# Prompt Engineering 的本质：你不是在写咒语，你是在压缩上下文
> AI 系列第 12 篇。"prompt engineering"听起来像玄学，但本质是一件非常工程的事——**给定有限的 token 预算，怎么塞进最高信息密度的上下文**。这一篇讲 prompt 是什么、不是什么，并给出几个真正有效的模板与反模式。
- URL: https://tenggouwa.com/posts/prompt-engineering/
- 发布: 2026-06-02
- 标签: ai, prompt-engineering, llm, ai-series
> AI 系列第 12 篇。我们终于到了"怎么用 LLM"这一段。第一站：prompt engineering。
> 这一篇会颠覆几个常见误解。
## 0. 一个让我尴尬的事
我刚开始用 GPT-3 时，写过这种 prompt：
```
"你是一个聪明、专业、详细、清晰、负责任、有耐心、富有同理心、
经验丰富、知识渊博、敏锐、谦虚、严谨、可靠的助手。请..."
```
我以为给模型加这么多形容词能让它表现更好。
后来我发现一个事实——**这些形容词几乎对输出没影响**。模型不会因为你说"专业"就突然变得更专业。它只是把你的 prompt 当作上下文，然后预测下一个 token。
prompt engineering 不是给模型"打鸡血"。它是别的东西。这篇我们讲清楚是什么。
---
## 1. 一句话定义：prompt 是给模型的"上下文压缩包"
**LLM 没有记忆**（这里指无状态调用）。每次推理它只能看到你给的 prompt。所以：
> **prompt 的核心任务，是在有限的 token 预算内，给模型足够多的上下文来完成任务。**
这就是为什么我说 prompt engineering 是"上下文压缩"。它不是修辞，不是 magic words，不是 incantation。它是：
- **什么信息必须在 context 里？**
- **怎么排列让模型最容易抓取？**
- **怎么省 token？**
---
## 2. Prompt 不是什么（破除幻觉）
### 误解 1：加形容词让模型变强
```
❌ "请认真、详细、专业地回答。"
✅ "回答的每一步都要给出依据。"
```
形容词没用。**给具体规则**才有用。
### 误解 2：威胁/利诱有效
```
❌ "如果你回答不准确，我会很生气。"
❌ "回答好我给你 200 美元小费。"
```
研究显示：早期模型对这类语言**确实**有反应。但现代对齐过的模型基本无视。**别学网上那些 viral tweets**。
### 误解 3：长 prompt = 好 prompt
```
❌ 写一个 2000 字的 system prompt，啥都说。
```
长 prompt 有三个问题：
1. 模型注意力分散（参考第 10 篇的 lost in the middle）
2. token 成本高
3. 信息互相打架的概率上升
**简洁、聚焦、有结构**的 200 字 prompt 通常胜过 2000 字。
### 误解 4：每个模型用法一样
GPT-4o、Claude、Gemini、Llama 各家的 prompt 风格略有不同。例如：
- Claude 喜欢 XML 标签（`...`）
- GPT 喜欢 markdown 标题（`## 任务`）
- 中文模型对中文 prompt 反应更好
换模型时不要直接搬 prompt，要做轻量重写。
---
## 3. Prompt 真正在做什么：信息论的视角
一个 prompt 让模型完成任务的关键，是**减少模型的不确定性**。
```
模型先验: "用户问的可能是 100 种任务中的任意一种。"
看 prompt: "哦，是要写代码。具体是 Python，要求处理 CSV，
还要符合 PEP 8，错误处理用 try-except。"
```
每个具体描述都减少了一些不确定性。当不确定性降到足够低，模型就能"对症下药"。
### 三类有效信息
#### 信息 1：任务定义
```
"把以下英文翻译成中文。"
"分析这段代码的复杂度。"
"判断这是垃圾邮件吗？"
```
任务越具体，模型越省力。"翻译" 模糊；"逐句翻译，保留原文标点" 具体。
#### 信息 2：上下文 / 角色
```
"你是一个 Python 后端工程师，了解 FastAPI 和 SQLAlchemy。"
```
这不是"打鸡血"，是**激活相关知识**。模型训练数据里有大量"Python 工程师写的代码"，这个角色描述让它的输出风格偏向那些数据。
#### 信息 3：示例（few-shot）
```
"按这个格式：
输入: '我今天很开心'
输出: { sentiment: 'positive', confidence: 0.9 }
输入: '今天真倒霉'
输出: { sentiment: 'negative', confidence: 0.85 }
输入: '今天天气不错' →"
```
few-shot 是 prompt engineering 最强的武器之一。它让模型直接从例子里学格式 + 风格 + 边界情况。
### 信息论的 takeaway
> **写好 prompt = 在最少 token 内传递最多任务相关信息。**
---
## 4. 几个真正有效的模板
### 模板 1：分块式 prompt
```
# 任务
[一句话描述任务]
# 上下文
[必要的背景信息]
# 输入
[实际的输入数据]
# 输出格式
[期望的输出结构，最好带例子]
# 约束
[必须满足的规则]
```
这个模板的精髓是 **结构化**。模型对 markdown / XML 标签敏感，明确的分块比一团 prose 好。
### 模板 2：role + task + format
```
你是 [角色]。
你的任务是 [任务]。
请用 [格式] 输出。
[输入]
```
适合简单任务。够用。
### 模板 3：CoT 引导
```
[问题]
请先：
1. 列出涉及的概念
2. 分析每个概念之间的关系
3. 推导出结论
4. 给出最终答案
最终答案放在 标签里。
```
适合复杂推理。把"思考步骤"显式写出来。
### 模板 4：few-shot + 思维链
```
Q: [简单例子的问题]
A: [示范推理]
最终答案: [示范答案]
Q: [简单例子 2]
A: [示范推理 2]
最终答案: [示范答案 2]
Q: [真实问题]
A:
```
模型会模仿例子的推理风格。比单纯 zero-shot CoT 强很多。
---
## 5. 一些"被低估"的小技巧
### 技巧 1：指定"如果不知道"
```
"如果你不确定，请回答 '不知道' 而不是猜测。"
```
显著降低幻觉率。
### 技巧 2：要求"先想再说"
```
"请先用 ... 标签思考，再给最终答案。"
```
不是 reasoning model 也能用，效果接近 CoT。
### 技巧 3：让模型自我审查
```
"先生成答案，然后检查这个答案是否：
1. 符合要求
2. 内部自洽
3. 有支撑证据
如有问题，请修正。"
```
适合关键任务。两轮自洽明显比单轮稳。
### 技巧 4：负面示例
```
"不要这样写: ❌ 模糊的描述 / 无具体步骤 / 没有代码"
"要这样写: ✅ 明确步骤 + 可运行代码"
```
明确说"不要"比只说"要"更有效。
### 技巧 5：把约束放在最后
```
[长长的任务描述]
...
重要：必须用 JSON 输出，不要加任何 markdown 标记。
```
研究显示模型对 **最后看到的指令** 更敏感（recency bias）。关键约束放末尾。
---
## 6. 反模式（看到就要警觉）
### 反模式 1：互相矛盾的指令
```
"请详细回答" + "回答要简短" → 模型懵逼
```
### 反模式 2：模糊代词
```
"分析它的性能" ← "它"指什么？
"修复这个 bug" ← 哪个 bug？
```
### 反模式 3：太多 system prompt
```
system: 2000 字的角色 + 规则 + 例子
user: "你好"
```
system prompt 过载后模型容易忘 user 问的是啥。
### 反模式 4：示例和任务不一致
```
few-shot 都是分类任务，最后突然问个生成任务 → 模型混乱
```
### 反模式 5：用 prompt 强行做 LLM 不擅长的事
```
"请精确计算 1234567 × 7654321 的结果。"
```
LLM 算术天生不准。这种任务应该让它**调用计算器工具**（下一篇 RAG，下下篇 tool use 会讲）。
---
## 7. 你写 prompt 的实际流程应该是什么样
```
1. 一句话描述任务，跑一次。
2. 观察输出，记下错误模式（格式错？事实错？风格不对？）
3. 针对错误模式加一句具体指令。
4. 再跑。
5. 重复 2-4 直到稳定。
```
不要一上来就写 2000 字。从 50 字开始，按需加。
**Anthropic 内部有句话**：
> "Prompt engineering 是迭代过程，不是设计过程。"
---
## 8. 给你的小作业
1. **挑一个你日常用 LLM 做的任务，把当前 prompt 写下来。然后用今天的模板重写。对比两版输出。**
2. **写一个 prompt 让 GPT 把任意自然语言描述转成 SQL。试试 zero-shot vs few-shot 哪个更好。**
3. **如果一个 prompt 在 GPT-4 上 work，在 Claude 上不 work，你会怎么排查？给三个步骤。**
> **下一篇钩子**：prompt engineering 的本质是 "压缩上下文"。
> 但有些上下文太大，没法压缩——例如你公司 10 万份文档。
> 这时你需要给模型外挂一个"知识硬盘"——这就是 RAG。
> 下一篇我们讲 RAG 的完整流水线，并打破"向量搜索一招吃天下"这个常见错觉。