↓ Skip to main content
机器猫的神奇口袋

Prompt 工程最佳实践：写出高质量 AI 指令的 7 个原则

·3407 words·7 mins

一个真实案例
#

上周，团队里两个实习生用同一个 AI 工具写代码。

实习生 A 的 Prompt：

“帮我写一个 Python 函数，从 API 获取数据。”

AI 的回答：

def fetch_data():
    import requests
    response = requests.get("https://api.example.com")
    return response.json()

实习生 B 的 Prompt：

写一个 Python 函数，要求：

  1. 从指定 API 获取用户数据
  2. 处理错误（超时、404、500）
  3. 添加重试逻辑（最多 3 次，指数退避）
  4. 返回结构化数据（dict）
  5. 添加类型注解和文档字符串

API 端点：https://api.example.com/users/{user_id}

AI 的回答：

from typing import Dict, Optional
import requests
from requests.exceptions import RequestException, Timeout, HTTPError
import time

def fetch_user_data(user_id: int, timeout: int = 30, max_retries: int = 3) -> Optional[Dict]:
    """
    从 API 获取用户数据，带错误处理和重试逻辑。
    
    Args:
        user_id: 用户 ID
        timeout: 请求超时时间（秒）
        max_retries: 最大重试次数
    
    Returns:
        用户数据字典，失败返回 None
    """
    url = f"https://api.example.com/users/{user_id}"
    
    for attempt in range(max_retries):
        try:
            response = requests.get(url, timeout=timeout)
            response.raise_for_status()
            return response.json()
        
        except Timeout:
            if attempt == max_retries - 1:
                print(f"请求超时，已重试{max_retries}次")
                return None
            wait_time = 2 ** attempt  # 指数退避
            time.sleep(wait_time)
        
        except HTTPError as e:
            if e.response.status_code == 404:
                print(f"用户{user_id}不存在")
                return None
            if attempt == max_retries - 1:
                raise
            time.sleep(2 ** attempt)
        
        except RequestException as e:
            print(f"请求失败：{e}")
            return None
    
    return None

同样的 AI 工具，输出质量差了 10 倍。

问题不在 AI。问题在于：Prompt 的质量决定了 AI 输出的质量。

原则 1：明确角色（给 AI 一个身份）
#

❌ 错误示范
#

“帮我写一篇文章。”

✅ 正确示范
#

你是一位有 10 年经验的技术博客作者，擅长用通俗易懂的语言解释复杂概念。

请写一篇关于"AI 自动化工作流"的文章，读者是初级开发者。

为什么有效：

  • AI 知道自己是"技术博客作者"
  • 知道读者是"初级开发者"
  • 会自动调整语言风格（通俗、有例子）

常用角色：

场景 推荐角色
写代码 资深软件工程师
写文章 技术博客作者
做分析 数据分析师
写文案 营销专家
改 Bug 调试专家

原则 2：提供上下文（让 AI 知道背景）
#

❌ 错误示范
#

“这个函数有什么問題？”

✅ 正确示范
#

我在开发一个电商网站，这是用户登录函数：

def login(username, password):
    user = db.query("SELECT * FROM users WHERE username=?", username)
    if user and user.password == password:
        return True
    return False

这个函数有什么安全问题？如何改进？

为什么有效：

  • AI 知道是"电商网站"（敏感数据）
  • 知道是"用户登录"（安全关键）
  • 能针对性地指出问题（SQL 注入、明文密码）

原则 3：分步骤（把复杂任务拆解）
#

❌ 错误示范
#

“帮我做一个数据分析。”

✅ 正确示范
#

请帮我分析这个销售数据，按以下步骤：

  1. 数据清洗：处理缺失值和异常值
  2. 描述统计：计算均值、中位数、标准差
  3. 趋势分析：按月绘制销售趋势图
  4. 异常检测：找出销售异常波动的月份
  5. 结论总结：用 3 句话总结关键发现

数据：[粘贴数据]

为什么有效：

  • AI 知道具体要做什么
  • 每一步都有明确要求
  • 输出结构化，容易阅读

原则 4：给示例（让 AI 知道你想要什么格式）
#

❌ 错误示范
#

“帮我生成一些测试数据。”

✅ 正确示范
#

生成 5 条用户测试数据，格式如下：

{
  "id": 1,
  "name": "张三",
  "email": "zhangsan@example.com",
  "age": 25,
  "created_at": "2026-03-10"
}

为什么有效：

  • AI 知道 exact 格式（JSON）
  • 知道字段名称和类型
  • 输出可以直接使用

示例的力量：

一个示例胜过千言万语。—— AI 训练数据里的每一篇教程

原则 5：设约束（告诉 AI 什么不要做）
#

❌ 错误示范
#

“解释一下什么是机器学习。”

✅ 正确示范
#

用 300 字以内解释什么是机器学习，要求：

  • 不要使用专业术语
  • 用生活中的例子说明
  • 不要讲历史和发展
  • 只讲核心概念

为什么有效：

  • AI 知道长度限制（300 字）
  • 知道避免什么（专业术语、历史）
  • 知道聚焦什么（核心概念、例子）

常用约束：

- 不要超过 500 字
- 不要用专业术语
- 不要讲 XXX
- 只关注 XXX
- 用中文回答
- 用 Markdown 格式

原则 6：指定输出格式（让 AI 按你的格式输出）
#

❌ 错误示范
#

“比较一下 Python 和 JavaScript。”

✅ 正确示范
#

比较 Python 和 JavaScript，用表格格式：

维度 Python JavaScript
类型系统
主要用途
学习曲线
生态系统
薪资水平

为什么有效：

  • AI 知道 exact 格式（表格）
  • 知道比较维度
  • 输出可以直接复制使用

常用格式：

  • 表格
  • 列表
  • JSON
  • Markdown
  • 代码块
  • 大纲

原则 7：迭代优化（好 Prompt 是改出来的）
#

第一版
#

“帮我写一个网站。”

第二版
#

帮我用 HTML/CSS/JS 写一个个人博客网站，包含首页、文章列表、文章详情。

第三版
#

帮我用 HTML/CSS/JS 写一个极简风格的个人博客网站。

要求：

  • 响应式设计（支持手机）
  • 深色模式切换
  • 文章列表按时间排序
  • 代码注释清晰

参考网站：https://example.com

第四版（最终）
#

你是一位前端专家，擅长极简设计。

帮我用 HTML/CSS/JS 写一个个人博客网站，读者是技术人员。

要求：

  1. 设计：极简风格，黑白配色，大字体
  2. 功能：
    • 首页（个人介绍 + 最新文章）
    • 文章列表（按时间排序）
    • 文章详情（Markdown 渲染）
    • 深色模式切换
  3. 技术：
    • 纯 HTML/CSS/JS（不用框架）
    • 响应式设计
    • 代码注释清晰
  4. 性能：
    • 首屏加载 < 1 秒
    • 无外部依赖

参考网站：https://yu-wenhao.com

输出：

  • 完整的 HTML/CSS/JS 代码
  • 部署说明

每一次迭代，输出质量提升 20%。

Prompt 模板（可直接复制）
#

写代码
# 

你是一位资深 {语言} 工程师。

任务：{具体任务}

要求：
1. {要求 1}
2. {要求 2}
3. {要求 3}

约束：
- {约束 1}
- {约束 2}

示例：
{示例代码或期望输出}

输出格式：{代码块/文件结构/说明文档}

写文章
# 

你是一位有 {X} 年经验的 {领域} 专家。

主题：{文章主题}
读者：{目标读者}
字数：{字数范围}

大纲：
1. {章节 1}
2. {章节 2}
3. {章节 3}

风格：{正式/轻松/幽默/专业}

要求：
- {要求 1}
- {要求 2}

做分析
# 

你是一位 {领域} 分析师。

数据：{粘贴数据}

任务：
1. {分析步骤 1}
2. {分析步骤 2}
3. {分析步骤 3}

输出格式：
- 关键发现（3 条）
- 数据表格
- 可视化建议
- 行动建议

常见错误及修正
#

错误 1：太模糊
#

❌ “帮我优化一下代码。”

✅ “帮我优化这段 Python 代码的性能，目标是减少 50% 的执行时间。使用 profiling 工具找出瓶颈，然后优化。”

错误 2：缺少上下文
#

❌ “这个报错怎么修？”

✅ “我在运行 Django 项目时遇到这个错误：[粘贴错误信息]。Python 3.10，Django 4.2，数据库是 PostgreSQL。我已经尝试了 [方法 1]、[方法 2]，但没用。”

错误 3：一次问太多
#

❌ “帮我做个完整的电商网站，包括用户系统、商品管理、订单处理、支付集成…”

✅ 分多次问：

  1. “帮我设计用户系统的数据库表结构”
  2. “帮我写用户注册登录功能”
  3. “帮我设计商品管理模块” …

错误 4：不指定格式
#

❌ “给我一些学习资源。”

✅ “给我 5 个 Python 学习资源，用表格格式：| 资源名称 | 类型（视频/书籍/网站）| 难度 | 链接 |”

高级技巧
#

1. 思维链（Chain of Thought）
#

让 AI 展示思考过程：

请逐步思考这个问题，展示你的推理过程：

  1. 首先…
  2. 然后…
  3. 最后…

效果：AI 的回答更准确、更可靠。

2. 角色扮演
#

你现在是面试官，我是求职者。请问我 5 个 Python 相关问题，然后评估我的回答。

效果：AI 进入角色，互动更真实。

3. 对比分析
#

对比方案 A 和方案 B 的优缺点，用表格格式，然后给出你的推荐。

效果：AI 提供全面分析，帮你做决策。

4. 反向提问
#

在开始之前，请问我 3 个问题，以便更好地理解我的需求。

效果：AI 主动获取信息，输出更精准。

总结
#

7 个核心原则：

原则 关键词 效果
明确角色 “你是一位…” 调整语言风格
提供上下文 “我在开发…” 针对性回答
分步骤 “按以下步骤…” 结构化输出
给示例 “格式如下…” 格式正确
设约束 “不要超过…” 符合要求
指定格式 “用表格格式…” 直接使用
迭代优化 多次改进 质量提升

一个好 Prompt 的公式：

好 Prompt = 角色 + 上下文 + 步骤 + 示例 + 约束 + 格式

最后一句：

Prompt 工程不是"套路"AI，而是清晰地表达自己的需求。

你越清楚自己要什么，AI 越能帮你实现。

练习作业
#

选一个你最近用 AI 的任务，用 7 个原则重新写 Prompt，对比输出质量。

欢迎在评论区分享你的改进案例。