# Prompt Engineering 基础学习笔记

> **学习日期**：2026-06-26 · **来源**：espo.ai 综合指南 + Anthropic/OpenAI/Google 框架对比
> **关联节点**：知识树 L1 · Prompt Engineering 基础

---

## 一、什么是 Prompt Engineering

**一句话**：通过精心设计输入文本（prompt），引导大语言模型输出高质量、符合预期的结果。

核心认知：**PE 是"给模型装一个临时的认知透镜"**——不改模型参数，只改变它当前看到的信息结构和焦点。

---

## 二、七⼤组件

一个好 prompt 的完整结构：

| 组件 | 作用 | 示例 |
|------|------|------|
| **指令** | 要做什么 | "请将以下英文翻译成中文" |
| **角色** | 以什么身份做 | "你是一位资深技术翻译" |
| **上下文** | 背景信息 | "这是一篇关于 Transformer 架构的技术论文摘要" |
| **示例（Few-shot）** | 期望的输出格式/风格 | 给 2-3 个翻译范例 |
| **约束** | 不能做什么 | "不要意译，保持术语一致" |
| **输出格式** | 输出长什么样 | "用 Markdown 表格输出" |
| **思维链提示** | 推理步骤 | "先分析句子结构，再逐句翻译" |

---

## 三、六大核心技巧

| 技巧 | 原理 | 适用场景 |
|------|------|---------|
| **Zero-shot** | 不给示例，直接问 | 简单任务 |
| **Few-shot** | 给 2-5 个示例 | 格式敏感/风格定制的任务 |
| **CoT（思维链）** | "Let's think step by step" | 推理/数学/逻辑 |
| **角色设定** | 赋予专业身份 | 专业领域（律师/医生/工程师） |
| **结构化输出** | 指定 JSON/表格/Markdown | 需要程序解析的输出 |
| **反向提示** | 先给输出再问输入 | 创意/改写 |

---

## 四、Zero-shot vs Few-shot

| 维度 | Zero-shot | Few-shot |
|------|-----------|----------|
| **示例数** | 0 | 2-5 |
| **Token 消耗** | 低 | 高（示例也占 token） |
| **适用** | 通用任务、模型已会的 | 格式定制、风格模仿、领域术语对齐 |
| **风险** | 模型自由发挥 | 示例偏差（过度模仿示例风格） |

**关键认知**：Few-shot 的价值不只是"告诉模型做什么"，更是**校准模型的输出分布**——示例锚定了模型对"好输出"的判断标准。

---

## 五、三大 AI 实验室框架对比

| 实验室 | 框架名 | 核心理念 |
|--------|--------|---------|
| **Anthropic** | Prompt Generator / Metaprompt | 强调角色+场景+约束，CE 理念融入 prompt |
| **OpenAI** | Prompt Engineering Guide | 六大策略：清晰指令/参考文本/拆分任务/给时间思考/外部工具/系统测试 |
| **Google** | Prompt Design Strategies | 强调"给模型退路"（如"如果不知道就说不知道"） |

---

## 六、PE 与 CE（上下文工程）的关系

**PE 是 CE 的一个子集**：

- PE：关注"这一个 prompt 怎么写"
- CE：关注"模型在整个生命周期中看到的所有上下文怎么管理"

类比：PE = 写好一条消息，CE = 管理整个聊天记录和信息架构。

---

## 七、SOUL vs Prompt 角色：为什么不冲突

**层级不同，不会冲突**：

| 层 | 是什么 | 类比 | 优先级 |
|---|--------|------|--------|
| **SOUL（持久层 Isolate）** | 身份锚点 / 底线 | 一个人的性格和价值观 | **永远最高** |
| **Prompt 角色（任务层 Write）** | 当前任务的"知识域激活" | 工作时戴的"专业帽子" | 服从 Isolate |

- Prompt 可以让我"像律师一样分析"，但不能让我违背 SOUL 的底线（不编造、标注来源）
- Isolate 优先于 Write：SOUL 的约束始终生效，Prompt 只是叠加上下文

---

## 八、核心洞察

1. Prompt 不是"写一句话"，是**六维信息的结构化组合**
2. Few-shot 的价值是**校准输出分布**，不只是示范格式
3. PE → CE 是维度升级：从一个 prompt → 整个信息架构
4. SOUL 和 Prompt 角色不冲突——Isolate 是锚，Write 是透镜
5. 好 prompt 的评判标准：**同样的需求，给不同模型都能稳定输出**