AIGC提示词工程入门指南：从基础原理到实战避坑

1次阅读

共计 2027 个字符，预计需要花费 6 分钟才能阅读完成。

上周帮朋友调试电商文案生成工具时，发现 AI 总给出类似“这款产品很好用！”的万能废话。另一个做代码补全的同事更崩溃——模型生成的函数要么参数不全，要么疯狂输出他根本不需要的多语言注释。这些现象背后有个共同点： 提示词（Prompt）设计太粗糙 。

就像对人说话时含糊其辞得不到精准回应，AI 也需要明确的“表达框架”。下面分享我趟过的提示词工程实战经验。

想象你在教新人写邮件：

坏示范：“写个促销邮件”
好示范：“以数码产品经理身份，为新款蓝牙耳机撰写面向学生群体的限时折扣邮件，强调续航和降噪功能，带紧迫性促销话术”

关键技巧 ：

角色设定：明确 AI 的视角（如产品经理）
受众定位：指定目标人群（学生群体）
核心要素：列出必须包含的信息点（续航、降噪）
风格引导：限定表达方式（紧迫性话术）

用符号工具划定边界：

# 在 Python 提示词中用特殊标记限定格式
prompt = """
生成 3 条手机壳电商文案要求：1. 每条不超过 20 字
2. 包含「防摔」「轻薄」关键词
3. 禁止出现价格信息
格式示例：[潮流配色] 防摔不厚重
"""

常用约束手段 ：

长度限制： 不超过 200 字
格式要求： 用 Markdown 表格对比参数
负面清单： 禁止讨论政治话题

直接给参照物最有效，比如代码补全时：

# 现有代码（上下文）def calculate_discount(price, rate):
    return price * rate

# 提示词示例
"""
参照上方函数风格，补全以下功能：1. 新增 apply_tax 函数
2. 参数为 price 和 tax_rate
3. 返回含税总价
类似格式：def xxxx(a, b):
            return...
"""

temperature 参数就像 AI 的脑洞开关：

低温度（0.2）：输出稳定但保守，适合事实陈述
高温度（0.8）：创意丰富但可能跑偏，适合文学创作

实测对比电商文案生成：

import openai

# 保守模式
response = openai.ChatCompletion.create(
  model="gpt-3.5-turbo",
  messages=[{"role": "user", "content": "生成冰箱卖点文案"}],
  temperature=0.2
)
# 输出："节能省电，大容量存储"

# 创意模式
response = openai.ChatCompletion.create(
  model="gpt-3.5-turbo",
  messages=[{"role": "user", "content": "生成冰箱卖点文案"}],
  temperature=0.8
)
# 输出："你的夏日保鲜管家，连西瓜都能记住存放位置"

多轮对话时，需要像聊天软件那样保持上下文。关键技术点：

维护消息队列
控制对话 token 总量（通常不超过模型限制的 80%）

messages = [{"role": "system", "content": "你是有 10 年经验的 Python 导师"},
    {"role": "user", "content": "如何用 lambda 排序字典?"}
]

# 第一轮响应
response = openai.ChatCompletion.create(
    model="gpt-3.5-turbo",
    messages=messages
)
answer = response.choices[0].message.content

# 追加到上下文
messages.append({"role": "assistant", "content": answer})
messages.append({"role": "user", "content": "能举例说明吗？"})

# 第二轮对话仍记得 Python 导师设定

问题提示词：” 写个介绍 ” → 改：” 写 300 字关于 ChatGPT 的技术科普，受众是高中生 ”
检测工具：检查提示词是否包含 5W1H（Who/What/When/Where/Why/How）

# 简易关键词过滤
blacklist = ["暴力", "色情", "政治"]
def safe_prompt(prompt):
    if any(word in prompt for word in blacklist):
        raise ValueError("包含受限词汇")
    return True