DAILY AI KNOWLEDGE
每天搞懂一个 AI 知识点 · 第 02 期
2026.3.29

Prompt(提示词),就是你给 AI 说的话——但不是随便说,而是有技巧地说。
同样是问 AI,你问"帮我写个总结"和"你是一位专业的技术文档工程师,请用 200 字以内,以要点形式总结以下内容,突出技术亮点",得到的结果天差地别。
💡 Prompt 工程(Prompt Engineering)
研究「如何用最有效的方式跟 AI 说话,让它给出最好的回答」的学问。
要素 | 说明 | 例子 |
|---|---|---|
角色 Role | 告诉 AI 扮演什么身份 | "你是资深 Java 工程师" |
任务 Task | 明确要做什么 | "帮我 review 以下代码" |
背景 Context | 提供必要的上下文 | "这是支付系统核心模块" |
格式 Format | 指定输出格式 | "用 Markdown 表格输出" |
约束 Constraint | 限制范围或风格 | "不超过 300 字" |
💡 不需要每次都用全部要素,根据任务复杂度灵活组合。

场景:让 AI 帮你分析一个 Bug
❌ 差的 Prompt
帮我看看这个 bug
🔶 普通 Prompt
这段代码有 bug,帮我找出来:[代码]
✅ 优秀的 Prompt
你是一位有 10 年经验的 Android 工程师,专注于支付系统开发。 以下是刷掌终端 POS 应用中的支付回调处理代码,在网络超时场景下会出现订单状态不一致的问题。 请你: 1. 找出可能导致状态不一致的代码逻辑 2. 解释为什么会出现这个问题 3. 给出修复建议,并说明修复后的优势
1. 角色扮演(Role Prompting)
给 AI 一个明确的"身份",它会以这个身份的视角和知识体系来回答。
2. 少样本提示(Few-shot Prompting
给几个例子,AI 会模仿你的格式和风格。
3. 思维链(Chain of Thought)
让 AI "思考过程可见",减少直接跳结论带来的错误。
4. 结构化输出
指定 JSON/表格格式,方便后续程序处理或统一展示。
5. 迭代优化
第一次不满意?别重新问,告诉 AI 哪里不满意,让它在原来基础上改进。
❌ 越长越好?
无关内容会"稀释"关键信息,让 AI 抓不住重点。
❌ 一次问完所有问题?
复杂任务拆分成多轮对话效果更好。
❌ 不给上下文就问具体问题?
"这个函数有什么问题?" → AI 完全不知道你在说什么。
❌ 不满意就重新问同样的问题?
应该告诉 AI 哪里不满意,让它在原来基础上改进。
📌 一句话总结
Prompt 工程 = 用结构化的方式跟 AI 沟通 通过角色、任务、背景、格式、约束五要素 让 AI 输出你真正想要的结果