结构化 Prompt 的基本框架

一个稳定可复用的 Prompt 通常包含以下几个部分：

[角色设定]  你是一名资深的后端工程师
[任务描述]  请审查以下代码是否存在安全隐患
[输出约束]  以 JSON 格式输出，字段包括 issue、severity、suggestion
[输入内容]  {code}

将角色、任务、约束与输入明确分区，可以显著降低模型输出格式不稳定的概率。

强制结构化输出

对接下游程序时，建议明确要求 JSON 并给出 schema 示例：

请仅输出如下格式的 JSON，不要包含任何多余文字：
{
  "summary": "string",
  "risk_level": "low | medium | high",
  "actions": ["string"]
}

如果使用支持 function calling 或 structured output 的模型/框架，优先使用原生能力而非纯文本约束，稳定性更高。

思维链（CoT）引导

对于推理类任务，显式要求模型分步思考能提升准确率：

请先列出解决该问题需要的关键步骤，再逐步推导，最后给出结论。

需要注意的是，面向最终用户展示的产品通常应隐藏推理过程，只暴露结论，避免冗长输出影响体验。

Few-shot 示例的选择

  • 示例数量并非越多越好，2~4 个高质量示例通常优于大量低质量示例
  • 示例应覆盖边界情况（如空输入、异常格式），而不仅是“标准”场景
  • 示例格式必须与期望输出格式完全一致，包括缩进和标点

常见反模式

  • 在 Prompt 中堆砌矛盾指令（如同时要求“详细”又要求“简洁”）
  • 过度依赖否定式指令（“不要做 X”），效果通常弱于正向描述期望行为
  • 忽略模型的上下文长度限制，导致关键指令被截断

小结

Prompt 工程的本质是通过清晰的结构和约束，降低模型输出的不确定性，使其更适配工程化的下游调用。