虫鱼的AI万花筒Prompt 工程速成
Few-shot、CoT、ReAct——几个真正有用的提示词模式，把日常模型的回答质量拉高一档。
提示词不是咒语
"Prompt engineering" 这个词常被误解成一种玄学，好像换几个关键词模型就会"觉醒"。更准确的理解是：模型对输入的措辞、顺序、结构很敏感，不同的写法会让它从不同的概率分布里采样。提示词工程的本质，是把"我想要什么"用模型最不容易误解的方式写出来。它不创造新能力，但它能让已有能力稳定发挥。
三个最实用的模式
零样本 / 少样本：直接给指令（零样本），或者先给 2 到 5 个"输入-输出"示例（少样本），让模型照葫芦画瓢。少样本对格式要求严格的场景特别有效。思维链（CoT）：在提示词里加一句"让我们一步一步想"，或者给出带推理过程的示例，能显著提高数学、逻辑、规划类任务的表现。ReAct：让模型按"思考-行动-观察"循环输出，配合工具调用，是智能体（Agent）的常见骨架。
常见反模式
第一是"指令互相矛盾"——既说"简洁"，又说"详细解释"。模型会倾向于满足后者，结果是冗长且不简洁。第二是"塞太多任务"——一次让模型同时做翻译、总结、评分、分类，它会把任务混合在一起输出，质量都不高。拆成多次调用更稳。第三是"假设模型知道上下文"——专业领域缩写、内部项目代号、你和同事的梗，模型不会自动懂，要么解释，要么把上下文显式给出。
把它当成给新同事的交接文档
好提示词的检验标准很简单：把这份提示词交给一个聪明但完全不了解你项目的新人，他能不能直接按你期望的方式工作？如果不能，就补上他缺失的信息。背景、目标、约束、输出格式、参考示例——五件事说清楚，结果往往令人惊喜。提示词不需要长，但需要具体；不需要"魔法词汇"，但需要结构和上下文。