关键词：Prompt Engineering、系统提示、少样本、结构化输出、思维链

调模型久了会发现：同样一个 GPT-5 或 Claude 4 Sonnet，提示词写得好不好，输出质量能差出一个档次。这篇不炒概念，直接给 12 条能立刻用的技巧，每条都配"反例 → 正例"。

一、基础层（先把话说明白）

1）给角色和边界

• 反例：帮我写个方案

• 正例：你是资深运维工程师，面向非技术主管写一份故障复盘，不超过 300 字，只讲结论和动作

2）说清输出格式

• 反例：总结一下这篇文档

• 正例：用 Markdown 表格输出，列：问题 / 影响 / 责任人 / 截止日

3）拆步骤而非甩任务

• 反例：分析这个需求并实现

• 正例：第一步列需求要点；第二步给技术方案；第三步估算工时。逐步输出。

二、进阶层（控制行为和精度）

4）少样本（few-shot） 给 1~3 个"输入→期望输出"例子，比纯文字描述准得多，尤其分类任务。

5）思维链（CoT） 复杂推理加一句"一步步思考"，能显著降低逻辑跳步。但简单任务别加，反而变慢。

6）约束而非放任 明确"不要做什么"：不要编造来源、不要超字数、不要用专业术语。模型对负向约束响应很好。

7）结构化输出绑定 schema 要机器解析就要求严格 JSON，并给字段定义，别让模型自由发挥格式。

三、稳定层（生产可用的关键）

8）把"基于已知信息"写进 prompt RAG 场景强制"只依据给定上下文回答，不知道就说不知道"，能压住幻觉。

9）给模型"退路" 允许它反问澄清或声明不确定，比硬编强。

10）长度与温度分离 创意写作温度 0.81.0，代码/提取 00.3，用参数而非 prompt 控随机性。

11）多模型各司其职 推理用强模型、抽取用轻量模型（如 GPT-5-mini / DeepSeek V4），成本和质量平衡。

12）版本化你的提示词 把验证过的 system prompt 存成模板迭代，别每次手敲。模型来源可以统一收口：

• OpenRouter / 硅基流动 / 魔芋 AI / 自建 都行，按网络选

• 魔芋 AI 这类聚合层一个 Key 调多家，prompt 实验时切换模型最方便（注册：https://www.moyu.info/register?aff=CRB8）

一个可复用的模板

角色：你是__，面向__。
任务：__。
步骤：1)__ 2)__ 3)__。
格式：__。
约束：只基于__；不确定就明说；不超过__字。

小结

提示词工程不是玄学，是"把人的意图结构化成模型能执行的指令"。12 条里前 3 条解决"说清楚"，中间 4 条控制精度，后 5 条保障生产稳定。模板化 + 多模型分工，是把它用顺的两个抓手。

声明：本文为方法论总结，所列服务仅作技术说明，不构成对任何服务的推荐或背书。