提示词工程
学习目标:掌握提示词工程的核心概念、模式和最佳实践,学会设计高质量的提示词
预计时间:5-6 小时
前置知识:完成模块二学习,了解大语言模型的基本原理
最后更新:2026 年 10 月
模块介绍
欢迎进入 AI Agent 学习的关键模块!提示词工程(Prompt Engineering)是与 AI 模型有效沟通的核心技能,也是构建高质量 AI Agent 的基础。
本模块将系统探索:
- 提示词基础 - 理解什么是提示词工程及其核心要素
- 提示词模式 - 掌握 Zero-shot、Few-shot、CoT 等经典模式
- 进阶技巧 - 学习框架化思维和复杂任务拆解
- 不同任务的设计 - 针对写作、编程、分析等场景的实践
- 工具与资源 - 了解提示词管理和优化工具
为什么提示词工程很重要?
2025 年之后,提示词工程的重心发生了两个变化:
- 推理模型内置了思考过程:对这类模型,「请一步步思考」往往不再必要,把目标、约束和验收标准写清楚更重要[^1]
- 上下文比措辞更关键:Agent 场景下,决定效果的是放进上下文的信息、工具定义和历史管理,而不只是某一句提示词[^2]
提示词工程仍是 AI 从业者的核心技能,但它的边界已经从「写一句好提示」扩展到「设计一次完整的模型调用」。
这意味着什么?提示词是与 AI 交互的"编程语言",掌握它能让您:
- 充分发挥模型能力,获得更准确的输出
- 减少试错成本,提高开发效率
- 构建更可靠的 AI Agent 系统
- 在 AI 时代保持竞争优势
学习方法建议
本模块采用理论与实践结合法:
- 核心概念 - 用通俗语言讲解提示词工程的原理
- 模式学习 - 通过经典案例掌握常用模式
- 实战演练 - 针对不同任务设计并优化提示词
- 工具实践 - 体验提示词管理和优化工具
章节列表
- 提示词基础 - 什么是提示词、核心要素、设计原则、推理模型前提
- 提示词模式 - Zero-shot、Few-shot、CoT、ReAct 及其在推理模型下的变化
- 进阶技巧 - 框架化思维、复杂任务拆解、上下文管理、安全考虑
- 不同任务的提示词设计 - 写作、编程、分析、摘要等场景
- 工具与资源 - 提示词管理平台、评估工具、学习资源
学习检验
完成本模块学习后,你应该能够:
- [ ] 清晰解释什么是提示词工程,以及为什么它重要
- [ ] 描述至少 5 种提示词模式及其适用场景
- [ ] 区分推理模型与普通模型的提示策略,知道何时不该写「一步步思考」
- [ ] 应用 CO-STAR 等框架设计结构化提示词
- [ ] 针对特定任务(写作、编程、分析)设计有效提示词
- [ ] 识别并避免常见的安全问题(如提示注入)
- [ ] 使用至少一个提示词管理工具进行版本控制
- [ ] 通过迭代优化提升提示词质量
扩展阅读
经典指南:
- Prompt Engineering Guide - 最全面的提示词工程指南[^3]
- Learn Prompting - 系统化的提示工程教程
- Prompt Engineering Guide 开源仓库 - 指南的源项目
推荐框架:
- CO-STAR 框架 - 新加坡政府推广的结构化框架[^4]
- CRISP 框架 - 产品管理专用框架[^5]
实践资源:
- PromptLayer 博客 - 提示词工程最佳实践[^6]
- LaunchDarkly 提示词工程指南 - 企业级实践
工具平台:
- PromptLayer - 提示词版本管理、评测与可观测性
- LangSmith - LangChain 生态的提示词调试与评估平台
- promptfoo - 开源评测与红队测试工具(现由 OpenAI 维护)[^7]
- Maxim AI - 企业级提示词管理平台
互动体验:
💡 学习提示: 提示词工程是一门实践性很强的技能。建议在理解核心概念后,多动手尝试不同任务,通过对比实验来优化提示词。记住:优秀的提示词是迭代出来的,不是一次成型的。
[^1]: OpenAI, "Reasoning best practices", https://developers.openai.com/api/docs/guides/reasoning-best-practices [^2]: Anthropic, "Effective context engineering for AI agents", https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents [^3]: Prompt Engineering Guide, https://www.promptingguide.ai/zh [^4]: Parloa Knowledge Hub, "The complete guide to prompt engineering frameworks", https://www.parloa.com/knowledge-hub/prompt-engineering-frameworks/ [^5]: PM Toolkit, "Prompt Engineering for Product Work", https://pmtoolkit.ai/learn/ai-modern-pm/prompt-engineering-for-product-work [^6]: PromptLayer Blog, https://blog.promptlayer.com [^7]: Promptfoo, "LLM evals & red teaming", https://www.promptfoo.dev