面试题 · 模型微调
在大模型应用中，你是如何设计和优化Prompt的？请说明构建原则、迭代方法及实际效果。
这是 Prompt 实践经历题。场景、公司、基线、样本数、准确率、幻觉率、token 和延迟都必须来自候选人的真实实验。题库不提供可直接背诵的“优化成绩”。
任务是【真实任务】，模型版本【】，基线 Prompt【】，评测集【来源/规模/切分】，主要错误【】。我负责【】；第一个改动【】，第二个改动【】，各自消融结果【真实数据】。最终指标【】从【真实基线】到【真实结果】，同时【延迟/token/成本】变化【】，观察窗口【】。
按学习路线查看教程、项目和面试题。
能否提供 Prompt 版本 diff、固定测试集、失败样本、实验配置、统计波动和回滚记录？如果同时更换模型、数据和 Prompt，就不能把结果全部归因于 Prompt。
准备解释示例如何选择、上下文污染如何防止、结构化输出是否真正受约束、评测器偏差、提示注入、长上下文成本，以及何时应改用微调或 RAG。
场景切入
假设你在做电商客服的意图识别，用户问‘我的订单怎么还没到？’，你准备怎么设计Prompt让模型既要识别诉求，又不能瞎编物流信息？
层层追问
你平常写Prompt一般注意哪些点？……如果效果不好，你怎么一步步去调？……那怎么衡量优化前后的效果差距？
直球架构
设计一个生产级的Prompt优化流程，从初版构建到线上监控，你具体会分哪几个阶段？每个阶段用什么方法或工具来保证效果和成本可控？
我会选一个能回到版本记录的真实任务来讲。场景是【真实任务】，使用【模型版本】，当时最主要的失败是【主要失败】。我负责【本人职责】，不在我职责里的模型训练或业务决策会直接说明团队分工。
优化时我先固定模型、数据、解码参数和回归集，只改一个主要因素。具体改动是【关键改动】，它必须对应前面那个失败，例如用清晰的指令层级解决冲突，用结构化输出加服务端校验解决解析问题，而不是为了堆技巧。效果按【评测口径】评估，既看主任务质量，也看格式成功率、危险输入、token 和延迟。
结果只填写【真实结果】，并保留 Prompt diff、失败样本和实验配置。如果同一轮还换了模型或数据，我不会把收益全部归因于 Prompt。上线后按 Prompt 版本灰度和监控，出现关键切片退化就回滚；如果问题来自知识缺失、权限或模型能力上限，我会改用 RAG、工具或微调，而不是继续加提示词。