打破传统的“问题答案”黑盒模式，将解决路径重构为清晰的线性推导链。

强制模型暴露中间逻辑而非直接跳跃。

关键执行命令：“请一步步思考，把推理过程详细写出来，确保每一步都符合逻辑和常识;如果遇到复杂计算，请分步计算;完成所有推导后，最后再给出最终的答案。“

示例：问题--小明有10个苹果，给了小红3个后，又去超市买了5个。请问现在小明手里一共有多少个苹果?

CoT思维链引导：

第一步:初始与消耗原有10个，送出3个，剩余10-3=7个。

第二步:补充与累加剩余7个，买入5个，总计7+5=12个。

最终答案:12个|逻辑可追溯，过程全透明

ToT思维树（Tree of Thoughts）

核心思想：树状搜索的迭代进化

• 多元生成：打破单一答案的思维惯性，针对当前问题节点主动生成多个差异化的初始思路或候选方案。这一步是构建思维树的基础，为后续筛选提供了充足的可能性空间。
• 价值剪枝：引入“评估机制”对所有生成的分支进行即时判断。依据问题的目标导向、逻辑一致性和潜在成功率，剔除偏离核心、效率低下或明显错误的路径，大幅减少无效计算。
• 迭代推导：对保留的高价值分支进行深度延伸与推导。在每一个新的思维节点上重复“生成一评估一剪枝”的循环，通过层层递进的探索，逐步收敛可能性，最终锁定最合理的解决方案。

ReAct框架（Reasoning + Acting）

• 核心思想：打破大模型内部推理的黑盒模式，将逻辑思考(Think)与外部行动(Act)同步显性化。让模型像人类一样，在思考下一步该做什么的同时，实际执行操作并获取反馈。
• 标准流程：遵循「思考行动观察」的动态闭环。模型先基于现有信息分析问题、制定计划，执行具体操作后，再根据环境反馈结果调整策略，通过不断循环逐步逼近目标。
• 适用场景：主要用于需要调用外部工具(如网络搜索、计算器、API)或涉及多步骤拆解的复杂任务。有效解决模型参数知识滞后、单一能力不足等问题，扩展应用边界。

创作营销型框架