Prompt 技术库

15 个核心 Prompt 技术，覆盖基础提示、推理增强、行为控制、架构设计和质量保障。

零样本提示是最基础的 Prompt 技术，直接向模型提出任务要求，不提供任何示例。模型依靠预训练知识理解任务并生成回答。适用于简单、明确的任务，是所有 Prompt 技术的起点。

入门基础技术

通过在 Prompt 中提供少量输入-输出示例，引导模型理解任务模式和期望的输出格式。通常 2-5 个示例即可显著提升任务表现，是提升输出质量最直接有效的方法之一。

入门基础技术

思维链提示通过要求模型展示推理过程来提升复杂任务的准确性。模型不再直接给出答案，而是逐步分析问题，每一步的推理为下一步提供基础。这种方法在数学、逻辑和多步骤推理任务中效果显著。

中级推理增强

思维树是思维链的扩展，允许模型在推理过程中探索多条路径，评估每条路径的可行性，并选择最优解。类似于人类解决复杂问题时的发散思维和回溯策略，适用于需要创造性解决方案或存在多种可能性的问题。

高级推理增强

System Prompt 是定义 AI 助手行为、角色和约束的核心配置。良好的 System Prompt 设计能确保模型在整个对话中保持一致的行为模式，是构建 AI 应用的基础架构决策。

中级架构设计

通过赋予模型特定角色身份，引导其以该角色的专业知识、语气和视角来回答问题。角色扮演能激活模型在预训练中学到的特定领域知识，提升回答的专业性和针对性。

入门行为控制

通过明确指定输出的结构和格式，确保模型返回可预测、可解析的结果。这对于需要程序化处理模型输出的应用场景至关重要，包括 JSON、XML、Markdown 表格等格式。

入门行为控制

温度（Temperature）参数控制模型输出的随机性和创造性。低温度（0-0.3）产生更确定、一致的输出，高温度（0.7-1.0）产生更多样、创造性的输出。理解温度参数对于不同场景的最优配置至关重要。

中级参数调优

上下文窗口是模型单次能处理的最大 Token 数量。有效管理上下文窗口意味着在有限空间内最大化信息密度，合理安排指令、示例和输入内容的优先级，避免关键信息被截断或稀释。

高级架构设计

工具调用提示是指导模型正确使用外部工具（函数调用、API、数据库查询等）的技术。需要在 Prompt 中清晰定义可用工具、参数格式和调用时机，使模型能够判断何时需要调用工具以及如何构造正确的调用参数。

高级架构设计

多轮对话策略关注如何在连续对话中维持上下文一致性、管理对话状态和引导对话方向。包括对话历史的筛选、状态追踪、话题切换处理等技术，是构建对话式 AI 应用的核心能力。

中级架构设计

将复杂任务分解为多个子任务，每个子任务使用独立的 Prompt，前一个 Prompt 的输出作为后一个的输入。这种流水线式的处理方式能提升每个步骤的质量，便于调试和优化，是构建复杂 AI 工作流的核心模式。

高级架构设计

自一致性方法通过多次采样生成多个推理路径，然后通过投票或聚合选择最一致的答案。这种方法利用了「正确答案更容易被多次独立推导出」的原理，显著提升推理任务的准确性。

高级推理增强

RAG 通过在生成前检索相关文档，将外部知识注入到 Prompt 中，使模型能够基于最新、准确的信息生成回答。这解决了模型知识截止日期和幻觉问题，是企业级 AI 应用的标准架构。

高级架构设计

Prompt 评估是系统化测试和衡量 Prompt 效果的方法论。包括构建评估数据集、定义评估指标、自动化评估流程和持续优化迭代。这是将 Prompt 工程从「试错」提升为「工程化」的关键步骤。

高级质量保障