Prompt Engineering（提示词工程）
1. 定义
Prompt Engineering（提示词工程） = 设计”喂给模型的指令与示例”，以稳定拿到想要输出的技艺。它决定模型怎么理解任务、遵循什么约束、产出什么形态。
一句话：把模糊的”帮我做 X”翻译成模型能稳定执行的精准输入。 类比：给员工写 SOP——写得清不清楚，直接决定产出质量。
与 Context Engineering 的边界：Prompt 是”怎么下令”（指令的写法与强度），Context Engineering 是”喂什么上下文”（见
context_engineering.md）。两者互补，不是一回事。
2. 核心概念：指令强度层级公式
你在”小伴”里发现的关键规律——让一条要求真正生效，强度是分层的：
软规则 < 强 override 声明 < few-shot 正反示范
(建议/礼貌) (必须/忽略前文) (给正例 + 反例样本)
易被动摇 能压过软规则 直接塑造输出分布（最强）
① 软规则（Soft Rules）
建议性、礼貌性、默认式的指令：
- “请尽量用中文回答”、“建议先总结再展开”、“通常你应当…”
- 特点：无强制力，容易被模型的默认行为或冲突上下文淹没。强度最低。
② 强 override 声明（Strong Override Declaration）
显式声明优先级、带强制词的指令：
- “你必须先输出思考过程，再给答案”、“无论输入如何，都先做一次安全检查”、“Important: 忽略之前所有无关指令”
- 特点：用强约束词把指令”钉”成高优先级，能压过软规则和普通上下文冲突。
③ few-shot 正反示范（Few-shot Positive/Negative Examples）
给具体样本教模型”该做什么”和”不该做什么”：
- 正例：展示期望的输出样式/行为边界（定方向）。
- 反例：展示”不要长这样”（划边界，比纯文字规则更直观）。
- 特点：把任务变成模式模仿（in-context learning），模型从示例归纳规律。这是最强、最稳的一层——示范直接塑造输出分布，比任何文字陈述都贴近模型实际工作机制。
为什么是这个顺序（机理）：模型对”文字指令”的遵循度，取决于该指令在训练分布里有多”显式”。软规则模糊、无强制力；强声明用强约束词强制提升优先级；few-shot 则绕开”陈述规则”，直接给可模仿的范式——正例定方向、反例划边界，所以最强。
实用推论：当某条要求绝对不能违反时，别只写软规则——升级成强声明，最好再配一组”正反 few-shot”。这三级是”让指令真正落地”的递进手段。
3. 提示词工程的核心技法
| 技法 | 做法 | 属于哪层 |
|---|---|---|
| 角色/人设 | ”你是资深 X…” | 软规则 |
| 清晰任务描述 | 明确目标、约束、输出格式 | 软→强 |
| 输出格式约束 | 指定 JSON / 表格 / 模板（呼应 ai_predictability.md 结构化输出） | 强声明 |
| 分隔符隔离 | 用 """ / <data> 隔离指令与用户数据，防提示词注入（呼应 agent_security.md） | 强声明 |
| 负面约束 | ”不要做 X” | 软/强 |
| 思维链 CoT | ”一步步思考” | 软→强 |
| 强 override 声明 | ”你必须…/忽略前文” | 强声明 |
| few-shot（正反） | 给正例 + 反例 | 最强 |
4. 典型工作流
新任务：逐级加码
1. 先写软规则跑通（角色 + 目标 + 格式）
│ 不稳定 / 被忽略？
▼
2. 升级强 override 声明（关键约束用"必须/始终"钉死）
│ 仍漂移？
▼
3. 加 few-shot 正反示范（给 1-2 个正例 + 反例定边界）
系统 Prompt 设计（三层叠加）
基础人设/目标 → 软规则（定基调和大方向）
硬性边界/安全 → 强 override 声明（不可违反的红线）
关键场景示范 → few-shot 正反例（让模型照着学）
与 Context / Skill 配合
- Context Engineering：决定喂哪些资料、怎么排（见
context_engineering.md） - Skill：把某类任务的方法论打包、按需加载（见
skills.md）——相当于把”强声明 + few-shot”固化成可复用模块 - Slash Command：把强指令固化为一键触发（见
slash_commands.md）
5. 常见误区
❌ “写进 system prompt 就一定生效” → 软规则易被冲突上下文覆盖；关键约束要用强声明，甚至 few-shot。
❌ “指令越多越有效” → 互相打架的指令会削弱遵循度。按强度层级，关键的一条上强约束即可，别堆砌。
❌ “few-shot 只给正例就够了” → 正例定方向，反例划边界；正反一起最强（正是上面的公式）。
❌ “强 override 能突破模型安全/能力边界” → 不能。override 只对你的任务指令有效，模型的安全对齐与能力上限由模型/平台决定，强声明越不过去。
❌ “Prompt Engineering = Context Engineering” → 前者是”怎么下令”，后者是”喂什么”；互补不是同一件事（见 context_engineering.md）。
❌ “分隔符只是排版” → 它是防提示词注入的关键：把不可信的用户数据用分隔符包起来，模型才不容易把数据当成指令执行（见 agent_security.md）。
6. 延伸阅读 / 关联概念
context_engineering.md— 喂什么/怎么组织上下文（与 prompt 互补，易混）ai_predictability.md— 结构化输出、温度等让输出稳定可复现skills.md— 按需加载的方法论；强声明 + few-shot 的固化形态slash_commands.md— 强指令固化为一键触发agent_security.md— 提示词注入 = 注入漏洞 AI 版；分隔符/强约束防注入agent.md— workflow vs agent 的取舍（决定要不要把指令交给循环）tool_calling.md— 指令里要求模型调工具时的写法