7.5.2 Prompt 基础

Prompt 改写前后对比卡

学习目标

理解 Prompt 真正控制的是什么
理解为什么模糊 Prompt 会让模型输出飘
学会从任务目标、输出格式、约束条件三层去写更稳的 Prompt
建立 Prompt 调试的最基本直觉

新人先掌握 / 进阶再理解

如果你是新人，这一节先抓住一句话：Prompt 不是“咒语”，而是任务说明书。先把“做什么、输出成什么样、不能做什么”三件事写清楚，比背很多技巧更重要。

如果你已经有经验，可以进一步关注：Prompt 是否能被程序稳定解析，是否能约束模型不要越界，是否能和结构化输出、Function Calling、RAG、Agent 的执行链路接起来。

先建立一张地图

如果你已经学过大模型概览和预训练主线，这一节最自然的续接就是：

前面你已经知道模型能力从哪里来
这一节开始回答：不改模型参数时，我们怎样更稳定地调动这些能力

所以 Prompt 基础不是“小技巧”，而是在回答：

如何通过更清楚的任务表达，把已有模型能力更稳地释放出来

Prompt 基础这节最适合新人的理解顺序不是“先学几个技巧”，而是先看清：

flowchart LR
    A["任务目标"] --> B["输出格式"]
    B --> C["约束条件"]
    C --> D["更稳定的模型输出"]

所以这节真正想解决的是：

任务到底有没有说清楚
模型到底知不知道要交付成什么样
哪些边界必须提前写死

一、Prompt 到底是什么？

不只是“输入一段文字”

从最表面看，Prompt 当然是你输入给模型的一段文本。但从工程视角看，它更像：

你写给模型的任务说明书。

你真正通过 Prompt 在告诉模型的是：

这次任务是什么
要输出成什么形式
需要遵守哪些边界

一个很直观的类比

Prompt 很像你给新同事下任务：

目标写清楚没有？
交付格式写清楚没有？
有没有说明哪些事不能做？

如果这些都含糊，结果就很容易跑偏。模型也是一样。

一个更适合新人的总类比

你也可以把 Prompt 理解成：

给一个很能干、但不会读心术的实习生下任务

这个实习生本身能力不错，但如果你只说：

“你帮我弄一下”

那结果大概率会飘。问题不在于他不聪明，而在于：

你没把目标、格式和边界交代清楚

第一次学 Prompt，最该先抓住什么？

最该先抓住的不是几个流行套路，而是这句：

Prompt 的本质，是把任务规格翻译成模型能执行的说明。

一旦这句稳住了，后面你再看：

few-shot
角色设定
结构化输出

就会更自然地先问：它到底是在补任务目标、输出格式，还是行为边界。

二、为什么“模糊 Prompt”特别危险？

一个典型坏例子

帮我处理一下这段内容。

这句话的问题不是礼貌不礼貌，而是：

到底要总结？
还是改写？
还是分类？
输出要多长？

一个稍微清楚一点的版本

请把下面内容总结成 3 条中文要点，每条不超过 20 个字。

一下子就明确了：

做什么：总结
输出形式：3 条要点
输出长度：每条不超过 20 个字

这就是 Prompt 最基础的价值：

把模糊任务变成明确任务。

再看一个“坏 Prompt -> 好 Prompt”的最小对比表

坏版本：帮我处理一下这段内容。 问题：任务、格式、边界都不清楚。
好一点：请总结这段内容。 改进：知道要总结，但格式还不清楚。
更稳版本：请把下面内容总结成 3 条中文要点，每条不超过 20 个字，不要补充原文之外的信息。 优点：任务、格式、约束都清楚。

这个表特别适合新人，因为它会让你看见：

Prompt 变稳，不是靠神秘词汇
而是靠规格越来越清楚

三、写 Prompt 时最基础的三层结构

第一层：任务目标

先回答：

模型到底要做什么？

例如：

总结
分类
抽取
改写

第二层：输出格式

再回答：

输出应该长什么样？

例如：

一句话
三条 bullet
JSON
表格

第三层：约束条件

最后回答：

哪些边界不能碰？

例如：

不要编造
不要输出解释
只能根据给定资料回答

这三层就是 Prompt 工程最基础也最重要的骨架。

为什么这三层结构特别值得先记？

因为很多看起来“写得不错”的 Prompt，最后不稳定，往往就卡在：

任务目标含糊
输出格式没写清
约束条件漏掉了

所以新人第 1 站最稳的做法不是堆技巧，而是把这三层先写完整。

第一次写 Prompt 时，最稳的默认顺序

更稳的顺序通常是：

先写“要做什么”
再写“输出长什么样”
再写“不能做什么”
最后才去调整语气、风格和角色

这样会比一开始就写：

你是一位资深专家…

这类角色设定更稳，因为最基础的任务规格先站住了。

Prompt 三层任务简报漫画

四、一个最小 Prompt 规格示例

prompt_spec = {
    "task": "summary",
    "output_format": "3 个中文要点",
    "constraints": ["每条不超过 20 个字", "不要补充原文之外的信息"]
}

print(prompt_spec)

预期输出：

{'task': 'summary', 'output_format': '3 个中文要点', 'constraints': ['每条不超过 20 个字', '不要补充原文之外的信息']}

这个例子在教什么？

它在提醒你：

很多看起来不错的 Prompt，其实背后都有一份更清楚的任务规格。

也就是说，Prompt 不是纯靠灵感写出来的，而更像“把任务规格翻译成模型能理解的语言”。

再看一个最小“Prompt 检查表”示例

prompt_checklist = {
    "task_defined": True,
    "output_format_defined": True,
    "constraints_defined": False,
}


def next_fix(checklist):
    if not checklist["task_defined"]:
        return "先把任务目标写清楚。"
    if not checklist["output_format_defined"]:
        return "先把输出格式写清楚。"
    if not checklist["constraints_defined"]:
        return "先补上边界和限制条件。"
    return "基础 Prompt 规格已经比较完整。"


print(next_fix(prompt_checklist))

预期输出：

先补上边界和限制条件。

这个示例很适合初学者，因为它把 Prompt 从“写一句话”变成了：

一份可检查的任务规格

Prompt 三层任务规格图

五、一个真正能看出差别的例子

模糊版

请分析下面这段文本。

清晰版

请阅读下面文本，并完成情感分类。
只输出 positive 或 negative，不要输出其他解释。

为什么后者更稳？

因为它同时明确了：

任务目标：情感分类
输出集合：positive / negative
输出约束：不要额外解释

所以 Prompt 真正的基础，不是“说得花”，而是：

说得准。

六、Prompt 基础为什么会影响后面所有章节？

因为后面你会继续遇到：

结构化输出
函数调用（函数调用）
智能体（Agent）
RAG

这些能力虽然更复杂，但都离不开同一个前提：

任务边界要清楚
输出形式要清楚
行为约束要清楚

所以 Prompt 基础不是一个孤立章节，而是后面很多系统能力的地基。

后面会反复遇到的术语

术语	解释	Prompt 关系
提示词（Prompt）	发给模型的指令、上下文、示例和约束	它就是模型的任务简报，表达不清楚，行为就容易不清楚
结构化输出	按 JSON、表格、固定字段等稳定格式输出	产品通常需要可解析的数据，而不只是好看的自然语言段落
函数调用（函数调用）	让模型选择工具或函数，并填写参数的机制	模型必须理解任务边界和需要填写的参数
检索增强生成（RAG）	Retrieval-Augmented Generation，先检索外部资料，再基于资料回答	Prompt 会告诉模型如何使用检索材料，以及不要编造无来源内容
智能体（Agent）	模型会规划、调用工具、观察结果并继续执行的系统	每一步都需要清楚的目标、允许动作和停止规则

七、最常见的初学者误区

以为 Prompt 只是措辞优化

其实更重要的是任务结构。

只说任务，不说输出格式

这会让模型输出更不稳定，也让后处理更痛苦。

不写约束

模型一旦有发挥空间，就容易在不该发挥的地方发挥。

如果把它做成项目或笔记，最值得展示什么

最值得展示的通常不是：

“我会写 Prompt”

而是：

一个坏 Prompt
一个改良版 Prompt
你具体补了哪层规格
输出为什么因此变稳

这样别人会更容易感觉到：

你理解的是任务表达
不只是背了几个 Prompt 技巧名词

八、第一次写 Prompt 时最稳的顺序

可以直接按这个顺序来：

先写任务目标
再写输出格式
再写限制条件
最后才去改措辞和风格

这样会比一开始就堆角色设定和技巧稳定很多。

九、核心提醒

Prompt 的核心不是修辞，而是任务表达
基础 Prompt 先把“做什么、怎么交付、不能做什么”讲清楚
后面所有高级 Prompt、结构化输出、Agent，其实都建立在这层基础上

十、一个很实用的写 Prompt 习惯

每次写 Prompt 前，先在脑子里问自己：

我到底让模型做什么？
我想让它输出成什么样？
我最怕它在哪些地方做偏？

把这三个问题答清楚，Prompt 通常就已经比大多数“拍脑袋写”的版本稳很多了。

这一节的学习闭环

学完这一节后，可以用下面这张表检查自己：

层次	你应该能做到什么
直觉	能解释为什么 Prompt 更像任务说明书，而不是神奇咒语
写法	能把一个模糊请求拆成任务目标、输出格式和约束条件
调试	能判断一次输出不稳定，是目标不清、格式不清，还是边界没写清
后续连接	能说明 Prompt 为什么会影响结构化输出、函数调用、RAG 和 Agent

留下的证据

学完这一页，至少保留这张证据卡：

任务: 一个明确的指令
上下文: 提供给模型的相关事实
约束: 受众、长度、风格、禁止行为
输出格式: 要点、JSON、表格，或答案模式
比较: 模糊提示词 vs 改进后的提示词输出已保存

小结

这一节最重要的不是记住“Prompt”这个词，而是理解：

Prompt 的本质，是把任务目标、输出形式和边界条件表达清楚。

这就是后面所有 Prompt 工程能力的第一层基础。

练习

把“帮我处理一下这段内容”改写成一个更清楚的 Prompt。
想一个你自己的任务，并分别写出任务目标、输出格式和约束条件。
用自己的话解释：为什么说 Prompt 更像“任务说明书”？
为什么一个 Prompt 只写目标、不写输出格式，通常会让系统更不稳？

解题思路与讲解

更清楚的版本可以是：“请把下面的客户留言总结为 3 个要点，判断用户意图，并给出 1 条建议回复。不要编造原文没有的信息。”
完整答案要分清目标、输出格式和约束。例如：目标是分类反馈，输出是 JSON，约束是只能使用固定标签且不要输出额外文本。
Prompt 像任务说明书，因为它告诉模型要完成什么工作、产出什么结果、遵守哪些边界。
如果没有输出格式，模型可能用散文、列表、类 JSON 或混合格式回答。这样下游使用和评估都会不稳定。