提示词优化指南

提示词（Prompt）的质量直接决定模型输出的质量。以下是经过实践验证的核心技巧。

基本原则

明确具体，拒绝模糊

❌ 模糊：

帮我写个文案

✅ 明确：

为一款面向大学生的背包写一段 100 字以内的小红书种草文案，语气活泼，突出轻便和高颜值

模型没有读心术。你给的约束越精确，输出越符合预期。

提供上下文和示例

当你期望特定的输出格式时，直接给模型一个示例（Few-shot）比纯文字描述高效得多：

请将以下文本提取为 JSON 格式，示例：

输入：张三，25岁，北京
输出：{"name": "张三", "age": 25, "city": "北京"}

现在处理：
李四，30岁，上海

分步骤引导

复杂任务拆成多步，比一句话塞所有要求效果更好：

请按以下步骤处理：
1. 先阅读下面的文章，列出 3 个核心观点
2. 针对每个观点写一句话摘要
3. 最后用一段话综合总结

System 提示词的写法

system 角色的消息用来定义模型的行为边界。几个要点：

• 定义角色：「你是一个专业的法律顾问」比「你是一个助手」有用得多
• 约束输出格式：「回答必须使用 JSON 格式」「每条不超过 50 字」
• 设定禁区：「不要编造不存在的法律条文」「如果不确定，直接说不知道」
• 保持精简：system 提示词越长，消耗的输入 Token 越多，每轮对话都会重复计费

常见误区

❌ 以为 temperature 越低越好

temperature=0 适合需要确定性的任务（代码、数据提取），但在创意写作、头脑风暴等场景下会让输出死板。根据任务性质选择合适的值，详见 请求体结构 - temperature。

❌ 一次塞太多指令

把 10 个不相关的要求塞进一条消息，模型很可能顾此失彼。不如拆成多次对话，或用编号列表明确优先级。

❌ 忽略输出长度控制

如果你只需要一句话的答案，但不做任何限制，模型可能洋洋洒洒写 500 字。用 max_tokens 或在提示词中明确「用一句话回答」来控制。

进阶技巧

Chain of Thought（思维链）

在提示词中加入「请一步步思考」或「请先分析再给出结论」，可以显著提升模型在推理类任务上的表现：

请一步步思考，然后回答：
如果一个水池有两个进水管和一个出水管……

角色扮演

给模型一个具体的专家角色，可以激活更专业的知识：

你是一位有 20 年经验的 PostgreSQL DBA。请审查以下 SQL 查询的性能问题。

负面约束

告诉模型「不要做什么」有时比「要做什么」更有效：

回答时不要使用技术术语，用小学生能理解的语言解释。
不要编造数据，如果不确定请直接说明。