主题
Prompt Engineering
Prompt 是与大模型对话的语言。本章覆盖从基础原则到高级模式的完整 Prompt 工程方法论。
本章内容
- 基础原则 — 清晰性、结构化、角色设定、约束注入
- 少样本学习（Few-shot） — 示例驱动学习与示例选择策略
- 思维链 CoT / ToT / GoT — 推理链、推理树、推理图
- 自一致性与自我反思 — 多路径采样与自我修正
- ReAct 模式 — 推理与行动交替的核心范式
- 系统提示词设计 — 角色定义、行为约束、示例注入
- 提示词模板工程化 — Jinja、LangChain PromptTemplate、版本管理
- 提示词注入攻防 — 注入攻击、越狱与防御策略
- 提示词压缩 — LLMLingua、Token 节流技巧
高频面试题
基础概念与结构
- 什么是 Prompt Engineering 提示词工程？它的核心价值是什么？ — 从任务表达、上下文组织和输出约束理解提示词工程的工程价值
- Prompt 提示词的基本结构包括哪些部分？ — 拆解角色、任务、上下文、约束、示例和输出格式
- Token 是什么？如何计算和控制 Token 数量？ — 把 token 和成本、延迟、上下文预算、截断风险联系起来
- 什么是上下文窗口 Context Window？它有什么限制？ — 理解窗口容量、位置偏置、噪声和长上下文取舍
- 如何让 AI 输出指定格式的内容，比如 JSON、表格、Markdown？ — 从提示约束、schema、解析校验和重试兜底讲结构化输出
- 什么是角色扮演 Role Playing？如何在提示词中使用？ — 区分角色设定、任务边界、风格控制和多角色协作
- 提示词中的分隔符有什么作用？如何使用？ — 用边界标记降低指令、数据和示例混淆
- 如何在提示词中设置约束条件和输出要求？ — 把业务规则、输出契约和拒答条件写成可验证约束
- 什么是系统提示词 System Prompt？它和用户提示词有什么区别？ — 说明指令层级、稳定策略和用户意图之间的边界
示例学习与推理增强
- 什么是 Few-shot Learning？Zero-shot、One-shot、Few-shot 有什么区别？ — 比较无示例、单示例和少样本示例对输出分布的影响
- 如何选择和设计 Few-shot 示例以提升效果？ — 讲清示例覆盖、反例、排序、格式一致性和 token 成本
- 什么是 CoT 思维链？它的工作原理是什么？ — 解释显式中间步骤、推理预算和适用边界
- 零样本 CoT 和少样本 CoT 有什么区别？各自适合什么场景？ — 对比一句触发和示例驱动的稳定性、成本与风险
- 如何让 AI 一步步思考来提升推理能力？ — 从分步拆解、检查点和最终答案分离设计推理提示
- 什么是自洽性？如何应用？ — 用多路径采样、投票和验证提升复杂推理可靠性
- 什么是思维树 Tree of Thoughts？它相比 CoT 有什么优势？ — 讲清线性推理和搜索式推理的差异
- 什么是 CoT 思维链和 ReAct 模式？它们如何提高 AI 推理能力？ — 区分纯推理链和推理行动循环
工程化优化与安全
- 如何设计提示词来减少 AI 的幻觉问题？ — 用证据边界、不知道机制、引用校验和后处理降低幻觉
- temperature 和 top_p 参数有什么作用？如何选择合适的值？ — 解释采样随机性和任务类型之间的调参关系
- 什么是提示词模板？如何设计可复用的提示词模板？ — 从变量、版本、默认值、校验和评估集设计模板
- 如何使用提示词实现任务分解？ — 把复杂目标拆成计划、子任务、检查点和最终合成
- 什么是负面提示词？在什么场景下使用？ — 说明禁止项、白名单约束和反例之间的关系
- 如何优化过长的提示词？提示词压缩有哪些技巧？ — 从信息分层、摘要、检索和模板瘦身控制上下文
- 什么是提示词链接？如何实现？ — 用多段 Prompt 串联完成抽取、推理、生成和校验
- 如何为不同领域设计专用提示词？比如编程、创作、数据分析 — 按领域输入、约束、质量标准和验证方式定制 Prompt
- 如何让 AI 进行自我反思和迭代优化？ — 设计生成、批评、修复和验收闭环
- 如何系统地评估和优化提示词的效果？ — 建立样本集、指标、基线、回归和线上观测
- 提示词注入攻击是什么？如何防范？ — 从指令隔离、权限边界、工具白名单和输出校验防御注入
- 在实际项目中如何进行提示词的 AB 测试和迭代？ — 讲清实验设计、护栏指标、灰度和版本管理
- 如何处理提示词优化中的常见问题？ — 针对输出不准确、不完整、格式错误建立排查路径
- 如何结合 RAG 和 Fine-tuning 来提升提示词效果？ — 区分提示词、检索增强和微调各自解决的问题
- 有哪些设计和优化 Prompt 的技巧？请举例说明 — 汇总结构化、示例、约束、评估和迭代技巧
- 提示词优化考虑哪些维度？提示词模板有哪些字段？ — 从质量、成本、延迟、安全和可维护性审视模板字段
前端代码生成 Prompt
- 要让 AI 生成一个带表单验证的 Vue3 组件，请写出包含关键要素的 Prompt — 设计包含框架版本、字段规则、错误提示和交互状态的 Vue3 代码生成 Prompt
- 如何为 React 表单组件设计包含上下文约束的 Prompt？ — 约束 React 表单的数据验证、错误提示、状态管理和代码风格
学习路径
- 从 基础原则 入手，建立"清晰、具体、可验证"的提示词写作直觉
- 掌握 思维链 / ReAct 这两个最重要的推理范式
- 进入生产环境必读 系统提示词设计 与 模板工程化
- 面向安全敏感场景必读 注入攻防