CH.03 / AI FOUNDATIONS
CH.03 / AI FOUNDATIONS

HOW TO TALK TO A MODEL

PROMPT工程

人的意图我要什么?
给谁用?
PROMPT角色 · 背景 · 任务
约束 · 输出格式
模型输出有边界
可验证
AI 不是读心术

把意图、边界和格式说清楚,模型才能完成可执行的任务。

Prompt 是人与大模型之间的沟通协议。

MODULE 01 // BEFORE & AFTER

同题不同命

Prompt A“写个活动方案”模型只能猜意图结果:泛泛而谈Prompt B角色 + 受众 + 流程 + 预算任务边界清楚结果:可直接使用

信息越具体,模型越少靠猜测。

MODULE 02 // FIVE ELEMENTS

五要素框架

1 · 角色2 · 背景好 Prompt五要素检查框3 · 任务4 · 约束5 · 格式

五要素是可复用的指令检查表。

MODULE 03 // ROLE

角色设定

工程师规范 / 注释 / 代码教授严谨 / 逻辑 / 解释同一问题

角色让输出进入相应的知识与表达框架。

MODULE 04 // CONTEXT TASK

背景与任务

“分析一下”无场景、无动作SWOT 分析任务背景:高校推广动作:比较四个维度输出:结构化结论

明确场景和动作,才能减少答非所问。

MODULE 05 // LIMIT FORMAT

约束与格式

约束字数 ≤ 500至少 3 个环节不使用数学公式格式Markdown 表格JSON 字段YAML 配置限制内容,规定交付形态

把限制和格式说清,结果才可直接使用。

MODULE 06 // FEW SHOT

Few-shot:示例教会格式

示例 1输入:商品评价输出格式 A标签 + 理由示例 2输入:另一评价仍用格式 A标签 + 理由归纳共同模式新任务复用格式 A示例不是堆数量:关键是输入、输出与边界都足够清楚

少量好示例,胜过模糊的长说明。

MODULE 07 // COT

思维链

题目步骤 1步骤 2结论每一步都能检查,而不是只看最终答案

复杂任务拆开推理,便于检查过程。

MODULE 08 // STRUCTURED

结构化输出

{"title": "...","steps": [...],"budget": 0}程序直接解析字段固定 / 可验证

Schema 是 AI 输出接入自动化流程的接口。

MODULE 09 // DEBUG

Prompt 调试

1 加约束2 换结构3 拆任务从小改动开始,逐层增加控制力

调试从小改动开始,逐层定位问题。

MODULE 10 // BOUNDARY

不是越长越好

只变长信息重复关键条件仍缺失难以复核够具体信息相关边界明确结果可验证减少歧义,不是堆砌文字

好 Prompt 的目标是减少歧义,而不是堆砌文字。

RECAP // CHAPTER 03

本章总结

01 明确意图角色背景任务02 给出模式Few-shot 示例CoT 步骤03 验证结果JSON Schema逐层调试

会提问,是使用 AI 的第一项元技能。

SOURCE QUIZ // 8 MCQ

单选题 · 8题

第 1 / 8 题答对 0 / 8
一个高质量的 Prompt 通常包含哪些要素?
先独立作答,再查看解析。
进度 0/8

题目回到对应知识页,检验是否真正理解。

SOURCE PRACTICE 01

实操题 1:写一个"五要素完整"的 Prompt

任务描述

假设你需要向 DeepSeek 或 Kimi 提问,获得一份"大学生 AI 学习路线图"。请写出一个包含角色、背景、任务、约束、格式五要素的完整 Prompt。

先独立完成五要素 Prompt,再对照讲义评分。

SOURCE PRACTICE 02

实操题 2:用 Chain-of-Thought 技巧
解决一个逻辑问题

任务描述

使用 Chain-of-Thought 技巧,写一个 Prompt 让 AI 解决逻辑推理题,并确保 AI 展示完整的推理过程。

题目:

在一个具身智能数据标注平台上,有三位标注员:张三、李四、王五。

已知:张三标注的速度比李四快;王五标注的速度不是最慢的;李四标注的准确率最高。

请回答:谁标注的速度最快?谁的准确率最低?

按讲义要求写出 Prompt,完成后再展开核对。