大模型应用开发

Prompt · 5 大设计原则

四要素是「结构」，5 大原则是「内容」 —— 让 Prompt 真正生效的底层准则。

原则 1：明确性优先

模型不会脑补你脑子里的隐含条件。所有「显然如此」都得显式写出来。

# ❌ 模糊
      帮我写个登录功能
      
      # ✅ 明确
      帮我用 FastAPI 写一个 /login 接口，要求：
      - 请求体: {"email": str, "password": str}
      - 返回: {"access_token": str, "token_type": "bearer"}
      - 验证逻辑: 查 PostgreSQL 的 users 表，密码用 bcrypt 比对
      - 失败统一返回 401 + {"detail": "Invalid credentials"}

明确性的本质：消除二义性。任何允许多种解读的指令，都会得到「模型最省事」的那种解读。

原则 2：上下文与语境

补足模型回答所需的背景信息 —— 这是规避幻觉最有效的手段。

# ❌ 无上下文（模型只能瞎猜）
      这个错误怎么解决？
      TypeError: 'NoneType' object is not subscriptable
      
      # ✅ 有上下文
      我在做一个 RAG 系统，技术栈：FastAPI + langchain 0.3 + Qdrant。
      执行 retriever.invoke(query) 时报：
      TypeError: 'NoneType' object is not subscriptable
      
      完整堆栈：
      [贴堆栈]
      
      我的查询是中文，已经过 BGE-zh embedding。
      请帮我定位问题。

经验：贴堆栈 / 贴报错 / 贴版本 三件套，能解决 80% 的「这个为什么不工作」类问题。

原则 3：问题可分解

复杂任务直接抛给模型 → 输出混乱。先人工拆解，再让模型做每一步。

# ❌ 一锅炖
      帮我写一个数据分析报告，要求 SWOT + 趋势预测 + 行动建议
      
      # ✅ 分步骤
      请按以下顺序输出（每节单独一段）：
      
      【1. 数据现状】用 3 个核心指标概括当前情况
      【2. SWOT 分析】4 象限分析，每象限 3 条
      【3. 趋势预测】基于过去 6 个月数据线性外推，给出 3 个月预测
      【4. 行动建议】给出 5 条可执行建议，按优先级排序

分解的好处：

• 每步任务复杂度低，模型不容易跑偏
• 输出结构清晰，可单步评测
• 哪一步崩了一目了然

原则 4：结构化 vs 自然语言

不是所有 prompt 都要写得像 SQL。看任务类型选：

# 创意类（自然语言反而效果好）
      我想做一个面向程序员的咖啡品牌，你帮我头脑风暴 10 个有趣的名字
      和对应的 slogan，要有「调试」、「编译」、「死循环」这种梗
      
      # 标准化类（必须结构化）
      角色: 资深安全工程师
      任务: 检查下面代码的 OWASP Top 10 漏洞
      输出: JSON 数组，每项 {type, severity, line, fix}
      代码:
      {code_here}

原则 5：限制条件显式声明

模型默认会「填空」 —— 没说不要做什么时，它会自己加内容。

# ❌ 没说约束（模型会自由发挥）
      帮我写产品介绍
      
      # ✅ 显式约束
      帮我写产品介绍，要求：
      - 不超过 200 字
      - 不要用任何「赋能 / 颠覆 / 闭环」这类词
      - 不要列举竞品
      - 只描述产品本身，不写公司背景
      - 用第二人称（「你」）写给目标用户看

5 大原则的优先级

按踩坑频率排序，前面的优先做：

明确性 → 上下文 → 显式约束 → 可分解 → 结构化 vs 自然语言

新手最容易忘的是明确性和显式约束 —— 因为你的脑子里其实是有答案的，但忘了告诉模型。

下一节：Zero-shot vs Few-shot —— 该不该给示例。