第7期 提示工程的基本原则与模式

欢迎回到AI编程深度专研系列教程！在前面的内容中，我们已经了解了AI编程的基本概念、大型语言模型的工作原理以及训练过程。从本期开始，我们将进入教程的第三章：高级提示工程。这是与AI编程助手有效协作的核心技能。本期我们将探讨提示工程的基本原则与模式，为后续更高级的技巧奠定基础。

3.1.1 提示工程的核心原则

3.1.1.1 清晰性与具体性

清晰性和具体性是有效提示的首要原则。AI模型只能基于你提供的信息进行推理，因此你的指令越清晰明确，得到的结果就越符合预期。

实践建议：

• 明确任务目标：清晰说明你想要完成的具体任务
• 提供具体示例：通过示例展示期望的输出格式和内容
• 避免模糊表述：避免使用模糊不清的词语，如”大概”、“可能”、“好像”
• 量化要求：尽可能使用数字和具体指标描述要求（如代码行数、性能指标等）

示例对比：

模糊提示：

写一个排序算法，要高效一点。

清晰提示：

用Python实现一个快速排序算法，要求：
1. 函数名为quick_sort，接收一个整数列表作为参数
2. 返回排序后的新列表，不修改原列表
3. 包含适当的注释解释算法步骤
4. 时间复杂度为O(n log n)

3.1.1.2 指令与上下文平衡

有效的提示需要平衡指令部分和上下文部分，确保模型既有明确的执行方向，又有足够的相关信息。

实践建议：

• 指令前置：将最重要的指令放在提示的开头
• 上下文结构化：使用分隔符（如```、—等）明确区分指令和上下文
• 上下文相关性：只提供与任务相关的上下文信息
• 上下文完整性：确保提供的上下文足够完整，避免模型猜测缺失信息

示例结构：

任务：编写一个函数计算斐波那契数列的第n项

要求：
- 函数名为fibonacci
- 输入为非负整数n
- 使用递归实现
- 包含基本的参数验证

示例：
fibonacci(0) 应返回 0
fibonacci(1) 应返回 1
fibonacci(10) 应返回 55

3.1.1.3 格式控制与输出一致性

控制输出格式可以帮助你获得结构化、一致的结果，便于后续处理或使用。

实践建议：

• 指定输出格式：明确要求特定的输出格式（如JSON、XML、代码块等）
• 提供格式模板：给出期望输出的模板或结构
• 使用标记符：使用特殊标记符（如```code、等）限定输出区域
• 设置输出长度限制：必要时指定输出的大致长度或范围

格式控制示例：