Prompt 工程精通：从原理到生产

Prompt 不是玄学，是工程。

这门课会教你：为什么有些 Prompt 能让模型输出质量提升 50%，而有些只是浪费 token。

14 章，14 个核心模式，30+ 真实案例。

为什么是这门课

2026 年的 LLM 应用竞争，已经从"能不能用上 LLM"转向"能不能用好 LLM"。同一个模型、同一个任务，不同的 Prompt 能让输出质量差出一个数量级。

但大多数教程只教你怎么写 Prompt，没人教为什么这么写。

这门课会：

1. 讲原理：为什么 CoT 有效、为什么 Self-Critique 有效、为什么 Few-shot 有时反而有害
2. 讲模式：14 个经过实战验证的高级模式
3. 讲反模式：哪些 Prompt 写法是错的，错在哪里
4. 讲生产：怎么把 Prompt 从"demo"做到"稳定可上线"

课程前置知识

• ✅ LLM 工程师基础（或同等经验）
• ✅ 会调用至少 1 家 LLM API
• ✅ 能写基本 Python 代码

---

📚 完整章节大纲（14 章）

模块一：Prompt 原理（第 1-3 章）

第 1 章：为什么 Prompt 有效——Token 视角的解释

颠覆你"Prompt 是玄学"的认知。从 LLM 的本质（条件概率预测器）推导 Prompt 的作用机制。

• LLM 怎么"读" Prompt——从分词到 attention
• 为什么 System Prompt 比 User Prompt 强——位置编码的影响
• 为什么"请"和"必须"对模型有不同效果——训练数据的统计偏差
• 为什么具体数字比"很多"好——Context 中的明确信号

心智模型：Prompt 不是"命令"，是"上下文工程"。

第 2 章：Prompt 的七大组件——结构化 Prompt 写法

• 角色（Role）、指令（Instruction）、上下文（Context）、示例（Example）、约束（Constraint）、格式（Format）、目标（Goal）
• 7 个组件的优先级与组合规则
• 实战模板：把任意需求改写成 7 组件 Prompt
• 反模式：为什么"角色扮演 + 详细指令"有时反而降低质量

练习：把 10 个常见业务需求改写成 7 组件 Prompt。

第 3 章：Zero-shot vs Few-shot——什么时候该用、什么时候不该用

• Few-shot 的本质：在 Context 里塞入"我想要的输出模式"
• 为什么 Few-shot 在简单任务上可能有害
• 怎么选 Few-shot 的例子——多样性 vs 相似性
• 生产经验：Few-shot 怎么影响 token 成本

练习：用同一任务对比 Zero-shot / 1-shot / 3-shot / 5-shot，找到最佳点。

模块二：推理增强（第 4-6 章）

第 4 章：Chain of Thought（CoT）——让模型"想清楚再说"

• CoT 的本质：在 Context 里注入"思考过程"
• 三种 CoT 写法：手动 CoT / 自动 CoT / Zero-shot CoT
• 坑：为什么 CoT 在小模型上没用
• 进阶：Self-Consistency——多次采样取多数

练习：用 CoT 解决 5 个 GSM8K 数学题，对比有 / 无 CoT 的准确率。

第 5 章：Tree of Thoughts（ToT）——当 CoT 不够用时

• ToT 的核心：让模型探索多个分支，再选最优
• 怎么用 ToT 解 24 点游戏、Crossword
• 生产经验：ToT 在工程上的成本与权衡
• 什么时候不该用 ToT

练习：用 ToT 解一个 5x5 迷宫问题。

第 6 章：ReAct——让模型边想边做

• ReAct = Reasoning + Action
• 完整的 ReAct 循环：Thought → Action → Observation → Thought
• 和 Function Calling 的关系
• 生产案例：用 ReAct 做一个自动订餐 Agent

练习：用 ReAct 让 LLM 帮你查 GitHub Issues、读代码、提 PR。

模块三：质量提升（第 7-9 章）

第 7 章：Self-Critique——让模型自己挑刺

• Self-Critique 的三种实现：单轮 / 多轮 / 多模型
• 怎么写"评审 Prompt"
• 实战：让 LLM 帮你 review 代码、写测试用例
• 坑：为什么模型会"自欺欺人"

练习：用 Self-Critique 让 LLM 写一篇博客文章并自我修改 3 轮。

第 8 章：Meta-Prompt——让模型帮你写 Prompt

• Meta-Prompt 的本质：让 LLM 作为 Prompt 工程师
• 5 个 Meta-Prompt 模板
• 生产经验：怎么用 Meta-Prompt 批量优化 100+ 业务 Prompt

练习：用 Meta-Prompt 自动优化你团队的 5 个生产 Prompt。

第 9 章：Constitutional AI——把价值观编码进 Prompt

• Constitutional AI 的原理：用一组"原则"约束 LLM 输出
• 怎么定义 Constitution（10 个示例原则）
• 生产经验：Constitutional AI 在内容生成、客服、教育场景的应用

练习：用 Constitutional AI 做一个安全的儿童故事生成器。

模块四：稳定可控（第 10-12 章）

第 10 章：结构化输出——100% 拿到你想要格式

• 5 个结构化输出方法：JSON Mode / Function Calling / Instructor / Outlines / Guidance
• 用 Pydantic Schema 约束输出
• 生产经验：怎么用结构化输出替代 90% 的正则解析

练习：用 Instructor 让 LLM 输出符合 Pydantic 的数据库 Schema。

第 11 章：Prompt 调试——为什么效果不稳定

• LLM 输出不稳定的 5 个根源
• 调试方法：A/B 测试 + 单元测试 + 评估数据集
• 生产案例：怎么从 60% 准确率做到 95% 准确率
• Prompt 版本管理：把 Prompt 当代码一样管

练习：为一个生产 Prompt 写 50 条单元测试。

第 12 章：Prompt 安全——防 Prompt Injection

• 5 类 Prompt Injection 攻击手法
• 防御策略：输入分隔符 + 输出校验 + 权限控制
• 生产案例：怎么让 LLM 帮你写 SQL 但不能 DROP TABLE
• 红线：什么数据绝不能塞进 Prompt

练习：为一个 RAG 系统加上完整的 Prompt Injection 防护。

模块五：高级应用（第 13-14 章）

第 13 章：多 Prompt 协作——Prompt Chaining & Routing

• Prompt Chaining：把复杂任务拆成多步，每步一个 Prompt
• Routing：让 LLM 自动选 Prompt
• 生产经验：怎么设计一个"Prompt 流水线"
• 案例：用 Chaining 做一个多步数据分析助手

练习：用 LangChain Expression Language 实现一个 4 步 Prompt 链。

第 14 章：总结：从 Prompt 到 Agent

• 14 章 Prompt 模式的回顾
• 从 Prompt 到 Agent：什么时候该升级架构
• 接下来学什么：AI Agent 架构师、LangGraph 工作流编排
• 求职建议：怎么展示你的 Prompt 工程能力

---

✅ 检查清单

完成后回来勾选：

• 能解释 7 大 Prompt 组件及其优先级
• 能根据任务选择 Zero-shot / Few-shot / CoT / ToT / ReAct
• 能用 Self-Critique 让模型输出质量提升 30%
• 能用结构化输出 100% 拿到 JSON / Schema
• 能防 5 类 Prompt Injection 攻击
• 能用 Prompt Chaining 拆解复杂任务
• 建立了至少 50 条 Prompt 单元测试

---

推荐资源

资源	类型	链接
Anthropic Prompt Engineering Guide	官方教程	https://docs.anthropic.com/claude/docs/prompt-engineering
OpenAI Prompt Engineering	官方教程	https://platform.openai.com/docs/guides/prompt-engineering
Lilian Weng Blog	研究博客	https://lilianweng.github.io
Learn Prompting	教程	https://learnprompting.org
Prompt Engineering Guide	教程	https://www.promptingguide.ai

---

下一步

Prompt 是基础。当你掌握了 14 个模式，下一步是把它们工程化、规模化。

• 想搭完整应用 → RAG 系统设计与实现
• 想做智能体 → AI Agent 架构师
• 想了解底层检索 → 向量检索内核解析