AI 不是算命师，你问得越准，它答得越好。Prompt 工程，就是把"问对问题"变成一门可复用的技能。
它解决什么问题
很多人用 ChatGPT 的感受是：有时候答案惊艳，有时候全是废话。
这不是 AI 不稳定，而是你的"指令"让它搞不清楚你到底想要什么。
想象一下，你走进餐厅说"给我来点吃的"，厨师只能随便上一盘——但如果你说"一碗少辣的牛肉面，多放葱，不要香菜"，结果就完全不同了。
Prompt 工程要解决的，就是这个"说清楚需求"的问题。它让你从"用 AI"升级到**"驾驭 AI"**。
核心特点
1. 角色设定：给 AI 穿上戏服
普通版：帮我看看这段代码有没有问题
升级版：你是一名有 10 年经验的 Python 工程师，专注性能优化。请审查以下代码，找出潜在的性能瓶颈和安全漏洞。
加上角色设定，AI 会切换到对应的"知识库"和"思维框架"，输出质量肉眼可见地提升。
2. 少样本提示（Few-shot）：用例子来"调教"
与其描述你想要什么，不如直接给例子。
将以下产品描述翻译成活泼的营销文案：
原文：这款耳机采用主动降噪技术，续航 30 小时。
文案：切断世界的噪音，只留下音乐的纯粹。30 小时畅听，随时随地沉浸其中。
现在请翻译：原文：这款键盘采用机械轴，支持 RGB 背光。
文案：
给了一个例子（1-shot），AI 马上明白你要的风格。
3. 链式思考（Chain of Thought）：让 AI 先想再答
对于复杂问题，不要让 AI 直接给答案——让它展示推理过程：
请一步步思考后再回答：如果 A > B，B > C，那么 A 和 C 的关系是什么？
这个技巧在数学推理、逻辑分析、商业决策等场景效果显著。研究表明，加上"请一步步思考"这几个字，复杂任务的准确率可以提升 40% 以上。
4. 格式控制：告诉 AI 怎么"排版"
请用以下格式输出：
- 结论（1 句话）
- 原因（3 条要点）
- 行动建议（可执行的下一步）
指定输出格式，避免 AI 给你一大段难以阅读的文字。Markdown、JSON、表格、列表——AI 都能驾驭。
5. 约束条件：给 AI 划红线
请用简单的中文解释量子计算，不使用专业术语，不超过 150 字，目标读者是初中生。
加上限制条件，AI 不会天马行空——它会在你设置的边界内给出最优解。
典型使用场景
| 场景 | 普通 Prompt | 优化后效果 |
|---|---|---|
| 写作辅助 | "帮我写篇文章" | 指定主题+风格+字数+受众 → 直接可用 |
| 代码审查 | "看看这段代码" | 角色设定+具体问题方向 → 找到真正的 bug |
| 数据分析 | "分析这些数据" | 指定分析维度+输出格式 → 结构化报告 |
| 学习辅助 | "解释一下机器学习" | 目标受众+类比要求+深度限制 → 真正看懂 |
如何快速上手
第一步：用这个万能模板
你是 [角色]。
我需要你 [任务]。
背景信息：[上下文]
要求：[格式/限制/风格]
请开始：
第二步：迭代优化
第一次输出不满意？别扔掉，直接追问：
- "请让答案更简洁"
- "用更口语化的方式重写"
- "聚焦在第 2 点上，展开说说"
第三步：保存你的好 Prompt
把有效的 Prompt 存到 Notion、备忘录或 GitHub Gist。好的 Prompt 是资产，可以反复用。
推荐资源：
- Prompt Engineering Guide — 系统学习
- OpenAI Playground — 实战练习
一句话总结
Prompt 工程不是魔法，是沟通。 把你的意图说清楚、说具体、给例子、划边界——AI 就能从"凑合用用"变成你的超级助手。
推荐指数：⭐⭐⭐⭐⭐（每天用 AI 的人必学）
下一篇预告：Token 计费揭秘 — AI 到底在按什么计费，怎么用得更省？