让大模型乖乖听话：新手程序员必备的Prompt写作秘籍（收藏版）

本文探讨了如何通过精心设计的Prompt让大模型按照要求思考提升任务执行的准确性。作者提出了一个有效的Prompt结构包括角色/任务定义、核心原则、上下文处理、CoT(Chain of Thoughts)思考链、输出规范和Few-Shot示例等模块。文章还介绍了如何借助模型生成和优化Prompt并推荐使用Markdown格式编写。通过遵循这些方法即使是新手程序员也能写出高效的Prompt让大模型更好地服务于数据分析等复杂场景。前言你在写prompt时候是不是总觉得大模型它不听话。要么答非所问、要么一堆废话。扒开思考过程仔细阅读时而觉得它聪明绝顶时而又觉得它愚蠢至极。明明已经对了怎么又推理到错的地方去了明明在提示词中提醒过了不要这么思考它怎么就瞎想了。这也许就是每一个Prompt Engineer的困扰。怎么能让模型按照要求去思考。长提示词到底应该怎么写有没有方法可以一次命中找到那个终极的提示词。 答案是否定的一篇成功的长提示词总是要经历初始版本、调优、测试、再调优。不过这个过程中有规律可循有方法可套。 以下就是被提示词反复捶打经历无数痛苦经历后总结的一套提示词写作方案保你可以得到满意的长提示词让模型听话。结构也许你小某书、某站看过了各种提示词结构比如CRISEBROKEICIO等等这些框架当然是有很大价值的在非精准类问题(精准类问题数据查询分析非精准类问题文本解析写作、翻译等)或者非复杂性问题上没有问题。在复杂性高的精准性问题上就没有那么有效了。我们这边一直探索的是大模型在数据分析场景的应用对准确性要求极高覆盖的场景也非常的复杂经过探索和尝试总结出来一套形式有效的提示词结构角色/任务 核心原则 上下文处理 CoT(Chain of Thoughts) 输出规范 Few-Shot还需要适当添加要求和限制下面会以实战经验来讲解每一个模块应该怎么写。写在前面模型是接收Prompt的主体同时也是写Prompt的高手在初始版本和调优过程中也可以起到关键作用。借助模型生成初始版本Prompt准备query和期望输出的结果30条准备上下文输出和文本结构介绍清晰描述模型要实现的目标以及输出的提示词框架将以上内容给到大模型可以快速得到初始版的提示词比自己动手写第一版要有效的多。借助模型优化Prompt准备测试集以及当前prompt生成的结果添加准确结果和备注备注描述生成错误结果的原因使用模型初始化和优化可以解决基础问题真正的优化还是要靠自己。Prompt格式md或者json我选择md格式。不仅仅是因为md格式比较好看主要是为你md格式结构清晰撰写方便而且拓展性很好。总结下来md是比较好的选择。json格式虽然结构清晰但是扩展性太差写的太长了容易把自己搞晕慎重选择。Prompt模块不同模块承担不同的作用复杂程度不同需要的模块也不同。角色任务角色辅助讲清楚任务。 此部份在prompt最前面是最高指令告诉模型它是谁要干嘛。角色模型本身是具备各领域知识能力的解决当前具体问题需要调用模型哪方面的能力是通过角色定位完成的。 你是一名牙科医生你是一名数据分析师、你是一名川菜厨师等让模型从一个杂学家变成专业领域的科学家。任务一句话讲清楚模型要干嘛数据分析师可以写sql查询数据、可以使用python分析数据、可以数据可视化也可以写分析报告。角色和任务约束模型调用某方面能力完成一个具体的事情。核心原则核心原则可以一开始就输出也可以在调优过程中生成。 可以理解为模型执行任务时要遵守的最高原则纲领性质的要求。所以核心准则不能多3条以内超过3条很容易就失效了。比如在生成sql的prompt中为了保证生成的sql可以查询出数据就得有以下核心原则。比如在做分词提取时我们的分词倾向性也可以写在核心原则内一开始实现某个任务时核心原则可能还没有在优化过程中有些问题在提示词主体中总是解决不了可以考虑在核心原则中优化。对于模型来源核心原则会被考虑的权重是比较高的仅次于角色和任务。上下文处理当前Context Engineering概念比Prompt Engineering更加流行一句话概括就是让上下文以恰当的格式出现在恰当的位置知识库可以包括多论对话的长短记忆、知识库rag结果、提示词、工作流上游输出等。能让上下文发挥最大作用就必须把上下文讲清楚放对位置。上下文模块组织原则上下文内容比较长最好放到最后以免打断提示词上下文结构讲清楚合适和组织形式影响token数量也会影响性能(不展开讲)上下文在任务中承担的作用和价值举例在生成sql环节上下文输入较多具体组织形式如下上下文输入一般放在提示词结尾处特别注意上下文的结构和形式的优化一般适合提示词的优化协同的二者同步优化才能达到最好的效果。CoT(Chain of Thoughts)CoTCoT本来是提示词的一种框架是针对逻辑比较强的任务场景提出的。就是要提醒或者约束模型按照要求思考以提升准确率。举个经典例子小明有5个苹果3个梨。妈妈拿走2个苹果爸爸给了1个梨小明拿1个梨和姐姐换了1个苹果请问最终小明有几个苹果几个梨。提示词1: 请回答最终小明有几个苹果几个梨 这时候答案很有可能是错的。提示词2: 第一步将小明每次获取、失去、交换所有物品作为一个节点奖整个过程按照节点切分成不同的计算任务 第二步计算每一个节点结束后小明所有物品的数量 第三步计算出最终的结果后复盘是否准确这个时候模型就是一步一步计算结果更容易得到正确的答案。在复杂场景下CoT也可以理解为执行流程或者说思考过程可以作为整个prompt一部份模型在充分理解任务和上下文之后再按照CoT步骤执行拆解任务往往可以让模型按照要求执行听话程度高出很多。我们的经验是可以提升准确了20个percent。示例如下维度解析要求和限制要求和限制看是什么级别可以写在CoT模块内也可以单独一个模块因地制宜即可。要求和限制一般是任务中需要特殊强调、特殊处理的逻辑建议二者分开写。举例特殊逻辑表达在写prompt中有些逻辑用文字特别难以准确表达有时候准确表达出来需要上百字对于模型准确理解就更难了。 这个时候可以考虑使用伪代码来表达模型理解起来既快又准。比如收入月报每月定稿时间13日如何根据当前时间取出月表的最新时间并考核时间的格式。输出规范模型太爱表达了它往往不会只输出你想要的内容总是输出很多自己的思考过程或者考虑的因素以表达自己的聪明。又或者是不按照要求的格式输出对输出的规范要求必不可少一些平台可以实现结构化输出不过结构化输出的基础是要模型能输出结构清晰的结构。输出规范一般包含两部分内容期望输出的内容和结构禁止输出的内容和结构举例如下Few-Shot提升准确率非常有效的手段就好比一个应届生你让他去看一个文件然后按照文件要求做事很难理解到位。 如果你再提供一两个例子基本上聪明的同学就能很好的完成任务。 模型当然属于聪明的同学这一类。示例一定要按照上述CoT的过程来写二者一致则能让模型最大限度的按照既定的要求思考。举例如下如何学习大模型 AI 由于新岗位的生产效率要优于被取代岗位的生产效率所以实际上整个社会的生产效率是提升的。但是具体到个人只能说是“最先掌握AI的人将会比较晚掌握AI的人有竞争优势”。这句话放在计算机、互联网、移动互联网的开局时期都是一样的道理。我在一线科技企业深耕十二载见证过太多因技术卡位而跃迁的案例。那些率先拥抱 AI 的同事早已在效率与薪资上形成代际优势我意识到有很多经验和知识值得分享给大家也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。我们整理出这套AI 大模型突围资料包✅ 从零到一的 AI 学习路径图✅ 大模型调优实战手册附医疗/金融等大厂真实案例✅ 百度/阿里专家闭门录播课✅ 大模型当下最新行业报告✅ 真实大厂面试真题✅ 2026 最新岗位需求图谱所有资料 ⚡️ 朋友们如果有需要《AI大模型入门进阶学习资源包》下方扫码获取~① 全套AI大模型应用开发视频教程包含提示工程、RAG、LangChain、Agent、模型微调与部署、DeepSeek等技术点② 大模型系统化学习路线作为学习AI大模型技术的新手方向至关重要。 正确的学习路线可以为你节省时间少走弯路方向不对努力白费。这里我给大家准备了一份最科学最系统的学习成长路线图和学习规划带你从零基础入门到精通③ 大模型学习书籍文档学习AI大模型离不开书籍文档我精选了一系列大模型技术的书籍和学习文档电子版它们由领域内的顶尖专家撰写内容全面、深入、详尽为你学习大模型提供坚实的理论基础。④ AI大模型最新行业报告2025最新行业报告针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估以了解哪些行业更适合引入大模型的技术和应用以及在哪些方面可以发挥大模型的优势。⑤ 大模型项目实战配套源码学以致用在项目实战中检验和巩固你所学到的知识同时为你找工作就业和职业发展打下坚实的基础。⑥ 大模型大厂面试真题面试不仅是技术的较量更需要充分的准备。在你已经掌握了大模型技术之后就需要开始准备面试我精心整理了一份大模型面试题库涵盖当前面试中可能遇到的各种技术问题让你在面试中游刃有余。以上资料如何领取为什么大家都在学大模型最近科技巨头英特尔宣布裁员2万人传统岗位不断缩减但AI相关技术岗疯狂扩招有3-5年经验大厂薪资就能给到50K*20薪不出1年“有AI项目经验”将成为投递简历的门槛。风口之下与其像“温水煮青蛙”一样坐等被行业淘汰不如先人一步掌握AI大模型原理应用技术项目实操经验“顺风”翻盘这些资料真的有用吗这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理现任上海殷泊信息科技CEO其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证服务航天科工、国家电网等1000企业以第一作者在IEEE Transactions发表论文50篇获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。资料内容涵盖了从入门到进阶的各类视频教程和实战项目无论你是小白还是有些技术基础的技术人员这份资料都绝对能帮助你提升薪资待遇转行大模型岗位。以上全套大模型资料如何领取