提示工程指南：聊天场景下的 提示词技巧 2026 版
提示工程指南。聊天场景下的提示词技巧。角色设定、上下文、分步引导、对话管理。
- AI
- MIT
- 更新于 2026-05-18
什么是提示工程？ #
提示工程是设计、优化 AI 模型输入的技术。通过结构化、明确的提示词提升模型输出质量。
聊天场景提示词结构 #
基本模板 #
角色设定
任务指令
约束条件
输出格式
示例
示例 #
你是一位资深 Python 程序员，擅长解释代码。
请解释以下函数的作用：
代码：
def fibonacci(n):
if n <= 1:
return n
return fibonacci(n-1) + fibonacci(n-2)
请用中文答复，保持简洁。输出格式：
1. 功能描述
2. 时间复杂度
角色设定技巧 #
明确身份 #
你是一位专门从事自然语言处理研究的 AI 助手。
你的知识库截止于 2024 年 12 月。
请避免提供已过时的技术信息。
行为约束 #
- 保持回答简洁，控制在 200 字内
- 给出具体代码示例
- 用 Markdown 公式格式化
- 不添加额外署名
对话管理 #
上下文记忆 #
# 保留最近 10 条消息
messages = history[-10:]
response = llm.predict(messages)
角色位移 #
# 初始
system = "你是一个可靠的助手"
# 过渡
messages.append({"role": "assistant", "content": "我理解了，接下来我会..."})
# 用户新请求
messages.append({"role": "user", "content": "新的任务请求"})
提示词技巧 #
分步引导 #
请按以下步骤回答：
1. 先概述这个概念
2. 然后列举 3 个常见应用场景
3. 最后给出参考资料链接
输出格式化 #
表格格式 #
请用表格形式输出：
| 项目 | 说明 |
|------|------|
| ... | ... |
列表格式 #
请用项目符号列出：
- 项目 1：描述
- 项目 2：描述
高级技巧 #
零样本示例 #
将以下文本翻译成英文：
输入：人工智能正在改变世界
输出：Artificial Intelligence is changing the world.
输入：自然语言处理是 AI 的重要分支
输出：Natural Language Processing is an important branch of AI.
链式思考 #
回答问题前，请按照以下步骤思考：
1. 理解问题核心
2. 分析关键要素
3. 推导出结论
4. 提供举例
常见问题解答 #
Q: 如何提高问题的可寻址性？ #
答：把大问题拆解成子问题，逐步引导。
Q: 提示词过长会怎样？ #
答：会消耗更多 token，成本上升。要突出核心。
Q: 如何处理模糊问题？ #
答：用开放式问题确认需求，再给出答案。
实用模板库 #
编程解释 #
你是一个经验丰富的程序员。请解释：
1. 这段代码的功能
2. 关键变量的含义
3. 可能的改进建议
代码：{代码片段}
文档写作 #
请帮我写一篇关于 {主题} 的技术博客：
1. 引言（200字）
2. 主体（3个要点）
3. 结论（100字）
决策分析 #
请分析 {选项A} 与 {选项B} 的优劣：
1. 成本对比
2. 适用场景
3. 风险评估
4. 推荐建议
性能指标 #
| 指标 | 优化方法 |
|---|---|
| 响应准确率 | 清晰约束 + 示例 |
| 输出一致性 | 固定角色 + 格式化 |
| Token 效率 | 精炼指令 + 分段 |
| 多轮连续性 | 保留上下文 + 角色保持 |
总结 #
提示工程 = 语言 + 结构 + 计划。聊天场景用「角色 + 步骤 + 格式」提升体验。
参考：prompting.guide、OpenAI 文档 更新：2026-05-18
💬 留言讨论