这一章来聊聊我们最熟悉的 Prompt 工程它到底是什么、为什么曾经这么火、以及它的天花板到底在哪里。

---

1.1 Prompt 工程是什么

2022 年底 ChatGPT 一出来,所有人都懵了。

这玩意儿能写代码、能写诗、能做翻译、能回答各种问题。但很快大家发现一个规律:同样一个 AI,你跟它说的话不一样,它给你的答案质量天差地别。

于是就诞生了一个新词:Prompt Engineering(Prompt 工程)。

说白了,就是研究"怎么跟 AI 说话,能让它发挥出最大本事"。

2023 到 2024 这两年,Prompt 工程是 AI 领域最火的话题。网上有无数"Prompt 大全""神级 Prompt 模板",还有人专门开课教你怎么写 Prompt。

我自己那会儿也沉迷过收集各种"好 Prompt"。

---

1.2 Prompt 工程的四大经典技巧

不要小看这四个技巧。它们确实有用,而且今天依然有用。

给角色(Few-shot 之外的"身份设定")

你跟 AI 说"写一份文案",它写得很一般。 你跟 AI 说"你是一位有 10 年经验的广告文案专家,请帮我写一份文案",它立马写得有模有样。

类比一下: 你去餐厅吃饭。如果你跟服务员说"随便来点吃的",厨师可能随便炒一个。如果你说"我今天想吃点清淡的、不要太油、有点辣也行",厨师立马知道该怎么给你做。

给角色就是给 AI 一个"我是谁"的锚点,让它的输出风格和深度有方向。

分步骤

复杂任务一次性丢给 AI,它经常跑偏。

拆成步骤就好很多:

请按以下步骤帮我完成任务:
1. 先阅读以下需求文档
2. 总结出三个核心痛点
3. 针对每个痛点提出一个解决方案
4. 最后给出一个优先级排序建议

类比: 你带实习生干活。你要是说"这个项目你搞定",他大概率懵。但你要是说"你先看需求文档、再写个方案、再跟我过一遍",他就能动起来。

给例子(Few-shot)

这个技巧极其强大。

光说"帮我写个标题"是不够的。你应该说:

帮我写一个文章标题。参考这几个例子的风格:
- "我用 30 天学会了 Python,这是我的方法"
- "5 个让你效率翻倍的 VS Code 技巧"
- "为什么我不再用 Notion 了"

给几个例子,AI 立马知道你想要什么风格、什么长度、什么语气。

类比: 你跟理发师说"剪短一点",理发师不知道你想多短。但你指着一张照片说"就这个",理发师秒懂。

思维链(Chain of Thought)

这是最有"魔法感"的一个技巧。

对于复杂问题,你在 Prompt 末尾加一句**"让我们一步一步想"**,AI 的推理质量会显著提升。

原理很简单:大语言模型本质上是"一个字一个字往外蹦"的。让它一步一步想,等于强迫它把推理过程写出来,而不是直接给一个可能错误的结论。

这四个技巧组合起来,Prompt 工程在 2023-2024 年确实解决了大量实际问题。

---

1.3 一个真实的对比

来看个例子感受一下 Prompt 工程的威力。

差 Prompt:

帮我写个产品介绍

AI 给你一段干巴巴的废话。

好 Prompt:

你是一位有 8 年经验的科技产品文案。
帮我为一款"AI 笔记应用"写产品介绍。
要求:
- 目标用户是知识工作者
- 语气专业但不无聊
- 突出"自动整理笔记"这个核心卖点
- 控制在 200 字以内
- 参考这种风格:[贴两个你喜欢的文案例子]

先列出大纲,我确认后再写正文。

同样一个 AI,输出质量天壤之别。

这就是 Prompt 工程的价值。它不是玄学,它是一种"把你的需求说清楚"的方法论。

---

1.4 Prompt 工程的天花板

好了,夸完了。现在说泼冷水的话。

Prompt 工程有三个绕不过去的天花板。

天花板一:AI 不知道的事,Prompt 再完美也没用

你想想,你让 AI 写你们公司某个内部系统的技术文档。你 Prompt 写得再漂亮——"你是一位资深技术文档工程师,请分步骤……",结果呢?

AI 根本不知道你们公司的系统长什么样。

你给角色、分步骤、给例子、思维链,全都没用。因为它压根没有这个信息。

这就像你让一个从来没去过你家的人,"用专业的语气描述我家的装修"。他能描述啥?他根本没见过。

天花板二:Prompt 无法保证一致性

同一个 Prompt,你今天跑一遍,AI 给你 A 答案。明天跑一遍,它可能给你 B 答案。

原因是大语言模型本质上有随机性。Prompt 工程可以缩小这种波动,但消除不了。

对于"随便写个文案"这种场景,波动无所谓。但对于"我要它每次都按一模一样的格式输出 JSON"这种场景,波动就是灾难。

天花板三:Prompt 的边际收益在递减

2023 年那会儿,你学一个 Prompt 技巧,AI 输出质量提升 50%。 2024 年,你学一个技巧,提升 10%。 到了 2025 年,你把所有 Prompt 技巧都用上,提升可能也就 2%。

为什么?因为模型本身变聪明了。

你想想,GPT-3 的时候,你不说"你是一位律师",它真的就表现得像个路人。但到了 Claude Sonnet 4 这个级别,你说不说"你是一位律师",它的专业度差别已经没那么大了。

模型越来越强,Prompt 工程的"加成"就越来越小。

---

1.5 那是不是 Prompt 工程就没用了

不是。千万别这么想。

Prompt 工程依然是地基。

后面的 Context 工程、Harness 工程、Loop 工程,没有一层能离开 Prompt。你给 AI 准备好了上下文,你还是得用 Prompt 告诉它"你要用这些资料干嘛"。你给它搭好了环境,你还是得用 Prompt 定义它的任务。

Prompt 工程没有"过时",它只是从"主角"变成了"地基"。

一句话总结

Prompt 工程教会我们一件事:你怎么说,决定了 AI 怎么做。 这件事永远不会过时。但光会"说"已经不够了——你还得会"备"和"搭"。那就是后面几章的内容。

---

1.6 Prompt 工程快速速查

技巧	干嘛用的	大白话解释
给角色	设定 AI 的身份和语气	告诉厨师你今天想吃中餐还是西餐
分步骤	把复杂任务拆成小步	给实习生列 to-do list
给例子	用样例定义你想要的风格	拿张照片给理发师看
思维链	引导 AI 逐步推理	跟 AI 说"别急着答,先想想"

---

1.7 我的看法

我对 Prompt 工程的态度是:必学,但别迷信。

必学是因为它是基础。你连话都说不清楚,后面的 Context、Harness、Loop 都白搭。

别迷信是因为,2025 年以后,Prompt 工程已经不是"用 AI"的核心竞争力了。真正拉开差距的是——你能不能给 AI 准备好它需要的一切。

这就是下一章要聊的:Context 工程。

下一章来聊聊为什么 Shopify CEO 说"别再折腾 Prompt 了":第 2 章 Context 工程