模型本身是通用的，你给什么输入，它就沿着什么方向回答。同一个模型，措辞不同，输出质量可能相差很多。提示工程就是把这件「看起来靠运气」的事，变成可复现的方法。
常用手段
- 说清任务：明确要做什么、给谁看、输出格式是什么。要求结构化结果时，最好直接给出格式样例。
- 给角色与约束：设定身份、语气、长度上限、禁止事项，能显著减少跑偏。
- 给示例：给出两三个「输入—输出」样例，模型会照着模仿，这是最有效的技巧之一。
- 让它先想再答：复杂任务上要求先列步骤再给结论，正确率通常更高。
- 拆解任务：与其写一段超长指令，不如拆成几步，每步只做一件事，必要时把上一步结果喂给下一步。
- 迭代与固化：改一处、测一批、比较效果，把好用的写法存成模板，回归测试防止改坏。
为什么重要
它是目前门槛最低的 AI 应用方式：不用训练、不用改模型，写好输入就能拿到效果。对独立开发者来说，把提示词、上下文组织和输出校验设计好，往往就构成了产品的核心体验。
常见误区
- 提示词治不了能力不足：模型根本不会或没有相关知识时，靠措辞翻不回来，该上检索或微调。
- 不是越长越好：冗长、矛盾、堆满要求的提示反而稀释重点，让模型顾此失彼。
- 它不稳定：同一个提示在不同模型、不同版本上效果可能不同，所以要留评测集、要能回归。
- 不是一次性工作：模型更新、数据变化，提示也要跟着维护。