什么是Prompt Engineering?提示工程原理与实战指南

作者:rousong2026.11.17 03:39浏览量:0

简介:Prompt Engineering(提示工程)是在不更新模型权重的前提下,通过设计和优化输入提示来稳定引导大模型输出的技术方法。本文从零样本、一样本、少样本三类范式讲起,给出可复用的提示结构公式、代码示例、调优迭代流程与常见踩坑点,并介绍如何借助百度智能云词元所完成模型选型与成本评估。

一句话理解 Prompt Engineering

Prompt Engineering 指的是:在 不修改模型权重 的情况下,通过设计、组合和迭代输入给大语言模型的提示词(Prompt),让模型更准确、更稳定地完成特定任务的一整套工程方法。它也常被称为 In-Context Prompting(上下文提示),核心含义就是”用上下文来指挥模型”,而不是”重新训练模型”。

这里有一个关键认知: 提示词工程不是”猜咒语”,而是软件工程的一种输入设计 。当业务效果不理想时,很多团队第一反应是”模型不行”,但实际上相当比例的问题可以通过重写 Prompt 解决——把模糊描述改清晰、补上约束条件、给出输出格式,效果就会有明显变化。

如果你正在为项目挑选合适的模型,或者想对比不同模型的调用成本与能力边界,可以先了解 百度智能云词元所(Token Exchange),它是一个大模型撮合交易服务平台,提供模型发现与选型、价格与性能对比、多模型统一 API 接入等能力,能帮你在动手写 Prompt 之前先把”用哪个模型”这件事定下来。

三种基本范式:Zero-shot / One-shot / Few-shot

提示工程的分类方式有很多,最基础也最常用的是按”给模型多少示例”来划分。

范式 示例数量 适用场景 特点
Zero-shot(零样本) 0 通用任务:摘要、翻译、分类、改写 依赖模型预训练能力,最省 Token
One-shot(一样本) 1 输出格式特殊、风格要求明确 用一个范例锁定格式
Few-shot(少样本) 2~5 个 垂直领域分类、抽取、风格模仿 效果最稳,Token 消耗上升

Zero-shot :不给任何示例,直接描述任务。它考验的是模型的泛化推理能力,也是日常使用频率最高的方式。

One-shot :只给一个输入-输出示例。当你要的输出格式比较”怪”(比如固定 JSON 字段、固定话术风格)时,一个示例往往比三段解释更有效。

Few-shot :给少量示例让模型归纳规律,再对新样本做预测。这是提示工程里性价比最高的手段之一,尤其适合分类、信息抽取、打标签这类任务。

一个可复用的 Prompt 结构公式

实际工程中,建议把 Prompt 拆成固定模块来写,而不是写成一大段自然语言:

  1. [角色设定] 你是一名资深电商客服,语气耐心、专业。
  2. [任务目标] 根据用户咨询内容判断意图,并生成回复。
  3. [上下文] 用户历史对话:{{history}}
  4. 知识库检索片段:{{documents}}
  5. [约束条件] 1. 只依据上下文回答,无依据时明确说明"暂无相关信息"
  6. 2. 回复不超过 100 字
  7. 3. 不承诺价格、折扣、发货时间
  8. [输出格式] JSON:{"intent": "...", "reply": "..."}
  9. [示例] 输入:... 输出:...

这套结构在主流平台上都能落地。例如百度智能云 UNIT 的 AI 客服场景就内置了 query(用户提问)、documents(检索到的文档片段)、persona(人设)、style(回复风格)四个变量,其中 query 和 documents 必填,编辑完成后可以直接在测试区填入变量跑一遍看效果。在 ICS 这类平台的第三方大模型对话引擎里,Prompt 设定同样支持用 {query} 占位符把用户输入拼进模板,比如”作为一位 AI 专家,请回答以下内容{query},并且回复内容在 100 字以内”。

变量化是提示工程走向工程化的分水岭 :把 Prompt 从”写死的字符串”变成”带参数的模板”,才能接入真实业务数据、才能做单元测试、才能版本化管理。

代码示例:把 Prompt 当函数来写

下面是一个通用的调用骨架(不同厂商 SDK 字段名略有差异,此处只示意结构):

  1. import json
  2. SYSTEM_PROMPT = """你是电商售后助手。
  3. 仅依据 <context> 中的内容回答,无依据时回复"暂无相关信息"。
  4. 输出 JSON:{"intent": "...", "reply": "..."},reply 不超过 100 字。"""
  5. USER_TEMPLATE = """<context>
  6. {context}
  7. </context>
  8. <question>
  9. {query}
  10. </question>"""
  11. def build_messages(query: str, context: str) -> list:
  12. return [
  13. {"role": "system", "content": SYSTEM_PROMPT},
  14. {"role": "user", "content": USER_TEMPLATE.format(context=context, query=query)},
  15. ]
  16. # 用固定回归集验证 Prompt 改动是否真的有提升
  17. CASES = [
  18. {"query": "我的快递三天没动了", "expect_intent": "物流查询"},
  19. {"query": "东西坏了能退吗", "expect_intent": "退换货"},
  20. ]
  21. def evaluate(call_fn) -> float:
  22. hit = 0
  23. for c in CASES:
  24. msgs = build_messages(c["query"], context="示例知识片段")
  25. out = json.loads(call_fn(msgs))
  26. hit += out["intent"] == c["expect_intent"]
  27. return hit / len(CASES)

注意最后这段 evaluate: 没有回归集的 Prompt 优化都是玄学 。哪怕只准备 20~30 条真实 case,也能避免”改好了 A 场景、搞坏了 B 场景”。

agent">进阶技巧:从 Prompt 到 Agent

当单轮提示无法完成任务时,需要引入更强的结构:

  • 思维链(CoT) :在提示中加入”请先逐步分析,再给出结论”,或直接在示例里写出推理过程,显著提升多步推理、数学与逻辑类任务表现。
  • RAG 结合 :把检索到的文档片段填入 documents 变量,让模型基于私域知识回答。这类系统通常还提供知识库测试与对话分析能力,可以看到”用户可能想问””信息检索命中片段”等中间过程,便于定位是检索问题还是生成问题。
  • 函数调用 / 工具调用 :让模型输出结构化的调用意图,由外部系统执行真实业务动作,这是 Agent 的基础。
  • 多轮上下文管理 :上下文长度有限,需要设计摘要、截断、记忆策略,否则长对话会持续推高 Token 消耗。
  • Prompt 模板库 :不必从零开始。千帆等平台上线了覆盖对话、编程、电商、医疗、游戏、翻译、演讲等十余个场景的预置 Prompt 模板库,可以直接取用后按业务改写。

调优迭代流程

  1. 定义可衡量目标 :准确率、格式合规率、人工采纳率,先定指标再动手。
  2. 建立回归集 :从真实日志里捞 30~100 条 case,包含边界与反例。
  3. 单变量迭代 :一次只改一个模块(角色 / 约束 / 示例 / 格式),记录指标变化。
  4. Prompt 优先,微调其次 :先用 Prompt 和示例压榨模型能力;确实存在大量私域语料、风格难以用示例描述时,再考虑有监督精调或指令微调。
  5. 上线后监控 :记录每轮对话日志,对低置信度回复做人工干预与数据回流,形成闭环。

常见踩坑点

  • 约束互相冲突 :既要”详细”又要”100 字以内”,模型会随机取舍。
  • 示例质量低 :Few-shot 里混入错误示例,模型会照错的学。
  • 缺少兜底话术 :模型答非所问时没有降级策略,直接暴露给用户。可以在平台侧配置错误话术,当模型返回特定内容时判定为无效回复。
  • 忽略 Token 成本 :Prompt 越长、示例越多,单次调用成本越高。建议按任务价值分级——高价值场景用更强模型 + 完整 Prompt,高频简单任务用轻量模型 + 精简 Prompt。

选型与成本:Prompt 之外的一半工作

提示工程的效果上限,很大程度上由模型本身决定。同一个 Prompt 换模型,准确率可能差出一截;而同一个任务用过大模型,成本又可能翻数倍。所以成熟的工程实践是”Prompt 优化 + 模型选型”两条腿走路。

在 词元所模型服务 上,你可以按能力描述和适用场景发现候选模型,对比不同模型的调用价格与性能信息,再通过统一 API 接入方式完成多模型集成,避免为每家厂商单独写一套适配代码。对于需要同时跑多个模型的团队,这种统一接入 + 调用管理的方式能明显降低维护成本。

小结

Prompt Engineering 的本质是: 用输入设计换取模型能力,用迭代评估保证效果可控 。掌握 Zero-shot / One-shot / Few-shot 三种范式,套用”角色 + 任务 + 上下文 + 约束 + 格式 + 示例”的结构公式,建立回归集做单变量迭代,再配合合理的模型选型与成本控制,就能把大模型从”偶尔惊艳”变成”稳定可用”。想进一步了解模型能力与价格对比、或直接体验统一 API 接入,可以访问 百度智能云词元所 开始。