prompt-engineering

提示词工程

面向大模型和自主 Agent 的高级提示词设计。涵盖推理模式、模板系统、优化工作流、Agent 编排、扩展思考和工具使用提示。

适用场景：设计需要结构化推理的提示词、构建 Agent 循环、优化大模型输出质量、创建可复用的提示词模板、为复杂任务配置扩展思考，或设计包含图像和文本的多模态提示词。

不适用场景：简单的事实查询、直接查找，或适合开放式生成的创意写作。

核心原则

1. 明确胜于含蓄 -- 现代模型（Claude 4.x、GPT-4.1）会严格按照字面意思遵循指令。应明确说明期望的输出、格式和行为，而不是依赖模型推断意图。
2. 目标胜于指令 -- 对于推理模型（OpenAI o-series、启用扩展思考的 Claude），应说明目标，而不是规定逐步执行的方法。这些模型能够原生地进行规划。
3. 结构传达意图 -- 使用 XML 标签、清晰的分隔符和一致的格式来表达提示词结构。经过结构化提示词训练的模型，比起解析纯文本，能更可靠地解析结构化提示词。
4. 一个好示例胜过许多规则 -- 格式一致的少样本示例，比冗长的指令更能有效地锚定模型行为。
5. 反馈循环内置其中 -- 设计提示词，让模型在定稿前验证、评估或为自己的输出评分。
6. 令牌经济很重要 -- 每增加一个令牌都会增加延迟和成本。压缩上下文、删除填充内容，并将关键信息前置。

模型特定注意事项

Claude 4.x 模型能非常精确地遵循指令。它们会按字面意思理解提示词，并严格执行所要求的内容——不多不少。使用 XML 标签来组织提示词部分（<rules>、<context>、<output_format>）。以正向方式表述指令（描述要做什么，而不是要避免什么）。提供指令背后的上下文或动机，帮助 Claude 举一反三。扩展思考和交错思考提供了原生推理能力。

OpenAI o-series 模型（o3、o4-mini）会在回答前使用内部推理令牌。请使用开发者消息，而非系统消息。将函数描述写得详尽，使其成为接口约定。不要添加明确的推理提示——这些模型能够原生推理，额外的规划提示可能会降低性能。在多轮对话中传回已持久化的推理项。

GPT-4.1 和标准模型能从明确的分步指令、少样本示例和结构化输出模式中受益。这些模型没有原生推理循环，因此 CoT 提示和结构化思考协议能带来显著价值。

多模态模型（GPT-4o、支持视觉的 Claude、Gemini）可同时接收图像和文本。应说明每张图像代表什么，使用清晰的动作动词，并裁剪图像以突出相关区域。明确标注多张图像，并说明它们之间的关系。

快速参考

模式	API / 技术	要点
零样本 CoT	"Let's think step by step" 触发词	无需示例即可引出推理
少样本 CoT	明确的推理链示例	一个优质示例胜过许多规则
自一致性	多条路径 + 多数投票	提升复杂任务的准确性
思维树（Tree-of-Thoughts）	生成 3 条或更多策略，淘汰最弱的策略	并行探索并剪枝；成本高
ReAct 循环	思考-行动-观察循环	Agent 将推理与行动结合起来
系统提示词	角色 + 专业知识 + 指南 + 格式	所有大模型行为的基础
提示词模板	使用变量槽位进行模块化组合	可复用、经过验证且可缓存
A/B 测试	对提示词变体进行统计比较	隔离变量，衡量显著性
扩展思考	由预算控制的深度推理（Claude）	让模型在回答前先思考
交错思考	在工具调用之间思考（Claude 4）	在每次获得工具结果后进行推理
思考工具	用于结构化推理空间的空操作工具	为 Agent 提供在回合中途进行推理的空间
推理模型	针对 o3/o4-mini 的目标导向提示	让模型自行规划推理过程
结构化思考	理解-分析-执行协议	强制在行动前进行验证
XML 结构化	用标签划分提示词的不同部分	模型能够可靠地解析结构化提示词
多模态提示	为视觉模型提供文本 + 图像上下文	提供空间上下文和明确的动作动词
置信度评分	模型针对每项声明自行报告确定性	量化输出的可靠性
Token 优化	压缩上下文，删除填充词	降低延迟和成本

常见错误

错误	正确做法
在单个提示词中塞入过多指令	使用优先级明确的分层规则
强迫推理模型严格按步骤推理	使用基于目标的提示词；推理模型会原生规划
将推理模型的最大输出 token 数设得过低	为内部思维链分配足够的 token
为复杂任务使用静态示例	根据语义相似度动态选择示例
少样本示例的格式不一致	所有示例必须遵循一致的输入输出结构
手动解析非结构化的大模型输出	使用 JSON 模式或结构化输出架构
忽略 token 预算分配	为系统提示词、示例、输入和回复预留 token
优化前跳过基线测量	先建立指标，再一次只更改一个变量
在推理模型上使用 CoT 提示词	多余；这些模型无需显式触发即可原生推理
告诉模型不要做什么，而不是应该做什么	以正向方式表述指令：描述期望的行为
将思考块作为用户文本传回（Claude）	仅在助手消息中原样传递思考块
反复提示推理模型“多规划一些”	额外的规划提示词可能会降低推理模型的性能

提示词工程工作流

1. 定义目标 -- 说明提示词应达成什么目标，以及如何衡量成功
2. 选择合适的模式 -- 根据任务复杂度，为任务选择 CoT、ReAct、ToT 或简单提示
3. 选择模型层级 -- 根据任务难度，将任务分配给轻量级、标准或推理模型
4. 编写基线提示词 -- 从简单开始；复杂场景使用带 XML 标签的系统提示词结构
5. 添加示例 -- 如果任务需要，添加 1-3 个格式一致的少样本示例
6. 测试和衡量 -- 在有代表性的输入上建立基线指标（准确率、延迟、token 用量）
7. 分析失败情况 -- 对错误进行分类（格式、事实、逻辑、不完整），并处理影响最大的错误
8. 每次迭代一个变量 -- 每次只更改一个要素，以确定哪些改动能提升性能
9. 版本管理并部署 -- 将提示词版本与性能数据一同跟踪，以便回滚

委派

• 探索提示词变体并比较模型回复：使用 Explore agent 测试不同输入下的提示词策略
• 构建使用工具的多步骤 Agent 工作流：使用 Task agent 实现并验证 ReAct 循环和自主链
• 为复杂系统设计分层提示词架构：使用 Plan agent 构建包含验证循环的提示词系统

如果可用 expert-instruction 技能，请将系统提示词设计和 Agent 角色设定委派给它。

参考资料

• 思维链 -- 分步推理、自洽性、由简到繁分解
• 少样本学习 -- 示例选择策略、基于令牌的截断、边缘情况
• 提示词模板 -- 模板架构、模块化组合、验证、缓存
• 提示词优化 -- A/B 测试、失败分析、指标、版本控制
• 系统提示词 -- 角色定义、约束规范、动态适配
• 推理模型优化 -- 针对 o3/o4-mini 的目标驱动提示词、扩展思考配置
• 思维树 -- 并行分支探索、评估、综合
• ReAct 模式 -- 思考-行动-观察循环、工具发现、错误恢复
• 结构化思考 -- 对抗式批评者协议、置信度评分、元数据标记
• 扩展思考与工具使用 -- 预算配置、交错思考、思考工具模式
• 多模态提示 -- 视觉模型技术、图像上下文、跨模态对齐