明确任务目标需清晰定义类型、提供上下文示例、约束格式长度，并迭代优化提示词。例如：“请将以下英文段落翻译成中文，保持技术术语准确”，并附范例、限字数、指定结构、设定语气。

明确任务目标，让模型知道要做什么

大模型不会主动猜测你的意图，必须在提示词中清晰定义任务类型。比如是摘要、翻译、代码生成，还是逻辑推理。避免模糊表述如“帮我处理一下”，而应写成“请将以下英文段落翻译成中文，保持技术术语准确”。任务越具体，输出越可靠。

提供足够上下文和示例

模型依赖上下文理解边界和风格。如果需要生成符合某公司文档风格的邮件，就附上1–2句范例；若要求JSON格式输出，直接写明“请严格按以下格式返回：{‘summary’: ‘xxx’, ‘keywords’: [‘a’, ‘b’]}”。零样本（zero-shot）有时可行，但小样本（few-shot）通常更稳定，尤其对复杂或少见任务。

约束输出格式与长度

不加限制时，模型容易自由发挥，导致冗长、跑题或结构混乱。可用以下方式引导：

• 限定字数：“用不超过80字总结核心观点”
• 指定结构：“分三点回答，每点以‘●’开头”
• 禁用内容：“不要解释原理，只输出最终代码”
• 设定语气：“用简洁、中性的新闻报道口吻”

迭代优化提示词，像调参一样对待Prompt

一次写对提示词很难。建议流程：先跑通基础版 → 观察典型错误（如漏信息、格式错、过度发挥）→ 针对性加固约束 → A/B测试不同版本。可把常见失败归类，例如“模型虚构数据”就加一句“所有事实必须基于所提供文本”，“混淆角色”就前置角色定义如“你是一名资深Python工程师，专注Flask后端开发”。