一、我为什么要学习提示词？
作为一名拥有六年多工作经验的资深程序员，我在过去一年多的工作中观察到一个非常明显的变化：大家已经开始养成使用 AI 解决问题的习惯。
以往在开发过程中，遇到难以解决的问题时，大家通常会通过 Google 或 StackOverflow 进行搜索，从大量文章中筛选可能有用的信息，耗费了大量时间。新人在面对不熟悉的知识时，往往向同事请教，而即使是经验丰富的员工，遇到复杂问题也需要在技术交流群里求助同行，或者向身边的同事和前辈寻求帮助，解决问题可能要花费数小时。
然而，现在越来越多的人开始转向使用 AI 工具来快速获取答案和解决问题。很多同事会直接打开常用的 AI 平台，在对话框中输入提示词以获取答案，无论是技术问题还是学习新知识。同时，团队还会使用公司内部的智能编码助手，实现自动代码补全、代码优化、生成单元测试甚至自动生成 git 提交信息等功能。
大厂各业务线也在投入资源，通过AI提升现有业务的效率，或探索新业务的商业机会。在过去一年多的时间里，我也参与了多个利用AI提升业务效率的项目。然而，我注意到，尽管大家普遍开始使用AI工具，许多人在编写提示词时仍然存在问题，导致AI的回答与预期不符。面对这些不理想的回答，大家往往不知道问题出在哪里，也缺乏调优提示词的能力。
因此，我深刻认识到学习提示词编写的重要性。我主动学习了大量关于提示词工程的文章、视频和论文，并将这些知识应用于日常工作中。我能够根据需求编写有效的提示词，与模型进行高效对话，甚至构建智能体以实现更复杂的功能，从而更加精准地获取所需信息。
作为一个开发同学，AI 已经深度融入了我的日常工作流程。 在正式编写代码前，我们通常需要进行系分文档编写（部分公司称为技术方案），这往往涉及使用PlantUML绘制各类UML图。过去，我们通常需要从官网复制示例代码，再进行修改。如果出现符号错误，图形无法渲染，极为耗时。一份系分文档中若包含多张图，可能需要花费半小时甚至一小时。
掌握了提示词编写技巧后，我快速开发了 「UML绘图助手」 。现在，只需输入所需的UML图类型及相关描述，AI就能在二十秒内生成符合预期的PlantUML脚本，偶有细微差异，只需简单调整即可直接嵌入到设计文档中，极大提升了效率。
在实际开发过程中，遇到复杂问题时，我会提供详细的背景描述和错误堆栈，让 「BUG杀手」 分析问题并给出解决方案，帮助我快速定位问题并解决。此外，当我需要为某个变量或函数命名时，我会使用 「Java命名助手」。只需提供描述，AI 就会生成多个专业的类、函数或变量命名建议，减少了命名的困扰。
在 AI 业务应用的开发过程中，我常常需要接触大量AI相关概念，初期理解这些内容对开发人员来说可能有些困难。为此，我创建了 「通俗讲解助手」，AI可以先用生活化的例子帮助我理解复杂概念，再提供详细解释，最后用便于记忆的方式进行总结，极大地提升了我的学习效率。
我平时热爱写作，并且将AI技术深度融入到创作过程中。我会将写作任务拆解为多个部分，如标题生成、配图选择、文章润色、内容点评等，再通过编写提示词，借助智能体平台创建对应的智能体。这极大提升了我的写作效率。
例如，在标题创作上，以前需要费尽心思构思，现在通过 AI，我可以快速生成 10 个具有吸引力的标题，并从中挑选最合适的一个；在配图方面，以往寻找贴合主题且符合版权要求的图片非常耗时，而现在通过 AI，根据我的描述即可生成与文章完美契合的图片；文章润色方面，借助AI 润色助手，错别字和口语化表述大幅减少，文章整体风格变得更加专业；至于内容点评，过去我常需麻烦朋友提供反馈，现在通过编写提示词，我可以让 AI 根据设定的评分标准，从多个维度对文章进行打分并提供修改建议，节省了大量时间。
我还针对学习、生活和工作创建了几十个其他智能体，帮助我在各个场景中高效处理问题。掌握提示词编写技巧后，大家可以根据自身的个性化需求，灵活编写提示词，快速且高效地解决问题。
二、揭开提示词的神秘面纱
提示词是当前我们与大语言模型交流的主要手段，也是一门提问的艺术。
提示词工程则是帮助用户提出精准问题、获取有效答案并解决问题的过程，这一过程需要对提示词进行不断的调优，以逐步接近模型的能力上限。
许多网络教程往往侧重于“战术”层面的具体技巧，例如如何通过添加示例、明确要求等方法来优化提示词，或者使用各种提示词框架（如 COSTAR、RACE、SPA等）。如果将提示词比作设计模式，这些战术技巧更类似于我们熟悉的具体设计模式，如单例模式、策略模式、责任链模式等。
我认为想要写好提示词，需要站在解决问题的角度来看待整件事，需要先掌握“战略”层面提示词原则。 如果将提示词类比为设计模式，那么这些“战略”层面的原则就像咱们开发同学所熟知的软件工程的经典原则：“高内聚、低耦合”、“隐藏复杂度”、“计算机领域的任何问题，都是可以通过新增一个间接的中间层来解决的”等，以及设计模式的七大原则。
编写提示词并非最终目的，它只是解决问题的一个关键步骤。我们的核心目标是解决问题。因此，无论是日常场景还是业务应用中，都需要首先明确问题的定义，进而思考哪些任务适合交给AI处理，哪些适合通过编码实现，哪些又需要由人类完成。我们应当将适合AI处理的任务分配给AI，并将任务的复杂度拆解到AI能够胜任的程度。
在编写提示词之前，了解大模型的能力边界至关重要。我们需要清楚地知道模型擅长处理哪些任务，以及在哪些方面表现有限，从而合理分配任务。
在编写提示词时，我们应灵活运用各种行之有效的具体技巧，以确保提示词能够准确引导模型完成预期任务。
编写提示词后，还需要对模型的输出效果进行评估。当模型的回答不符合预期时，必须能够迅速分析原因，并通过不同的手段进行调整和优化。必要时，可以采取多轮调优的方式，提升提示词的精确性。
同时，我们需要意识到提示词的局限性。当提示词已接近模型的能力上限，依然无法获得理想的结果时，可能需要考虑其他解决方案，如切换到更高级的模型、进行模型微调、采用多智能体协作，或重新评估任务拆解的合理性。通过这些手段，我们可以更有效地解决问题并优化工作流程。
身边很多朋友会向我请教一些提示词的经验，我将提示词经验完整总结到了专栏中：《系统掌握大语言模型提示词 - 从理论到实践》，大家感兴趣欢迎一起探讨和交流。
最后简单介绍一下我自己，我叫明明如月，目前在国内头部大厂担任软件工程师，讲师，业余时间衷于技术写作和知识分享。以下是我目前的一些主要个人标签：
- 6 年多头部大厂软件开发经验；
- 1 年多 AI 业务应用经验，拥有丰富的业务提示词调优经验和模型微调经验。信仰 AGI，已经将 AI 通过自定义 Chatbot /搭建 Agent 融合到我的工作流中。
- 头部大厂技术大学讲师，进行过多场内部 AI 相关直播分享，场均听众 2000+；
- 多个主流技术平台专家博主，全网粉丝量 7 万+，阅读量 500 万+；
欢迎大家一起学习探讨提示词工程，写好提示词，让 AI 更“听话”，更快速获得想要的答案和更好地解决问题，获得更好地业务效果、创造更大的商业价值。
取代你的不是 AI，而是比你更擅用 AI 的人。希望大家通过提示词的学习，能够成为“更擅用 AI” 的一批人。
想要学习更多 AI 经验和技巧，欢迎加入我的知识星球: AI 实战营