Prompt 一站式讲解：从入门到精通
一、前言
前面讲了Cursor、Codex、Claude Code的区别，当我们选定开发辅助工具，接下来就是通过高效准确的语言(Prompt)、技能(Skill)来提高我们的效率，接下来这篇文章介绍怎么使用Prompt高效使用AI Agent。
二、什么是 Prompt
Prompt 是用户输入给大语言模型（LLM）的指令或问题，是人与 AI 协作的核心界面。
工作原理简述：LLM 本质上是一个"下一个词预测器"。Prompt 的作用是约束模型的输出空间，引导它在正确的方向上生成内容。一个好的 Prompt 相当于给模型划定了明确的范围和目标，让模型知道"你要什么、不要什么"。
三、Prompt 的基本结构
一个完整的 Prompt 通常包含以下要素：
| 要素 | 说明 | 示例 |
|---|---|---|
| 角色（Role/Persona） | 让模型扮演特定身份，激活对应领域的知识分布 | “你是一名资深后端架构师” |
| 任务（Task） | 明确告诉模型要做什么 | “帮我审阅以下 SQL 语句” |
| 上下文（Context） | 提供背景信息、约束条件、输入数据 | “数据库是 MySQL 8.0，表数据量约 500 万行” |
| 格式要求（Format） | 规定输出的结构和形式 | “请用表格列出问题及修复建议” |
| 约束（Constraints） | 限制输出的范围或风格 | “每条建议不超过 50 字，不要提建索引以外的方案” |
示例对比
差的 Prompt：
帮我看看这段代码有什么问题。
好的 Prompt：
你是一名 Java 后端开发。以下是项目中的 SQL 生成方法，请审查是否有 SQL 注入风险、性能问题或逻辑缺陷。如果有问题，请用表格列出：问题位置、问题描述、修复建议。代码：
...
四、核心技巧
4.1 Zero-shot Prompting（零样本提示）
不提供示例，直接描述任务。适合简单、通用的任务。
将以下句子翻译成英文："今天天气真好。"4.2 Few-shot Prompting（少样本提示）
提供 1-3 个示例，帮助模型理解期望的输出模式。适合需要特定格式、风格或复杂推理的任务。
将以下中文短语转为英文驼峰命名： "用户名称" → userName "订单编号" → orderNo "登录时间" → loginTime "部门列表" →4.3 Chain of Thought（思维链）
在 Prompt 中加入"让我们一步一步思考"或给出带有推理步骤的示例，引导模型逐步推理。对数学、逻辑、多步推理任务效果显著。
问题：小王有 15 个苹果，给了小李 3 个，又买了 5 个，然后吃掉了 2 个。 他最后有几个苹果？ 让我们一步一步思考： 1. 初始：15 个 2. 给小李 3 个：15 - 3 = 12 个 3. 买了 5 个：12 + 5 = 17 个 4. 吃了 2 个：17 - 2 = 15 个 答案：15 个比直接问 “15 - 3 + 5 - 2 = ?” 的准确率显著更高。
4.4 角色设定（Persona）
为模型赋予专业身份，可以激活该领域的语料分布，显著提升专业任务的输出质量。
你是一名经验丰富的 DBA，日常工作是为 MySQL 数据库做性能优化。 请审查以下慢查询，给出优化方案。4.5 输出格式控制
明确指定输出格式，减少后处理成本。
- 结构化：“请以 JSON 格式返回”、“输出为 Markdown 表格”
- 分段：“分三个部分：问题、原因、解决方案”
- 字数/行数限制：“用一句话总结，不超过 50 字”
- 正负面约束：“不要使用专业术语”、“请包含代码示例”
4.6 分步分解（Step-by-Step）
将复杂任务拆成多个步骤，在单次 Prompt 中描述完整流程。
请按以下步骤分析这段代码： 1. 先总结这段代码的主要功能（一句话） 2. 列出所有潜在的性能问题 3. 针对每个问题给出修复方案 4. 最后给出修复后的完整代码五、进阶策略
5.1 Self-Consistency（自洽性）
对同一问题多次采样，取多数投票结果。适用于推理类、有确定答案的任务。在代码层面实现（调用 API 时 temperature > 0，多次请求再聚合），而非 Prompt 本身。
5.2 Tree of Thought（思维树）
让模型在关键节点探索多条推理路径，比较后选择最优路径继续。适用于复杂规划、创意任务。
问题：如何在 3 天内完成一个团队的代码审查流程搭建？ 请列出 3 种不同的推进思路，比较每种思路的优劣，然后选择最优方案详细展开。5.3 ReAct 模式（Reason + Act）
让模型交替进行"思考"和"行动"。"思考"判断当前状态并决定下一步做什么，"行动"从外部获取信息（工具调用 / RAG 检索），反复迭代直到完成。
你是一名技术支持工程师。请按以下方式解决问题： Thought: 分析当前已知信息，判断还需要什么信息 Action: 描述需要查询什么 Observation: （填入查询结果） ...重复以上步骤... 最终给出解决方案这是 Agent 系统（如 Claude Code）的工作原理基础。
5.4 结构化 Prompt 模板
在生产系统中，使用模板变量来标准化 Prompt：
## 角色 你是 {role}。 ## 背景 {context} ## 任务 {task} ## 约束 {constraints} ## 输出格式 {format}这样做的好处：可复用、可版本管理、可 A/B 测试、可团队协作维护。
5.5 反向 Prompt（让模型提问）
当需求不明确时，先让模型向你提问，澄清需求后再回答。
我想优化一个 SQL 查询的性能。在给出优化建议之前，请先问我几个关键问题，以帮助我描述清楚场景。六、常见误区
| 误区 | 说明 | 正确做法 |
|---|---|---|
| 指令模糊 | “帮我写个好的” — 模型不知道你的"好"是什么标准 | 给出具体标准：性能、可读性、安全性 |
| 信息过载 | 一次性塞太多无关上下文，模型抓不住重点 | 只提供与任务直接相关的信息 |
| 缺少约束 | 不限制输出长度/格式，结果冗长或格式不可用 | 明确格式、字数、结构要求 |
| 忽略边界情况 | 不给模型划定"不能做什么"，可能产生不合适的输出 | 明确约束：语言、框架版本、禁止事项 |
| 一次做太多 | 单个 Prompt 塞 5 个不相关的任务 | 一个 Prompt 聚焦一个问题 |
| 过度依赖 Few-shot | 给太多示例反而限制模型的泛化能力 | 简单任务 Zero-shot 即可，示例只在必要时加 |
| 忽视角色设定 | 模型没有方向，输出内容平庸 | 设定一个具体的专业角色 |
七、实战案例
案例 1：代码审查
你是项目技术负责人。请审查以下 PR 中的代码变更，重点关注： 1. 是否存在安全漏洞（SQL 注入、XSS 等） 2. 是否存在性能隐患（N+1 查询、内存泄漏等） 3. 是否符合项目已有的代码风格 ### 代码变更 <diff> ... </diff> ### 输出格式 用表格列出发现的问题（严重→轻微），每行标注问题位置和修复建议。案例 2：技术文档写作
你要为项目的 API 接口写一份说明文档。目标读者是前端开发。 接口：GET /api/users/{id} 参数：id (Long), includeDeleted (Boolean, 可选) 返回：User 对象 ### 要求 - 标题使用动词短语（如"获取用户详情"） - 必须包含：接口说明、请求参数表格、返回字段表格、调用示例、常见错误码 - 每个字段的说明不超过一行，清晰描述含义 - 附一个 curl 示例案例 3：Bug 分析
应用环境：Java 17, Spring Boot 3, MySQL 8.0 现象：用户量从 100 升到 5000 后，首页加载从 200ms 飙升到 8s 请分析可能的性能瓶颈，按可能性从高到低列出，每种可能性附带： - 排查方法（具体 SQL 或命令） - 对应的优化方案案例 4：学习 & 概念解释
我想理解 "CAP 定理"。 请用两种方式解释： 1. 先给一句话定义（不超过 30 字） 2. 再用一个具体的系统设计场景说明三者之间的取舍 最后推荐 3 个关键延伸概念，帮助我建立完整的分布式系统理论基础。八、核心原则总结
- 明确 > 模糊：越想得到精准回答，越要给出精准指令
- 结构 > 长篇大论：用分隔符、编号、缩进组织信息
- 示例 > 解释：当你要特定格式/风格时，给例子比描述更快
- 角色 > 泛泛而谈：赋予身份能显著提升专业性
- 迭代 > 一次到位：好的 Prompt 是改出来的，不是一次写成的
- 约束 > 开放：在正确的地方说"不"，效果比说"要"更好
九、参考资源
论文
- Chain-of-Thought Prompting Elicits Reasoning in Large Language Models — Wei et al., 2022
- Tree of Thoughts: Deliberate Problem Solving with Large Language Models — Yao et al., 2023
- ReAct: Synergizing Reasoning and Acting in Language Models — Yao et al., 2022
指南 & 文档
- Anthropic Prompt Engineering Guide
- OpenAI Prompt Engineering Guide
- Brex Prompt Engineering Guide
工具
- Claude Code（/prompt 命令可按模板生成和迭代 Prompt）
- Anthropic Console（可视化 Prompt 调试和对比）
- LangSmith / PromptLayer（Prompt 版本管理和评估）
最后一条建议：把 Prompt Engineering 当作"与一位聪明但缺乏上下文的新同事沟通"。你说得越清楚、越有条理、越具体，对方的产出就越接近你的预期。