提示工程（Prompt Engineering）

提示工程是设计输入给 大语言模型的指令，让模型产出期望结果的技术。 即使有了最强大的模型，糟糕的 prompt 也会让输出惨不忍睹。

核心技巧

1. 角色设定（Role Prompting）

"你是一位资深 Python 工程师，擅长代码审查..." 通常比裸问得到更专业的回答。

2. 少样本示例（Few-shot）

给 2-3 个输入-输出对作为示范，比单纯指令有效得多。

3. 思维链（Chain-of-Thought）

"请一步步思考" 或显式要求展示推理过程，能显著提升复杂任务的准确率。

4. 结构化输出

明确要求输出 JSON / Markdown / 表格，便于程序解析。

5. 分隔符与格式

用 """ / <tag> / Markdown 标题 把不同部分（system / context / question） 清晰区分。

进阶技术

• Self-Consistency：采样多次取多数答案。
• ReAct：让模型边思考边行动。
• Automatic Prompt Engineering：用模型优化 prompt（APE）。
• Function Calling：让模型输出结构化工具调用（参考 function-calling）。

调试工具

• LangSmith / LangFuse：trace prompt 调用链。
• PromptFoo：批量跑 prompt 测试用例。
• PromptLayer：记录每次 prompt 与输出。