Prompt 到底有啥用？为什么写得好能提升 AI 效果这么多？

面试几乎场场都被问prompt，有人问我结构是怎么设计的，有人问prompt怎么影响模型输出效果，还有人问我 prompt 写得好有什么“套路”等等。

我整理了一个系统版的 Prompt 全面理解手册，包括：

1. Prompt 到底是什么？我跟模型说的每句话都是 Prompt 吗？
2. 为什么 prompt 能“控制”大模型？
3. Prompt 写得好，有什么用？
4. Prompt 有结构吗？为什么不能随便写？
5. 有哪些实用写法与技巧？（含我个人调教经验）
6. Prompt 的能力边界在哪？写得再好也有坑？

一、 Prompt 到底是什么？我跟模型说的每句话都是 Prompt 吗？

Prompt 这个词，听起来像是“对模型说的一句话”，但其实它分为两种理解方式：

• 广义上，你对大模型说的每一句话，都是 prompt。只要是输入，统统算。
• 狭义上，在产品或代码里，我们说的 prompt 是指那种写得很完整、有结构、有任务说明的大段“指令提示词”。

✅ 广义 prompt 是你说的每句话，狭义 prompt 是你写的“角色剧本”。

而且，大模型没有记忆，每次你调用 API，其实就是把**“完整的上下文”重新打包**发进去。 每一句话、设定、历史对话，都会被拼进 prompt，一起作为“输入”被模型吃掉。

二、为什么 prompt 能“控制”大模型？

大模型并不会“理解语言”，它只是通过attention 机制对每个词打“重要性分数”，决定关注什么、怎么生成。

比如你写了：

“你是一名律师，请用专业术语分析下面的案例...”

模型会给“律师”“专业术语”这些词打很高的 attention 分数，它就会优先参考这些词，再去判断后续该怎么输出。

所以：

Prompt 是你给模型的大脑贴的“任务便利贴”，它整个输出都是照着这个贴纸来“演”。

结构清晰、任务明确的 prompt，attention 得分高、引导性强，效果自然也就稳定。

三、Prompt 写得好，有什么用？

如果 prompt 写得模糊，模型理解错、输出废话、格式混乱，不仅浪费 token，还可能答错，白花钱 + 白搭时间。

反过来，一个清晰高效的 prompt 可以让模型：

• 少走弯路，一次命中
• 说重点，少废话
• 按格式输出，方便解析

✅ 好的 prompt = 成本更低 + 效率更高 + 答案更靠谱

写 prompt，和写产品需求文档一个道理：你越清楚，对方越省事。

四、Prompt 有结构吗？为什么不能随便写？

随便写一句“帮我处理下这个文本”，模型听不懂你到底要摘要、润色还是翻译。

你给它个“大任务”，它也会乱猜方向。

这是因为模型只看 token，并不知道哪些词最重要。所以你越明确地告诉它“你是啥、干啥、怎么干”，它 attention 就越集中，效果就越稳定。

下面是一个常用结构👇：

你是一个[角色]，
请根据以下[背景信息]，
完成[任务目标]，
并按照[输出格式]回答。

✅ 结构清晰的 prompt，不只是“看起来整齐”，而是“attention 打分更高”，模型更容易“听话”。

五、有哪些实用写法与技巧？（我个人常用的调教套路）

📌 以下是我自己用过最管用的技巧，适合调试、迭代和优化效果：

1. 明确任务（task-specific）模型不会猜你想干嘛，你得具体告诉它是摘要？翻译？分类？

2. 设定角色（role-play）明确告诉它你是谁，它就“扮演”谁的说话风格。

3. 限制格式 / 字数 / 风格不说清楚，它就开始跑题、凑字、加寒暄。直接写清楚结构最靠谱。

4. 加反向约束（don’t do）比如“不要寒暄”“不要重复问题”，要写出来，不然模型就会自动“加戏”。

5. 用伪代码写复杂逻辑比如“如果包含A或B，则输出1，否则输出2”，模型反而理解得更清楚。

6. 写好示例（few-shot）示例不要随便举，尽量涵盖你所有的要求，模型会模仿示例的格式和逻辑。

7. 调试时：定位问题模型没听话，先看是不是你：

• 指令写得不清楚？
• 放的位置太靠后？
• 用词太绕了？
• 还可以要求模型列出思考步骤，看看是哪个指令没生效，哪里跑偏了

• 换成更直白的说法试试比如把“尽量简洁”改成“不要超过20个字”，效果立刻不一样。

• 多模型适配不同写法GPT、Claude、通义千问、Mistral 各有偏好，prompt 不能一套打天下。

• prompt 的版本管理非常重要不要一通乱改，看不到对比。用文档记录每次改动，才能“迭代调参”。

• 复杂任务拆成多步，甚至多机器人协作一个模型搞不定，拆开三步走：提取 → 检索 → 回答，反而更稳。

---

六、Prompt 的能力边界在哪？写得再好也有坑

⚠️ 注意，这些问题是 prompt 再好也改不了的本质限制：

• 会胡说八道（幻觉）：模型是猜词，不是查数据库。别指望它输出真相，查资料还是得接工具。

• 上下文有限：prompt 太长、历史太多会被截断。关键信息请靠前放。

• 同 prompt 不同答：模型有随机性，尤其是 temperature 不为 0 时。重要任务建议设置为 0。

• 指令放太后会被忽略：注意力机制前面权重高，越后越容易“被看不到”。

• 表达方式不对就不执行：别说“尽量少说点”，说“输出不要超过20字”它才听懂。

• 写太复杂反而乱：长 prompt 并不高级，attention 分散、重点不突出，反而容易出错。

✅ Prompt 不是“越详细越好”，而是“越清楚越好”。

---

📌 最后的最后：

Prompt 工程不是玄学，而是逻辑 + 套路 + 实验。

掌握这些结构和原理，才能真的用好大模型，而不是靠“它运气好、你猜得准”。