Prompt Engineering 关键原则有哪些?

Prompt Engineering 是什么

它在不更新模型参数的情况下，用指令、上下文、示例和输出约束改变单次或一类请求的行为。它仍有 token、延迟、评测、维护和安全成本，不能称为“零成本调教”。先定义任务与验收集，再迭代提示；仅凭几个示例感觉更好不算验证。

常用方法与边界

1. 指令和输出契约

明确目标、输入边界、受众、允许使用的资料和失败时的行为。需要机器消费时使用模型/API 支持的结构化输出并做服务端 schema 校验；提示里的“必须输出 JSON”本身不是格式保证。

2. Few-shot 示例

示例用于展示任务映射、边界和格式。数量没有通用 3–5 最优值，应比较代表性、顺序、长度、标签平衡和与目标输入的相似度。示例也是不可信内容入口，外部文本必须与系统指令分隔。

3. 分解、计划与推理提示

Chain-of-Thought、zero-shot CoT 和 self-consistency 在特定论文模型与推理基准上带来收益，但效果依模型、任务、解码和预算；简单任务也可能因“过度思考”变差。生产中可要求简短依据、可验证中间结果或结构化计划，不必向用户暴露隐藏推理。Self-consistency 增加多次采样成本，并不保证多数答案正确。