Prompt 工程实战:让大模型答得更准的 6 个核心原则

很多人用 ChatGPT 第一次惊艳,第二次失望,第三次就放弃了。原因不是模型不行,而是提问方式不对。

这篇总结鲸栈 AI 产品团队整理的 6 个 Prompt 核心原则,每条都附一个反例和正例。

原则 1:明确角色 + 任务 + 输出格式

反例:帮我写一份关于 AI 的报告

正例:

你是一名教育行业研究员。请围绕 "AI 在 K12 教育中的应用现状"
撰写一份 800 字的简报,使用以下结构:
1. 行业概况(150 字)
2. 三个典型场景(每个 150 字)
3. 主要挑战(100 字)
4. 一句话结论
目标读者:不熟悉 AI 但关心教育的家长。

差距:角色、任务、字数、结构、读者都说清楚了。

原则 2:任务拆解(Plan-then-Solve)

对于复杂任务,先让模型列计划,确认后再执行。

我希望你帮我做一份高考志愿组合方案。
请先列出你需要的信息清单(不要直接出方案),
我会逐条提供。

这样可以避免模型"一上来就编"。

原则 3:Few-shot 示例

给模型 2-3 个"输入 → 输出"的范例,让它模仿格式。

请把下面的句子改写得更正式:
范例:
输入:今天天气不错
输出:今日天气晴朗宜人

输入:这道题有点难
输出:此题具有一定挑战性

现在请改写:
输入:这个 AI 还挺好用
输出:

原则 4:让模型自我批评

输出之后追问一句:"请你以严苛的研究员视角批评以上回答"。模型会主动找漏洞,二轮回答质量大幅提升。

原则 5:RAG / 外部知识接入

复杂任务里,不要让模型猜。把必要的事实粘进 Prompt,或者用 RAG 工具检索后注入。比如做高考志愿填报,把目标省份的招生政策、近三年录取数据塞进 Prompt 之后,推荐质量会显著提升。

原则 6:Few-shot 思维链(Chain-of-Thought)

对推理类问题,加一句 "请逐步思考,最后给出答案"。这种"思维链"提示能显著降低复杂任务的错误率。

实战节奏建议

• 简单任务:一句话搞定即可,别过度设计 Prompt。
• 复杂任务:用「角色 + 任务 + 输出格式 + 范例 + 思维链」的全套组合拳。
• 重复任务:沉淀成模板,放进 鲸栈 AI 工具导航 里的 Prompt 模板库直接复用。

工具配对建议

不同模型擅长的方向不同:

• Claude:长文档分析、严谨写作
• ChatGPT:通用对话、多模态
• DeepSeek:推理、代码、性价比高
• Kimi:中文长文本

选择合适的模型 + 合适的 Prompt 才是组合拳。

如果你想系统学习,可以看我们的「Prompt 工程实战」课程,或者直接下载精选 AI 工具年度清单。