大家好，我是讯享网，很高兴认识大家。这里提供最前沿的Ai技术和互联网信息。



  
参考谷歌官方提示词工程指南、吴恩达、李宏毅、李飞飞等业内权威专家核心方法论
 

核心定位：从0到1掌握提示词工程全链路能力，不仅学会写单轮优秀Prompt，更能完成Agent定制、Skill开发、SSD规范驱动设计，实现复杂大模型系统的稳定落地。

本章节核心参考吴恩达《ChatGPT Prompt Engineering for Developers》、谷歌云官方《Prompt Engineering Guide》核心方法论，是所有高阶内容的基石。

一、两大黄金核心原则（吴恩达提出）

这是所有提示词的底层准则，90%的Prompt问题都源于违反了这两个原则。

1. 写出清晰且具体的指令
   • 错误示例：“帮我写一篇文案”（模糊、无边界、无目标）
   • 正确逻辑：明确任务目标、受众、格式、字数、风格、约束条件，描述越具体，输出越可控。
2. 给模型足够的“思考时间”
   • 核心逻辑：复杂任务中，强制模型先拆解、先推理、再输出结论，而非直接给答案，可大幅降低逻辑错误与幻觉。
   • 经典实现：思维链（CoT）、分步骤执行、先校验再输出等。

二、万能Prompt框架（拿来即用）

无论什么场景，套入这个框架，就能写出80分以上的基础Prompt，每个模块可根据任务复杂度增减。

万能框架实战示例

GPT plus 代充 只需 145

三、必学的6个核心提效技巧

1. 分隔符防注入与抗干扰（谷歌官方强推）

• 用法：用、“”“、—、<>等分隔符，把你的指令、用户输入、参考内容清晰区分开。
• 核心作用：避免用户输入的内容篡改你的指令（Prompt注入），同时让模型精准区分指令和待处理内容，减少注意力分散。
• 示例：

2. 思维链（CoT）：大幅提升逻辑准确率

• 提出方：谷歌大脑2022年提出，是复杂推理任务的核心技巧，吴恩达、李宏毅均将其列为核心方法。
• 核心用法：在指令中加入“请一步步思考，先给出你的推理过程，再给出最终结论”，强制模型先思考再输出。
• 进阶用法：零样本CoT（无需示例，仅加指令）、少样本CoT（给带推理过程的示例），复杂任务准确率可提升40%以上。

3. 少样本学习（Few-shot）：对齐你的预期

• 核心逻辑：给模型1-3个正确的输入-输出示例，比长篇大论的描述更能对齐你的预期，模型会模仿示例的格式、逻辑、风格进行输出。
• 小白避坑：示例必须是正确的、符合你预期的，不要给错误示例；示例的格式要和你的任务完全匹配。

4. 结构化输出锁死：提升可复用性

• 用法：明确要求模型输出JSON、Markdown、表格、XML等结构化格式，尤其当输出内容需要被代码、Agent调用时，必须锁死格式。
• 示例：“请以JSON格式输出，包含title、content、author三个字段，禁止输出任何JSON以外的内容”。

5. 肯定性指令优先：避免模型跑偏

• 核心逻辑：多告诉模型“要做什么”，少只说“不要做什么”。否定指令会让模型更容易聚焦到你禁止的内容上，导致反向跑偏。
• 错误示例：“不要写的太官方，不要太生硬，不要太长”
• 正确示例：“语气亲切口语化，像朋友聊天一样，字数控制在200字以内”

6. 迭代优化：没有一次写好的Prompt

• 吴恩达核心观点：优秀的Prompt不是一次写出来的，是迭代出来的。
• 小白迭代步骤：
  1. 先写一个最小可用的Prompt，完成核心需求
  2. 运行后，找到输出的错误、不符合预期的点
  3. 针对问题，优化Prompt的指令、约束、步骤、示例
  4. 重复测试，直到输出稳定符合预期

当你需要大模型完成多轮、复杂、带工具调用、有长期记忆的任务时，单轮Prompt已经无法满足需求，需要定制Agent（智能体）提示词。

一、Agent是什么？

Agent是具备感知、记忆、规划、行动、反思能力的大模型智能体，和单轮Prompt的核心区别是：它能自主完成复杂的端到端任务，而非仅响应单轮指令。

• 核心参考：李飞飞教授斯坦福团队具身智能Agent架构、AutoGPT/LangChain主流Agent设计规范、谷歌Agent系统**实践。
• Agent提示词的核心目标：给Agent一套完整的“行为准则、工作流、决策逻辑、边界规则”，让它稳定自主地完成任务，避免无限循环、跑偏、滥用工具。

二、Agent提示词标准架构（通用万能模板）

这套架构适配90%以上的Agent场景（数据分析、客服、代码开发、内容创作、私人助理等），小白可直接套用，按需增减模块。

GPT plus 代充 只需 145

三、Agent提示词设计的核心避坑要点

1. 边界必须清晰：必须明确“能做什么”和“绝对不能做什么”，没有边界的Agent会无限跑偏，甚至出现安全风险。
2. 工作流必须固化：复杂任务必须拆解为固定的执行步骤，强制Agent按顺序执行，避免跳步、逻辑混乱。
3. 红线规则必须前置：禁止行为、安全合规规则必须放在显眼位置，用明确的“禁止、必须、绝对”等模态词，避免模糊表述。
4. 工具调用必须强约束：90%的Agent故障都来自无约束的工具调用，必须明确调用的场景、参数、次数限制，禁止滥用。
5. 必须加入防注入规则：明确禁止用户篡改系统提示词，所有用户输入均视为待处理内容，不得作为系统指令执行。

Skill是Agent可以调用的、可复用的、标准化的、完成特定细分任务的能力模块，是复杂Agent系统的核心组成单元。

• 核心分类：分为提示词型Skill（纯Prompt实现，无需代码）和工具型Skill（结合代码/API/函数实现），本章节重点讲解小白可快速上手的提示词型Skill，兼顾工具型Skill的设计规范。
• 核心参考：谷歌Skill Library设计规范、OpenAI Function Calling开发指南、LangChain工具开发标准。

一、Skill设计的核心原则

1. 单一职责原则：一个Skill只做一件事，精准解决一个细分场景的问题，避免大而全，保证高内聚、低耦合。
2. 可复用原则：Skill必须标准化，可在不同场景、不同Agent中重复调用，无需大幅修改。
3. 边界清晰原则：明确Skill的适用场景、输入输出规范、禁止使用场景，Agent能精准判断什么时候该调用这个Skill。
4. 可测试可校验原则：Skill的输出有明确的校验标准，可验证是否合格，可定位问题。
5. 异常可处理原则：明确输入不合法、执行失败、结果不符合要求时的处理方案，避免Skill调用导致系统崩溃。

二、Skill标准化编写框架

这套框架是业内工业化落地的通用标准，编写完成后，Agent可稳定识别、调用、执行，可直接套用。

三、Skill开发的小白**实践

1. 先做原子化拆分：先把Agent的核心能力拆分为最小的原子化任务，每个任务对应一个Skill，避免一个Skill包含多个功能。
2. 先写输入输出，再写执行逻辑：先明确Skill的入参和出参，再写中间的执行逻辑，保证Skill的标准化。
3. 必须加异常处理：小白最容易忽略异常场景，必须考虑参数缺失、输入非法、执行失败等场景，避免Skill调用出错。
4. 单Skill单轮测试：编写完成后，先单独测试这个Skill，传入不同的参数，验证是否符合预期，再集成到Agent系统中。
5. 做好版本管理：Skill迭代时，必须更新版本号，记录变更内容，避免修改后出现问题无法回溯。

一、SSD是什么？

SSD（Spec Driven Design，规范驱动设计）是谷歌在大模型系统工业化落地中推广的核心方法论，是以精准、完整、可执行、可校验的技术规范为核心，驱动大模型/Agent系统的设计、开发、测试、迭代全流程的开发模式。

• 核心价值：解决复杂大模型系统、多Agent协作、多Skill协同场景下的“不稳定、不可复现、不可维护、幻觉频发”问题，让大模型系统从“demo可用”升级为“工业化生产可用”。
• 核心参考：谷歌《Spec Driven Design for LLM Systems》、OpenAI企业级大模型系统开发规范、斯坦福多智能体系统设计标准。

二、SSD设计的核心原则

1. 完备性原则：规范必须覆盖所有核心场景、边界条件、异常情况，无遗漏。
2. 精准性原则：所有术语、规则、要求都必须无歧义，有明确的定义，禁止模糊表述。
3. 可执行性原则：规范不是空话，每一条规则都能被大模型、Agent、人类开发者理解、执行、落地。
4. 模块化原则：规范分层拆解，从顶层系统规范，到模块规范，到Skill规范，到单轮Prompt规范，层级清晰，可独立维护。
5. 可测试性原则：每一条规范都有对应的校验标准和测试用例，可验证系统是否符合规范要求。
6. 红线优先原则：安全合规、禁止行为等红线规则，必须放在规范的最顶层，优先级最高，违反即失效。

三、SSD完整编写框架（全层级通用）

SSD分为4个层级，从顶层到底层，逐层拆解，小白可根据系统复杂度，选择对应的层级。

GPT plus 代充 只需 145

以下是顶层系统SSD的标准编写框架，是整个系统的“宪法”，所有模块、Agent、Skill都必须遵守此规范。

四、SSD落地的小白**实践

1. 先写术语定义，再写其他内容：术语定义是SSD的基石，先把所有关键术语定义清楚，避免后续出现歧义，这是谷歌官方强推的核心要点。
2. 先写最小可用SSD，再逐步完善：小白不要一开始就写几百页的完整规范，先写核心的系统规则、架构、业务流程，跑通最小可用系统，再逐步补充边界条件、异常场景。
3. 用明确的模态词：规范中必须用“必须/应当/禁止/不得”等明确的词语，禁止用“尽量/大概/可能”等模糊表述，保证每一条规则都无歧义。
4. 每一条规范都必须可测试：写规范的时候，就要想清楚“怎么验证这条规则有没有被遵守”，无法测试的规范就是无效规范。
5. SSD驱动全流程：用SSD来驱动开发、测试、迭代，所有的开发工作都必须符合SSD规范，所有的测试用例都必须基于SSD规范编写，避免开发和规范脱节。
6. 版本管控：SSD规范的任何修改，都必须更新版本号，记录变更内容，同步给所有相关的开发者、Agent、Skill，保证全系统的一致性。

一、吴恩达 提示词工程核心方法论

1. 两大核心原则：清晰具体的指令、给模型足够的思考时间，是所有提示词的底层逻辑。
2. 复杂系统分治思想：复杂任务不要用一个大Prompt解决，拆分为多个简单的子任务，用多轮对话、多个模块分步处理，提升稳定性和可控性。
3. 迭代优化思维：优秀的Prompt是迭代出来的，先写最小可用版本，再根据输出的错误逐步优化，不要追求一次写完美。
4. 对抗幻觉核心方法：要求模型先检查输入信息是否满足任务要求，再执行任务；若信息不足，明确告知，禁止编造。
5. 结构化输出优先：要求模型输出结构化的内容，不仅提升可读性，更能降低模型的逻辑错误。

二、谷歌 官方提示词工程**实践

1. 指令前置+分隔符隔离：指令放在Prompt的最前面，用分隔符区分指令、上下文、用户输入，提升模型的指令跟随能力，避免注入风险。
2. 具体、详细、明确的描述：任务描述越详细，输出越稳定，不要怕Prompt长，怕的是模糊、不具体。
3. 少样本提示是提升效果的最高效方式：给模型正确的示例，比长篇大论的描述更有效，示例要覆盖核心场景和边界情况。
4. 进阶推理技巧体系：CoT（思维链）、Self-Consistency（自一致性）、Least-to-Most（由易到难拆解），大幅提升复杂推理任务的准确率。
5. 工业化落地核心：Spec Driven Design（规范驱动设计），用标准化的规范驱动大模型系统开发，保证系统的稳定性、可复现性、可维护性。
6. 肯定性指令优先：多告诉模型要做什么，少只说不要做什么，否定指令会干扰模型的输出。

三、李宏毅 教授核心观点

1. 提示词工程的本质是“唤醒大模型已有的能力”，大模型的能力在预训练中就已经存在，Prompt是找到正确的钥匙，唤醒对应的能力，而非给模型新增能力。
2. 角色设定是最高效的Prompt技巧：给模型一个精准的专业角色，能快速唤醒模型对应的专业知识和输出视角，大幅提升输出的专业度。
3. 参考系对齐：给模型对标示例，是对齐你预期的最有效方式，你说一万句要求，不如给一个你想要的示例。
4. 对抗幻觉的核心：给模型明确的知识边界，要求它“知之为知之，不知为不知”，禁止编造不知道的内容。
5. 循序渐进原则：复杂任务用多轮Prompt循序渐进处理，先让模型理解，再拆解，再执行，再校验，不要一步到位。
6. Prompt不是越长越好，而是越精准越好：冗余的信息会干扰模型的注意力，精准的指令比冗长的描述更有效。

四、李飞飞 教授团队核心方法论

1. Agent设计的核心是“给Agent赋予完整的认知架构”，完整的Agent必须具备感知、记忆、规划、行动、反思五大核心模块，提示词必须覆盖所有模块的规则，而不只是给简单的指令。
2. 多智能体协作核心：明确每个智能体的角色、权责、沟通协议，用“社会分工”的思路设计多智能体系统，避免冲突、推诿、重复工作。
3. 长期运行Agent的核心：必须有完善的记忆管理规则和反思迭代机制，让Agent能从历史经验中学习，自我纠错，自我优化，避免长期运行后跑偏。
4. 复杂任务规划方法：用“分层规划”的思路，先做长期目标规划，再拆分为短期可执行的子任务，再执行行动，再复盘调整，提升复杂任务的完成率。
5. 具身智能Agent设计：安全规则优先级最高，提示词中必须先明确环境约束、安全红线，再定义任务目标，先保证安全，再完成任务。

1. 指令模糊，无具体要求：最常见的错误，用“帮我写一篇好的文案”这种模糊的指令，正确的做法是明确目标、受众、格式、字数、风格、约束。
2. 只给否定指令，不给肯定指令：只说“不要写的太官方”，不说“要口语化，像朋友聊天一样”，导致模型跑偏。
3. 复杂任务一步到位，不拆解：把多个任务堆在一个Prompt里，导致模型遗漏步骤、逻辑混乱，正确的做法是分步骤拆解，甚至分多轮处理。
4. 无边界约束，导致幻觉频发：不告诉模型什么不能做，什么信息不能用，导致模型编造内容、输出违规内容。
5. 信息过载，冗余内容太多：Prompt里堆了太多无关的信息，干扰模型的注意力，导致模型抓不住核心指令。
6. 不做迭代优化，一次写不好就放弃：优秀的Prompt是迭代出来的，不要指望一次写完美，要根据输出的错误逐步优化。
7. 无防注入设计，存在安全风险：不用分隔符区分指令和用户输入，导致用户可以通过输入篡改系统指令，泄露提示词。
8. Agent无边界，无限循环调用工具：Agent提示词没有明确的工具调用约束，导致无限循环调用工具，任务无法完成。
9. Skill职责不单一，复用性差：一个Skill承载多个任务，导致无法复用，出问题无法精准定位。
10. SSD规范模糊，无歧义定义，不可测试：规范用模糊的表述，没有明确的术语定义，无法落地测试，导致规范和实际开发完全脱节。