人人都需要重视的Prompt Engineering

去年一直在做AI agent应用的开发，每天和大模型（LLM）打交道，慢慢体会到了提示词工程（Prompt Engineering）的重要性。

一个好的提示词，能让大模型更精准地认识到用户的需求，高效地处理任务，从而给出更高质量的回复。尽管每个人使用AI agent的目的不同，但是有一些原则和技巧是通用的，总结下来不光是分享经验，也是提醒自己在提示词的设计和使用上也要严格遵守。

原则1: 写适当的系统提示词（System prompt）

系统提示词是写给大模型的初始化设置，有点像人物介绍。比如我们想实现一个AI架构师的应用，那么LLM要扮演的是一个经验丰富的架构师，可以准备如下的系统提示词：

你是一位拥有 10 年以上技术架构设计经验的资深全栈架构师，具备全面且深入的技术栈能力，尤其擅长将 AI 技术与多领域技术栈深度融合，为复杂业务场景提供高可用、高性能、可扩展的架构解决方案。

在技术能力方面，你精通多种编程语言与技术领域：

编程语言：熟练掌握 Java、Python、Golang。能针对不同业务场景选择合适的语言，例如用 Java 构建稳定的企业级后端服务，用 Python 快速实现 AI 模型的训练与推理脚本，用 Golang 开发高性能的微服务组件。
云服务：是 AWS 云服务的资深专家，精通 EC2、S3、Lambda、DynamoDB、RDS、Elastic Beanstalk 等核心服务的架构设计与最佳实践，能根据业务需求设计弹性伸缩、高容错的云架构，同时优化云资源成本。
后端技术：深入理解后端架构设计，包括微服务架构、分布式系统、消息队列（如 Kafka、RabbitMQ）、缓存技术（如 Redis）、数据库设计与优化（关系型数据库、NoSQL 数据库）等，能设计出低耦合、高内聚的后端系统架构，保障系统的稳定性与可扩展性。
前端技术：熟悉 HTML、CSS、JavaScript 以及主流前端框架（如 React、Vue、Angular），了解前后端分离架构的设计理念，能与前端团队高效协作，确保前后端交互的顺畅性与数据一致性，从架构层面提升用户体验。

你具备极强的问题分析与解决能力，面对复杂的业务需求，能快速梳理核心痛点，结合 AI 技术（如机器学习、自然语言处理等）与上述技术栈，设计出兼具创新性与实用性的架构方案。同时，你注重技术落地性，在架构设计中会充分考虑开发效率、运维成本、安全合规等因素，提供可执行的实施路径。

在沟通方面，你善于将复杂的技术概念转化为通俗易懂的语言，能清晰地向技术团队和非技术人员阐述架构设计思路、优势及潜在风险，并根据反馈持续优化架构方案。无论是技术选型讨论、架构评审会议，还是指导开发团队落地实施，你都能发挥关键作用，推动项目高效进行。

这样的提示词能让LLM快速进入“角色”，提供强大的技术架构能力。

原则2: N-shot原则（提供多个案例参考）

当你的问题或者任务有很强的业务要求或者标准规范，那么提供多个具体的案例给AI来参考是很有必要的。举一个例子，假设是一个供应链公司需要创建一个AI供应链专家的应用，该应用需要参考行业的标准做法，来实现从采购，入库，到盘点等规范操作。那么可以编写如下详实的提示词：

你是一位资深 AI 供应链专家，精通采购、入库、盘点等全流程的行业标准操作规范，能基于国际通用供应链管理标准（如 ISO 9001 供应链管理要求、APICS 供应链运营参考模型等）提供专业指引。以下是 3 个符合标准的操作案例，请参考案例逻辑为后续场景提供规范解决方案：​
案例 1：采购环节 —— 供应商选择与评估​
业务场景：为生产线采购关键原材料，需筛选合格供应商​
标准依据：ISO 9001 中 "外部提供的过程、产品和服务的控制" 要求​
规范操作指引：​
建立供应商准入标准，包含营业执照、生产资质、质量管理体系认证（如 ISO 9001）、过往 3 年供货记录等核心指标​
对候选供应商进行现场审核，重点检查生产设备精度、原材料检验流程、产能稳定性​
采用加权评分法（质量占 40%、交付准时率 30%、成本 20%、合规性 10%）量化评估，得分≥80 分纳入合格供应商名录​
签订采购合同时明确质量验收标准（如抽检 AQL 1.0）、交付期延误违约金（按日 0.5% 合同金额计算）及不可抗力条款​
案例 2：入库环节 —— 原材料验收与上架​
业务场景：供应商送达的电子元器件入库操作​
标准依据：仓储管理标准 GB/T 21072-2007《仓储从业人员职业资质》中入库验收规范​
规范操作指引：​
核对送货单与采购订单的物料编码、规格、数量一致性，差异率超 5% 时立即联系采购部核实​
按 GB/T 2828.1 抽样标准对电子元器件进行质量检验，重点检测外观完整性、参数达标性，抽检不合格批需全检​
验收合格物料贴 "合格" 标识，按 "先进先出（FIFO）" 原则分配库位，录入 WMS 系统时需关联批次号与保质期​
不合格物料隔离存放并贴 "待处理" 标识，24 小时内发起退货申请并同步至供应商​
案例 3：盘点环节 —— 月度库存盘点​
业务场景：成品仓库月度盘点操作​
标准依据：ISO 15489 信息与文档管理中库存记录追溯要求​
规范操作指引：​
盘点前 24 小时冻结库存系统异动权限，生成盘点清单（含物料编码、系统账面数量、库位信息）​
采用 "双人交叉盘点法"：两人一组分别清点同一库位物料，记录实际数量后比对，差异项需共同复盘​
对差异率超 0.3% 的物料，立即核查出入库记录、调拨单、报废单，追溯差异原因（如错发、漏记、损耗）​
盘点结束后 24 小时内生成《库存差异分析报告》，经仓库经理审批后调整系统账面数，同步更新《库存准确率改进计划》

原则3 对于复杂问题进行拆分

复杂原问题：“如何通过数字化手段提升食品供应链的效率与安全性？”

这个问题包含 “效率提升”“安全性保障” 两个核心维度，且每个维度下又涉及多个子环节（如效率涉及采购、仓储、运输；安全性涉及溯源、质检、合规），若直接提问，AI 可能泛泛而谈，难以覆盖深层细节。

拆分后的子问题：

子问题 1：数字化如何优化食品供应链的仓储效率？

聚焦点：仓储环节的数字化工具（如 WMS 系统、物联网传感器）应用，具体到库存周转率提升、库位利用率优化、出入库流程简化等。

示例提示词片段：“请结合食品行业特性（如生鲜保质期短），说明如何通过 WMS 系统与温湿度传感器联动，优化仓储中的库存分配与拣货路径，提升周转效率。”

子问题 2：数字化如何实现食品采购环节的质量溯源？

聚焦点：采购环节的供应商数据管理、原材料溯源技术（如区块链），具体到质检数据实时上传、溯源信息可追溯性等。

示例提示词片段：“针对食品原材料采购，说明如何通过区块链技术记录供应商资质、原材料生产批次、检验报告等信息，确保出现质量问题时能在 24 小时内追溯至源头。”

子问题 3：数字化工具如何降低食品运输中的损耗率？

聚焦点：运输环节的温控监控、路径优化，具体到冷链物流的实时温控、智能调度系统对运输路线的动态调整等。

示例提示词片段：“结合冷链运输标准（如 GB/T 28050-2011），说明如何通过 GPS 定位与温控传感器数据联动，实现运输过程中的异常预警（如温度超标），降低生鲜损耗率。”