在进行prompt工程提示词设计时，有哪些必须遵循的基本原则？

和AI沟通，其实就是把话说清楚。你说话的方式，直接决定了它回复的质量。很多人觉得提示词工程听起来很复杂，但核心就那么几条原则，掌握了，谁都能让AI更好地为自己工作。

第一条原则，也是最重要的一条：指令要清晰具体。 AI没有人类的直觉，它不会猜你想干什么。 模糊的指令只会得到模糊的、没什么用的回答。 比如，你对它说“写篇文章”，这个指令就太模糊了。 AI不知道写什么主题、写给谁看、写多长、用什么风格。结果可能就是一篇毫无价值的通用文章。

一个好的指令应该像这样：“写一篇探讨人工智能在医疗诊断中应用的1000字文章，面向的读者是中学生，所以语言要简单易懂，风格要像科普文章一样。” 你看，这个指令包含了几个关键要素：主题（AI在医疗诊断中的应用）、篇幅（1000字）、受众（中学生）、风格（科普）。 AI拿到这样的指令，就知道该往哪个方向努力。

再举个例子。如果你想让AI总结一段文字，不要只说“总结一下”。 你可以这样说：“把下面用三个反引号括起来的文本，总结成一句话。” 这样既明确了任务（总结），又限定了输入的范围（三个反引号内的文本）和输出的长度（一句话）。清晰和具体，是拿到满意结果的第一步。

第二条原则是，给足上下文。AI的知识是基于它训练时看到的大量数据，但它不知道你当前正在处理的具体任务背景。 你必须把必要的背景信息告诉它。

比如，你要AI帮你写一封邮件，回复客户的投诉。如果你只说“帮我写一封回复客户投诉的邮件”，AI写出来的东西肯定不能用。因为它不知道客户投诉了什么，也不知道你的处理方案是什么。

你应该这样做，先把背景情况交代清楚：“我的客户张三投诉说，他上周买的咖啡机坏了。我们的解决方案是给他换一台新的。请你以公司客服李四的名义，写一封邮件回复他。邮件要先表示歉意，然后告诉他我们会安排换货，并告知他新的咖啡机大概三天内会寄出。” 提供了这些上下文，AI才能生成一封真正能解决问题的邮件。

第三条原则，是给AI一个角色。 这听起来有点像是在玩游戏，但效果很好。在你发指令之前，先告诉AI它应该扮演什么样的角色。这能帮助AI更好地定位回答的风格、语气和专业程度。

例如，你想了解某个历史事件。
直接问：“给我讲讲安史之乱。”
这样问，你可能会得到一个像百科词条一样的、干巴巴的回答。

但是，如果你先给它一个角色：“你是一位风趣幽默的历史老师，请给一群对历史不感兴趣的高中生讲讲安史之乱，要讲得像故事一样生动，多用一些现代人能理解的比喻。” 加上这个角色设定，AI的输出就会变得有趣得多，可读性也更强。 同样的，你可以让它扮演“资深程序员”、“小红书爆款文案写作大师”或者“专业的营养师”，它会调动相关领域的知识，用更符合这个角色身份的方式来回答你。

第四条原则，是用示例来指明你想要的输出格式。这在技术上被称为“少样本提示”（Few-shot Prompting）。 有时候，光用语言描述你想要的格式，AI不一定能完全理解。最直接的方法，就是给它一两个例子，让它照着学。

假设你想从一段文字里提取关键信息，并整理成固定的格式。你可以这样设计你的提示词：
“从下面的文本中提取人名、公司和职位，并按照指定的JSON格式输出。

文本：‘昨天，苹果公司的首席执行官蒂姆·库克宣布了一项新的环保计划。’

输出示例：
{
“person”: “蒂姆·库克”,
“company”: “苹果公司”,
“title”: “首席执行官”
}

现在，请处理以下文本：
‘微软的萨提亚·纳德拉在今天的发布会上谈到了未来的AI战略。’”

通过提供一个清晰的输入-输出范例，AI就能准确地知道你想要什么，然后在新任务上复制这个模式。 这比你用很多话去描述“我想要一个包含person、company和title三个键的JSON对象”要有效得多。

第五条原则，是把复杂的任务拆解成简单的步骤。 当你有一个复杂的问题时，不要指望一个提示词就一步到位。这很容易导致AI出错或者遗漏关键信息。更稳妥的做法，是把大任务分解成一系列更小、更简单的子任务，然后一步一步引导AI完成。

比如，你想写一份市场分析报告。
一个糟糕的提示词是：“帮我写一份关于新能源汽车市场的分析报告。”

一个更好的做法是分步进行：
第一步：“列出当前新能源汽车市场主要的几个头部品牌。”
第二步：“分析一下这些品牌各自的优势和劣势，用表格形式呈现。”
第三步：“总结一下2025年新能源汽车市场的主要发展趋势，列出三到五条。”
第四步：“基于以上的分析，为一家新进入市场的公司提供三个初步的战略建议。”

通过这种方式，你对整个过程有更好的控制，每一步的结果也更准确、更可靠。

第六条原则，是使用分隔符来区分指令和上下文。当你的提示词内容比较复杂，既有指令，又有需要AI处理的文本数据时，最好用一些清晰的符号把它们隔开。 比如，你可以用三个反引号（“`）、三个井号（###）或者XML标签（）来标记不同的部分。

看这个例子：
“###指令###
请将下面的客户评论翻译成英文。

客户评论

这款吸尘器的电池续航能力很棒，而且噪音很小。

翻译###”

这样结构化的提示词，能帮助AI清楚地区分哪部分是你要它执行的命令，哪部分是它要处理的数据。 这能有效避免AI把你的指令和数据混为一谈，从而减少误解。

第七条，也是很多人容易忽略的一条，就是多尝试、多迭代。 很少有人能一次就写出完美的提示词。提示词工程本身就是一个不断试验和优化的过程。

你的工作流程应该是这样的：
1. 先从一个简单的、直接的提示词开始。
2. 看看AI的输出结果。
3. 分析结果和你的预期有什么差距。
4. 根据差距，回头修改你的提示词，比如增加更多细节、提供上下文、给出示例，或者调整角色设定。
5. 重复这个过程，直到你对结果满意为止。

比如，你发现AI的回答太啰嗦，你就在提示词里加上“请用不超过200字的篇幅回答”；如果你发现它的回答风格不对，你就给它一个更明确的角色。持续的反馈和调整，是提升提示词效果的关键。

最后，还有一个小技巧：多用正面指令，少用反面指令。 也就是说，直接告诉AI“做什么”，而不是“不要做什么”。 比如，你想让AI的回答听起来专业，你应该说“请使用正式、专业的语言”，而不是“不要用口语化的词语”。前者给了AI一个明确的目标，而后者只告诉了它要避开什么，但没有指出正确的方向。

把这些原则结合起来用，你和AI的沟通效率就会高很多。这无关技术或魔法，只关乎清晰、准确的沟通。