Make the Machine Understand 从新手到高手的指令秘籍
Prompt Engineering 实战指南
导言：为什么你的 AI 总是不懂你？
其实不是 AI 笨，是我们「交办工作」的方式不够清楚。Prompt Engineering（提示工程）就像是在用白话文写程序。 核心在于给出清晰的指令、必要的背景，并告诉 AI 该怎么排列组合这些信息。
想像一下，Prompting 就像是在写一份给「超级实习生」的工作指南。这个实习生很聪明，但如果你没说清楚，他就会乱猜。
01 — Prompting 101
基础篇 (Prompting 101)
适合场景：写作、分析文档、单次问答、数据提取。
1. 给它一个「身分」与「任务」 (Context & Role)
不要只丢一句话给 AI，你要像导演一样设置角色。
如果不说这是车祸报告，AI 可能会以为是滑雪意外。明确定义身分，AI 就不会瞎猜。
2. 提供「参考书」 (Background Data)
如果是固定不变的信息（如标准表格、法规），请放在最前面 (System Prompt)。
- 为什么？ 让 AI 专注填写内容，不用重新学习格式。就像给实习生「员工手册」。
- 小技巧： 善用 XML 标签（如
<form>内容</form>）。AI 喜欢结构化数据。
3. 下达「步骤指令」 (Step-by-Step Instructions)
不要只求结果，要规定过程。人类怎么思考，就叫 AI 照着做。
强迫 AI 把思考过程写出来 (Show its work)，准确率会大幅提升。
4. 规定「输出格式」 (Output Formatting)
告诉 AI：「请用 JSON 格式输出」或「请把结论包在 <verdict> 标签里」。
这样你可以直接拿程序去抓取结果，不用人工复制粘贴。
02 — Agent prompting
高级篇 (Prompting for Agents)
适合场景：使用工具、上网搜索、写程序、多步骤复杂任务。
1. 什么是代理人 (Agent)？
基础篇 AI 像「问答机」。代理人则像「独立员工」，在循环 (Loop) 里工作：
使用工具 → 观察结果 → 思考下一步 → 再使用工具
直到完成任务。
2. 何时该用代理人？
杀鸡焉用牛刀。适合任务复杂、路径不固定的场景。
- 适用：做市场调查（不知道要搜索几次才能找到答案）。
- 不适用：已有确切 SOP 的固定流程，或简单任务。
3. 关键心法：像代理人一样思考
问自己：「如果我是刚毕业的实习生，给我这些工具，我会不会不知所措？」
- 工具设计要清楚：名称简单准确，不要重叠。
- 给原则，不要给脚本：范例：「简单问题搜 5 次，复杂搜 10 次」或「找到答案就停止」。
4. 让它「先想再做」 (Plan & Guide Thinking)
现在的模型可以边做边想。
- 指令技巧：要求调用工具前先规划：「我要搜什么关键字？找什么来源？」
- 检查机制：拿到结果后评估：「数据可信吗？需要验证吗？」
5. 如何测试？ (Evaluation)
从小开始。手动测试几个案例，观察日志 (Logs)。
看看它调用了什么工具？有没有鬼打墙？这比只看最终答案更能优化指令。