---

0. 使用说明（如何阅读与落地）

• 先用后优：从第 2 章“黄金六件套”开始按模板写，再视需要深入其它章节。
• 少即是多：每次只引入必要约束；复杂度上升时分解为多个子任务。
• 评测闭环：准备一组黄金样本，A/B 比较，再微调 Prompt。
• 可参数化：将场景变量化（{{language}}/{{tone}}/{{schema}}）。

---

1. 基础原理：模型如何“听话”

1. 指令层级（优先级从高到低）

• System 指令（系统角色） > Developer 指令 > User 指令 > 对话历史
• 冲突优先遵循更高层指令；避免在不同层重复/矛盾。

2. 上下文与注意力

• 模型按概率预测下一个 token；近因效应明显，关键指令建议放在开头/结尾重复。
• 上下文窗口有限；长文应摘要/抽取后再投喂。

3. 随机性与确定性

• temperature 越低越稳定；top_p 调节多样性；生产建议固定随机种子/高置信。

4. 安全与保密

• 不要诱导模型泄露隐私或“内部机密”。
• 不要要求模型展示其隐藏的推理链；用“给出简明理由/要点”替代。

---

2. Prompt 结构化写法（黄金六件套）

推荐骨架：角色（Role）— 目标（Goal）— 输入（Input）— 约束（Constraints）— 格式（Output Format）— 质量（Quality Bar）。

通用模板

[角色]
你是一名 {{role}} ，负责 {{goal}} 。

[任务]
请基于【输入】完成任务，满足所有约束与输出格式。

【输入】
{{input}}

【约束】
- 领域：{{domain}}
- 风格：{{tone}}（例如：专业/简洁/友好/技术）
- 语言：{{language}}
- 禁止：杜撰事实；输出与格式不一致；泄露隐私

【输出格式】
- 使用 {{format}} （如：JSON/Markdown 表格/要点列表）
- 严格遵循：{{schema_or_example}}

【质量标准】
- 正确性：与事实一致；引用输入证据
- 完整性：覆盖所有要点；无遗漏
- 可读性：结构清晰；短句；标题分级

小技巧

• 把格式示例放进 Prompt（few-shot），模型更“对齐”。
• 用 反例 告诉模型“不要这样做”。
• 重复关键约束：开头/结尾各一次。

---

3. 常用提示模式（Patterns）

3.1 分解-求解（Decompose → Solve）

适合复杂任务，先产出计划，再逐步执行。

任务：在给定主题上写教程。
步骤：
1) 生成大纲（不少于 8 节）。
2) 审核大纲：指出薄弱处并改进。
3) 按大纲逐节输出。
要求：每步单独输出；上一步得到“通过”后再进入下一步。

3.2 角色扮演（Role Prompting）

你是资深 {{domain}} 顾问，目标是 {{goal}} 。
优先级：事实>逻辑>风格。遇到不确定请提出需补充的最小关键信息。

3.3 Few-shot 示例对齐

【示例】
输入：产品 A 特点：轻便、续航长；目标用户：学生。
输出：
- 卖点1：全天续航，图书馆一整天不插电
- 卖点2：轻至 900g，背包无负担

【待处理】
输入：{{your_product}}
输出：仿照示例风格，列出 3-5 个卖点。

3.4 约束满足（Constraint Satisfaction）

请在满足所有约束后给出方案：
- 预算 ≤ {{budget}}
- 完成时间 ≤ {{days}} 天
- 风格：{{tone}}
若无法同时满足，请列出权衡表并给出最优解。

3.5 ReAct（思考-行动-观察）（适用于有工具时）

当你需要外部信息或计算时：
- 思考：列出你需要的信息清单（不展示推理细节）。
- 行动：选用一个工具并给出调用参数。
- 观察：读取工具返回并更新计划。
最终仅输出答案与关键依据。

3.6 风格迁移（Style Transfer）

将下文改写为「通俗+有例子+不说教」风格，保留事实：
{{input}}

3.7 反幻觉（Hallucination Guard）

如果输入无法支撑结论，必须：
1) 明确指出不足；2) 提供需要的补充信息清单；3) 给出可验证的部分答案；4) 标注不确定性。

3.8 自校验（Self-Check）

先给出答案，再根据如下清单自查并修正：
- 是否覆盖所有需求？
- 是否违反约束？
- 是否存在逻辑矛盾/事实错误？

---

4. 结构化输出与数据可靠性

4.1 JSON Schema 输出

Schema 提示

仅输出 JSON，不要任何多余文本。根据 Schema 填充：
{
  "title": "{{title}}",
  "type": "object",
  "properties": {
    "summary": {"type":"string"},
    "tags": {"type":"array", "items":{"type":"string"}},
    "items": {"type":"array", "items":{
      "type":"object",
      "properties":{
        "name":{"type":"string"},
        "score":{"type":"number","minimum":0,"maximum":1}
      },
      "required":["name","score"]
    }}
  },
  "required":["summary","items"]
}

校验建议

• 要求 禁止 尾随逗号、NaN/Infinity、注释。
• 给出示例 JSON，提升成功率。

4.2 Markdown 表格

请以 Markdown 表格输出，列：要点｜证据来源｜置信度(0-1)。

4.3 正则/EBNF 约束

• 用简单 正则 限制格式：如 ^#[^\n]+\n 开头必须是一级标题。
• 给出 EBNF/BNF 描述小型 DSL 的语法，模型更稳。

4.4 “无废话”模式

仅输出有效载荷：
- 若为 JSON：只返回 JSON。
- 若为空结果：返回 `[]`。
- 不要解释。

---

5. 工具/函数调用与代理（Tool/Function/Agent）

5.1 函数调用提示骨架

当且仅当需要 {{function_name}} 时再调用。
函数签名：{{json_schema}}
- 若参数不全，先向用户询问最小必需字段。
- 成功后，用返回值继续任务；最终产出用户可读答案。

5.2 多工具选择器

可用工具：
1) web_search(q) — 获取最新网页
2) calculator(expr) — 计算
选择策略：优先选择能直接满足信息缺口的最少工具。
输出：说明所选工具及关键依据；若无需工具，直接回答。

5.3 代理（Agent）回路最小化

• 限制最大步数（如 ≤3 步）。
• 每步结束给出继续/终止判断标准。

---

6. RAG（检索增强生成）提示范式

6.1 检索指令

你将从【知识库片段】中回答，只能依据片段内容；不足处请显式标注“资料不足”。
【知识库片段】
---
{{chunks}}
---
任务：回答用户问题并给出出处编号。
输出格式：要点列表 + 引用 [#片段编号]。

6.2 去幻觉与引用

• 明确“不得使用外部常识补全”。
• 要求逐条对齐到片段并标注 [#id]。

6.3 检索提示优化

• 生成多路查询（子查询）再合并。
• 对查询进行改写：同义词、上下位词、时间范围。

---

7. 多轮对话与状态管理

• 状态总结槽位（Memory Slots）：用户偏好/目标/限制/历史决策。
• 回顾提示：每 N 轮做一次要点摘要，减少漂移。
• 纠错协议：用户指出错误时，先复述问题→致歉→修正→给出自检清单。

状态摘要模板

【会话摘要-仅供后续使用，不向用户展示】
- 目标：...
- 关键约束：...
- 决策：...
- 未决问题：...

---

8. 多模态提示（文字×图片×表格）

• 明确图像中的关注区域（如：左上角图表、表格第 2 列）。
• 指定任务类型：描述/回答/定位/比较/计数/OCR/推理。
• 输出格式依然结构化（列表/表格/JSON）。

示例

请阅读附图的折线图，完成：
1) 描述 3 个关键拐点及可能原因（不杜撰）。
2) 以 Markdown 表格输出季度-数值-结论。
不确定处标注“? + 需要的额外信息”。

---

9. 评测与迭代（Prompt QA/AB/Test Harness）

9.1 黄金样本集（Goldens）

• 收集 30~100 个代表性输入 + 期望输出（或评分准则）。
• 覆盖边界与异常：空输入、噪声、超长、矛盾。

9.2 评分方式

• 规则评分：正则/JSON Schema/关键词覆盖率。
• 人工评分：准确性、完整性、可读性、风格一致。
• 模型自评（辅助）：让模型按 rubric 打分，但最终以人工为准。

自评 Rubric 模板

请对上一个回答按 1-5 分打分并解释：
- 准确性
- 完整性
- 结构与格式
- 约束遵循
- 可操作性
若不足，给出 3 条可执行改进。

9.3 A/B 与回归

• 固定环境（模型版本、温度、系统指令）。
• 变更一个变量（Prompt 版本/顺序/示例数量）。
• 记录指标：通过率/解析成功率/人工分/时延。

---

10. 安全、合规与拒绝策略

• 不引导违法、危险、隐私泄露、歧视内容。
• 对高风险话题使用拒绝+替代：

抱歉，我不能协助 {{高风险请求原因}} 。
可行替代：{{更安全的学习/通用方法/科普}}

• 避免要求“展示内部推理链”；改用“给出关键依据/结论要点”。
• 对不确定/可能过时的信息，标注日期或提示需要核验。

---

11. 领域模板库（可复制）

11.1 摘要/笔记

任务：将下文摘要为 5-7 条要点 + 关键引用（原句）。
约束：不杜撰；每条 ≤25 字；保留术语；给出主题标签 3-5 个。
输入：{{text}}
输出：Markdown 列表 + 标签。

11.2 信息抽取（实体/三元组/键值）

仅输出 JSON。抽取字段：
- company(string)
- date(YYYY-MM-DD)
- event(string)
- amount(number, optional)
对缺失字段填 null，不编造。
文本：{{text}}

11.3 分类/打标

将文本归入以下类别之一：{{labels}}。
输出 JSON：{"label":..., "confidence":0-1, "rationale":"不超过20字"}

11.4 生成（文案/邮件/脚本）

角色：{{brand}} 文案。
受众：{{audience}}
目标：{{goal}}
风格：{{tone}}
输出：标题 3 个 + 正文（100-150 字）+ CTA 2 个。

11.5 翻译与本地化

将下文译为 {{language}}，保持术语一致；
遇到不可译专有名词保留原文并加注释；
输出为对照表：原句｜译文｜术语备注。

11.6 代码生成/改写

目标：生成可运行的 {{language}} 代码。
输入：需求说明与 I/O 示例。
约束：提供 README 级注释；边界条件；时间/空间复杂度说明。

11.7 调试/解释代码

阅读下列代码，完成：
1) 识别 bug 及复现步骤；2) 修复并给出差异；3) 单元测试 3 个。

11.8 SQL 生成

已知表结构：{{schema}}
问题：{{question}}
输出：
1) SQL；2) 风险点与假设；3) 若无法确定，给出需要的补充字段。

11.9 正则/解析器

请为下列文本模式生成正则，并解释每个分组的作用：
{{examples}}

11.10 市场与产品调研

任务：汇总 {{industry}} 的 5 个主要需求与 3 个主要痛点。
输出：Markdown 表格（用户细分｜需求｜痛点｜证据/来源待验证）。

11.11 简历与面试

输入：职位 JD + 简历要点。
输出：
- 匹配度矩阵（要求→我的经历）
- 3 个针对性 STAR 故事
- 可能提问与要点回答

---

12. Debug 清单与 Anti-Patterns

Debug 清单

Anti-Patterns

• 过度空泛：只有“写一篇 XXX”，无约束。
• 一次性塞入过多任务，且无步骤化执行。
• 要求“展示全部思维链”；应改为“给出简明推理要点”。
• 结构化输出未给 Schema，导致解析失败。

---

13. 参数与推理设置速查

• temperature：0.0–0.3 稳定；0.7+ 多样化创意。
• top_p：采样概率质量；与 temperature 二者择一微调。
• frequency/presence_penalty：减少重复、鼓励新话题。
• max_tokens：控制响应长度；防截断。
• 系统指令：放通用规则、禁止事项、输出风格与格式。

---

14. 附录：可复用片段与变量化模板

14.1 变量占位

{{language}}｜{{tone}}｜{{audience}}｜{{schema}}｜{{deadline}}｜{{budget}}

14.2 格式强约束提示片段

严格遵循以下要求：
- 仅输出 {{format}}
- 若无结果输出 {{empty_value}}
- 不要解释；不要多余文本；不要代码块围栏

14.3 纠错与改进片段

请基于以下清单改写上个回答，并标注修改点：
1) 事实纠正；2) 结构清晰；3) 语言简洁；4) 补齐遗漏。

14.4 引用与证据片段

对每条结论给出对应证据（原文摘录或编号），无法提供则标注“无证据”。

---

快速复用清单（Cheat Sheet）

• 骨架：角色/目标/输入/约束/格式/质量
• 模式：分解→求解｜Few-shot｜自校验｜反幻觉｜风格迁移
• 结构化：JSON Schema/表格/正则约束/无废话
• RAG：仅用片段→引用编号→多路查询
• 评测：黄金样本→Rubric 自评→A/B 回归
• 安全：拒绝+替代；不要求内部推理链

祝使用顺利！若需要，我可以按你的行业/产品再定制一套模板库与评测用例。