Prompt 提示词工程完整指南（从入门到精通）

导航目录

一、前言：定义、价值、应用场景、学习路径
二、入门基础：原则、结构、模板、常见误区
三、核心功能与基础技巧：指令优化、上下文、约束、调试
四、进阶技巧：角色设定、多轮设计、条件循环、工具
五、实战场景：文案、代码、数据分析、文档、问题解决、AI工具适配
六、高级进阶：API结合、批量Prompt、复杂场景、性能评估
七、核心工具与资源：工具、模板库、学习资源
八、常见问题与避坑指南：高频问题、高级避坑
九、实战案例汇总：需求到效果闭环

一、前言：定义、价值、应用场景、学习路径

1.1 Prompt 提示词工程定义

核心说明
Prompt 提示词工程（Prompt Engineering）是“把业务目标翻译成模型可执行指令”的方法体系。它不只是提问，而是通过角色、任务、上下文、约束、输出格式来稳定输出质量。

通用 Prompt 模板（入门版）

text

你是[角色]。
请完成[任务]。

背景信息：
[上下文]

约束条件：
1) [约束1]
2) [约束2]

输出要求：
- 格式：[如 Markdown 表格/JSON]
- 长度：[如 200 字内]

注意事项

没有约束的 Prompt，输出通常不稳定。
“可执行”比“华丽措辞”更重要。

1.2 核心价值

核心说明
Prompt 工程的价值集中在 4 点：提效、提质、可控、可复用。

效果对比示例

text

普通提问：写一份活动文案。
优化后：你是资深活动运营。请为“春季会员日”写一份朋友圈文案，
面向25-35岁上班族，语气轻松，包含1个福利点、1个行动号召，
总字数80-120字，输出3版。

注意事项

模型能力相近时，Prompt 质量往往决定结果上限。

1.3 应用场景

核心说明
高频应用包括：AI对话、文案创作、代码生成、数据分析、文档撰写、问题排查。

场景映射模板

text

场景：[文案/代码/分析/问答]
目标：[你希望最终拿到什么]
输入数据：[已有信息]
输出格式：[如清单、表格、JSON、代码]

注意事项

场景不同，Prompt 关注点不同：文案重语气，代码重约束，分析重数据口径。

1.4 学习路径规划

核心说明
推荐路径：基础结构 -> 单轮优化 -> 多轮协作 -> 程序化调用 -> 评估与迭代。

学习任务模板

text

第1周：掌握 Prompt 基础结构，完成10个单轮任务。
第2周：练习角色设定和输出约束，建立个人模板库。
第3周：使用 Python 调用 API，做批量任务。
第4周：建立评估集，迭代优化 Prompt。

注意事项

学 Prompt 最快的方法是“模板化 + 小步快跑 + 评测反馈”。

二、入门基础：原则、结构、模板、常见误区

2.1 Prompt 核心原则

核心说明

清晰具体：避免“随便写一点”。
指令明确：说清要做什么、不做什么。
上下文充足：补全背景和目标用户。
目标导向：输出要可直接使用。

示例（同任务不同写法）

text

低质量：写一篇产品介绍。
高质量：请写一篇“智能台灯”产品介绍，面向大学生宿舍场景，
突出“护眼、定时、语音控制”三点，200字内，结尾加购买引导。

注意事项

原则不复杂，但要在每条 Prompt 中落实。

2.2 基础 Prompt 结构

核心说明
实用结构：指令 + 上下文 + 约束条件 + 输出要求。

3-5个可直接复用模板（通用 Prompt 模板）

text

模板1（解释类）
你是[领域专家]。请用[目标读者水平]解释[概念]。
要求：给出1个类比 + 1个示例，150字内。

text

模板2（文案类）
你是[文案角色]。请为[产品/活动]写[文案类型]。
目标用户：[用户画像]
要求：语气[正式/轻松]，字数[范围]，输出[3]版。

text

模板3（代码类）
你是[语言]工程师。请实现[功能]。
输入：[输入示例]
输出：[输出示例]
约束：时间复杂度不高于[O(n log n)]，附注释与测试样例。

text

模板4（分析类）
请基于以下数据做分析：
[数据]
输出：1) 关键结论 2) 指标对比 3) 可执行建议（3条）。

text

模板5（结构化输出）
请返回 JSON，字段必须为：
{"summary": "", "risks": [], "actions": []}
禁止输出 JSON 之外的文字。

注意事项

结构不必复杂，但四要素尽量齐全。

2.3 新手常见误区与避坑

核心说明

误区1：指令模糊 -> 模型“自由发挥”过多
误区2：信息冗余 -> 重点被稀释
误区3：缺乏约束 -> 格式混乱
误区4：忽略上下文 -> 回答偏题

避坑 Prompt 模板

text

任务：[一句话]
背景：[三行内]
边界：[必须/禁止]
输出格式：[明确字段或结构]
质量标准：[准确、简洁、可执行]

注意事项

写 Prompt 前先写“验收标准”，会明显提升准确率。

三、核心功能与基础技巧：指令优化、上下文、约束、调试

3.1 指令优化技巧（含效果对比）

核心说明
四个高收益动作：精准用词、明确格式、设定角色、限定范围。

Prompt 对比示例

text

原始：帮我分析这个产品。
优化：你是电商增长分析师。请分析“无线耳机A”的增长问题，
从流量、转化、复购三个维度输出，每个维度给出1个原因和1条建议，
用 Markdown 表格输出。

注意事项

模糊词（“全面”“详细”“专业”）建议替换成可量化要求。

3.2 上下文设计方法

核心说明

补充必要背景：行业、用户、目标、数据口径
控制上下文长度：保留关键信息，删除噪声
关联历史对话：明确“沿用哪些结论”

上下文补充模板

text

背景：
- 项目：SaaS 客服系统
- 用户：中小企业客服主管
- 当前问题：工单响应慢、满意度下降
- 目标：提升首次响应速度20%

请在此背景下给出优化方案。

注意事项

背景越具体，建议越可执行。

3.3 约束条件设定

核心说明
可控输出要明确：字数、格式、语气、禁区。

可复用约束模板

text

约束条件：
1) 字数：150-200字
2) 语气：专业但易懂
3) 格式：先结论后分点
4) 禁止：夸张承诺、敏感内容、未经证实数据

注意事项

有“禁止项”时建议明确写出，否则模型默认可发挥。

3.4 基础 Prompt 调试方法

核心说明
调试流程：定位问题 -> 改写指令 -> 补上下文 -> 强化约束 -> 重测。

调试模板

text

当前输出问题：
- [例如：太空泛]

请基于以下修正规则重写：
1) 增加具体场景
2) 每条建议必须含“原因+动作”
3) 输出为 3 列表格：问题/原因/建议

注意事项

一次只改一个变量（如先改格式，再改语气），便于定位有效改动。

四、进阶技巧：角色设定、多轮设计、条件循环、工具

4.1 角色设定进阶

核心说明
角色要“可执行”，不是只写头衔。建议写：身份 + 能力 + 工作目标 + 输出风格。

角色 Prompt 模板（工程师/文案/老师）

text

工程师角色模板
你是资深 Python 工程师，擅长性能优化与可维护代码。
请实现[功能]，并解释复杂度与边界条件，输出“代码+测试+说明”。

text

文案角色模板
你是品牌文案总监，擅长年轻用户沟通。
请为[活动]写3版文案，每版风格不同（理性/情绪/幽默），控制在80字内。

text

老师角色模板
你是中学数学老师，擅长分层讲解。
请解释[知识点]，先用生活例子，再给步骤解题，最后给1道练习题与答案。

注意事项

角色越具体，风格越稳定；角色与任务要匹配。

4.2 多轮 Prompt 设计

核心说明
多轮设计适用于复杂任务拆解：澄清需求 -> 生成草案 -> 迭代优化 -> 定稿。

多轮案例模板

text

第1轮：请先提5个澄清问题，确认需求边界。
第2轮：基于我的回答输出初稿（含结构大纲）。
第3轮：按“准确性、可执行性、可读性”三维自检并优化。
第4轮：输出最终版 + 变更说明。

注意事项

每轮要有明确目标，否则会“聊天化”而非“工程化”。

4.3 条件判断型与循环型 Prompt（Python 示例）

核心说明
在程序中可通过 if-else 选择不同 Prompt；循环可批量生成内容。

Python 代码示例

python

# 依赖安装：
# pip install openai

from openai import OpenAI

client = OpenAI(api_key="YOUR_API_KEY")

def build_prompt(task_type: str, user_input: str) -> str:
    if task_type == "copywriting":
        return f"你是资深文案，请为以下主题写3条朋友圈文案：{user_input}，每条80字内。"
    elif task_type == "debug":
        return f"你是Python调试专家，请定位并修复以下问题：{user_input}，输出原因+修复代码。"
    else:
        return f"请用清晰分点方式回答：{user_input}"

tasks = [
    ("copywriting", "春季新品耳机"),
    ("debug", "TypeError: list indices must be integers"),
]

for task_type, text in tasks:
    prompt = build_prompt(task_type, text)
    resp = client.responses.create(
        model="gpt-4.1-mini",
        input=prompt,
    )
    print(f"\n[{task_type}]")
    print(resp.output_text)

注意事项

生产环境请将 API Key 放到环境变量，不要硬编码。

4.4 Prompt 优化工具

核心说明
可用工具链：Prompt 版本管理、评测脚本、A/B 对比记录表。

评测脚本示例（Python）

python

from dataclasses import dataclass

@dataclass
class EvalCase:
    name: str
    prompt: str
    expected_rule: str

cases = [
    EvalCase("文案长度", "写一段新品文案，80字内。", "长度<=80"),
    EvalCase("JSON结构", "返回JSON：{title,summary}", "必须是合法JSON"),
]

for c in cases:
    print(f"[{c.name}] prompt={c.prompt} | 检查规则={c.expected_rule}")
# 输出解释：先建立评测样本与规则，再接入模型调用做自动验收

注意事项

没有评测集，优化容易“主观好看，客观不稳”。

五、实战场景：文案、代码、数据分析、文档、问题解决、AI工具适配

5.1 文案创作类（朋友圈/海报/短视频脚本）

核心说明
文案类 Prompt 的关键是：目标人群 + 场景 + 情绪 + 行动号召。

Prompt 模板

text

你是资深新媒体文案。
请围绕“夏季防晒喷雾”写：
1) 朋友圈文案（80字内）
2) 海报主标题（12字内）
3) 15秒短视频口播脚本（约120字）
目标用户：通勤上班族
语气：轻松可信

注意事项

输出多版本，便于快速 A/B 测试。

5.2 代码生成类（Python / Java）

核心说明
代码 Prompt 要明确：输入、输出、边界、复杂度、测试样例。

Prompt 模板

text

你是Java工程师。请实现“LRU缓存”。
要求：
1) 使用HashMap + 双向链表
2) 提供 get/put 方法
3) 时间复杂度 O(1)
4) 给出 main 测试示例

Python 代码示例（结果验收）

python

def validate_code_output(text: str) -> bool:
    required = ["class", "get(", "put("]
    return all(k in text for k in required)

sample_output = "public class LRUCache { public int get(int key){...} public void put(int k,int v){...}}"
print(validate_code_output(sample_output))
# 输出解释：简单检查返回内容是否包含关键结构

注意事项

“请给完整可运行代码”这类要求要显式写入 Prompt。

5.3 数据分析类（Pandas / NumPy 联动）

核心说明
分析类 Prompt 要先定义：分析目标、指标口径、输出格式。

Prompt 模板

text

你是数据分析师。基于给定CSV数据完成：
1) 描述性统计
2) 异常值检查
3) 关键结论（3条）
4) 可执行建议（3条）
输出格式：Markdown小节 + 表格

Python 代码示例

python

# 依赖安装：
# pip install pandas numpy

import pandas as pd
import numpy as np

df = pd.DataFrame({
    "sales": [120, 130, 128, 500, 127],
    "cost": [80, 82, 81, 120, 79]
})

df["profit"] = df["sales"] - df["cost"]
z = (df["sales"] - df["sales"].mean()) / df["sales"].std(ddof=0)
outliers = df[np.abs(z) > 2]

print(df.describe())
print("异常值行数:", len(outliers))
# 输出解释：先用代码完成基础统计与异常检测，再交给模型生成结论

注意事项

模型负责“解释和表达”，关键计算建议先由代码完成。

5.4 文档撰写类（报告/教程/简历）

核心说明
文档类要控制“结构稳定”，建议固定章节模板。

Prompt 模板

text

请输出一份项目复盘报告，结构固定为：
1) 背景
2) 目标与指标
3) 执行过程
4) 结果数据
5) 问题与改进
每节100-150字，语言专业简洁。

注意事项

固定结构可大幅降低内容跑偏。

5.5 问题解决类（debug/方案设计/知识答疑）

核心说明
问题解决场景要让模型先“诊断”，再“给方案”，最后“给验证步骤”。

Prompt 模板

text

你是后端故障排查专家。
请按以下顺序回答：
1) 可能原因（按概率排序）
2) 排查步骤（可直接执行）
3) 修复方案
4) 回归验证清单
问题描述：[粘贴报错与日志]

注意事项

不要只问“怎么修”，要要求“怎么验证修好了”。

5.6 AI 工具适配类（ChatGPT / 文心一言 / 豆包）

核心说明
不同 AI 的指令理解和格式稳定性略有差异，建议做“同任务多版本 Prompt”。

适配模板

text

任务目标：[同一目标]
基础Prompt：[通用版]
平台适配：
- ChatGPT：强调结构化输出与步骤
- 文心一言：增加背景与术语解释
- 豆包：语气更口语化、分点更短

注意事项

先做通用版，再做平台微调，维护成本更低。

六、高级进阶：API结合、批量Prompt、复杂场景、性能评估

6.1 Prompt 工程与 API 结合（完整可运行示例）

核心说明
程序化调用可以实现：自动化、批量化、可评测、可上线。

依赖安装

bash

pip install openai python-dotenv

Python 代码示例

python

import os
from dotenv import load_dotenv
from openai import OpenAI

load_dotenv()
client = OpenAI(api_key=os.getenv("OPENAI_API_KEY"))

SYSTEM_PROMPT = "你是企业级内容助手，输出要准确、简洁、可执行。"

def ask_llm(user_prompt: str) -> str:
    resp = client.responses.create(
        model="gpt-4.1-mini",
        input=[
            {"role": "system", "content": SYSTEM_PROMPT},
            {"role": "user", "content": user_prompt},
        ],
        temperature=0.3,
    )
    return resp.output_text

if __name__ == "__main__":
    prompt = "为“秋季上新”活动生成3条短信文案，每条60字内，含行动号召。"
    print(ask_llm(prompt))

注意事项

常用参数：temperature（创造性）、max_output_tokens（长度控制）。

6.2 批量 Prompt 生成

核心说明
批量生成适用于多商品、多渠道、多人群运营任务。

Python 代码示例

python

products = ["咖啡豆", "无线键盘", "护眼台灯"]
audiences = ["学生", "白领", "程序员"]

templates = []
for p in products:
    for a in audiences:
        templates.append(
            f"你是营销文案专家。请为{a}写一条{p}推广文案，80字内，包含卖点与CTA。"
        )

print("共生成 Prompt 数量：", len(templates))
print(templates[0])
# 输出解释：快速组合出批量 Prompt，用于自动化调用

注意事项

批量任务建议先小样本验证，再全量运行。

6.3 复杂场景 Prompt 设计

核心说明

多任务并行：先拆任务，再汇总
长文本处理：先摘要再深挖
专业领域：增加术语表与禁止幻觉约束

复杂场景模板

text

请分三步完成：
Step1：提取关键事实（仅引用原文）
Step2：基于事实给出分析
Step3：输出行动建议（优先级P0/P1/P2）
禁止编造未提供的数据。

注意事项

复杂任务最怕一步到位，建议分阶段执行。

6.4 Prompt 性能评估

核心说明
评估维度建议包括：准确性、格式合规率、稳定性、时延、成本。

评估清单模板

text

评测数据集：50条真实任务
指标：
- 准确率 >= 90%
- 格式合规率 >= 95%
- 平均响应时延 <= 5s
- 单次成本 <= 预算阈值
优化方向：
- 针对低分样本补充 few-shot 示例
- 加强输出格式约束

注意事项

Prompt 优化必须“数据驱动”，不要只凭主观感受。

七、核心工具与资源：工具、模板库、学习资源

7.1 常用 Prompt 工具与使用方法

核心说明

文档与版本管理：Notion、Git
实验管理：表格记录 A/B Prompt + 指标
调用测试：Python 脚本 + 日志

操作示例（实验记录模板）

text

字段：
Prompt版本 | 场景 | 测试样本数 | 准确率 | 格式合规率 | 备注
v1         | 文案 | 30        | 76%   | 85%       | 指令偏泛
v2         | 文案 | 30        | 89%   | 97%       | 增加约束后明显提升

注意事项

没有版本记录，后续很难复盘“为什么变好/变差”。

7.2 优质 Prompt 模板库（可直接复制）

分类模板

text

[解释型]
你是[专家]，请用[受众水平]解释[概念]，给1个类比+1个示例，200字内。

text

[对比型]
请对比[A]与[B]，从“定义/优缺点/适用场景”三方面输出表格。

text

[改写型]
请将以下内容改写为[风格]，保留核心信息，控制在[字数]。
原文：[内容]

text

[计划型]
请为[目标]制定4周执行计划，每周输出“目标/动作/验收标准”。

text

[结构化JSON]
请仅输出JSON：
{"title":"","summary":"","todo":[],"risks":[]}

注意事项

模板是“骨架”，业务变量（人群、目标、限制）要替换完整。

7.3 学习资源推荐

核心说明

书籍：提示词工程、NLP 应用实践类书籍
教程：官方 API 文档、模型最佳实践指南
社区：GitHub、技术论坛、开发者社区

学习建议模板

text

每周节奏：
1) 学1个新技巧
2) 做3个真实任务
3) 复盘1次效果
4) 沉淀到模板库

注意事项

学习闭环关键不是“看多少”，而是“沉淀了多少可复用模板”。

八、常见问题与避坑指南：高频问题、高级避坑

8.1 高频问题与解决方案

问题1：输出偏离目标

原因：任务和边界不清
解法：补“目标 + 约束 + 验收标准”

问题2：生成质量低

原因：上下文不足、示例缺失
解法：补充背景与 few-shot 示例

问题3：多轮对话断层

原因：历史信息未显式继承
解法：每轮写“沿用结论 + 本轮目标”

修复模板

text

请基于以下已确认结论继续，不要重写前文：
[结论列表]

本轮目标：
[当前目标]

输出格式：
[格式要求]

注意事项

多轮场景中，“状态同步”比“文采”更重要。

8.2 高级避坑技巧

核心说明

避免 AI 幻觉：要求“依据输入信息回答，不确定时明确说明”
控制输出精度：设定字段、单位、保留小数位
减少冗余：限制段落数量和句子长度

反幻觉模板

text

请严格基于我提供的信息回答。
若信息不足，请输出“信息不足”并列出还需要的数据，
禁止编造来源、案例或统计数据。

注意事项

“禁止编造”必须写进 Prompt，且要配合验证流程。

九、实战案例汇总：需求到效果闭环

案例1：活动文案生成优化

需求分析：为“会员日”活动生成朋友圈文案，要求短、转化高。
Prompt 初版

text

写一条会员日文案。

优化版 Prompt

text

你是电商文案专家。请为“会员日满199减50”活动写3条朋友圈文案，
面向25-35岁女性用户，语气轻松，80字内，包含福利点和行动号召。

效果对比

初版：泛泛而谈、无行动点
优化版：信息完整、可直接发布

注意事项

文案场景优先约束字数和 CTA。

案例2：代码 Debug 助手

需求分析：快速定位 Python 报错原因。
Prompt 模板

text

你是Python调试专家。请根据报错信息完成：
1) 根因分析
2) 修复代码
3) 回归测试步骤
报错信息：[粘贴]
相关代码：[粘贴]

Python 调用示例

python

error_text = "TypeError: can only concatenate str (not 'int') to str"
code_text = "name='Tom'; age=18; print(name+age)"

prompt = f"""你是Python调试专家...
报错信息：{error_text}
相关代码：{code_text}
"""
print(prompt[:120])
# 输出解释：将报错和代码同时喂给模型，减少误判

注意事项

Debug 场景必须提供最小复现代码。

案例3：数据分析报告自动化

需求分析：按周输出销售分析报告。
Prompt 模板

text

你是数据分析顾问。基于输入的周销售数据输出：
1) 关键指标变化
2) 异常点
3) 下周建议（3条）
格式：Markdown，含小标题和表格。

代码示例（Pandas + Prompt）

python

import pandas as pd

df = pd.DataFrame({
    "week": ["W1", "W2", "W3"],
    "sales": [100, 120, 90]
})
summary = df.to_markdown(index=False)
print(summary)
# 输出解释：先用 pandas 结构化数据，再交给模型生成可读报告

注意事项

让模型解释数据，不要让模型“猜数据”。

案例4：技术教程生成

需求分析：产出新手向教程，要求结构固定。
Prompt 模板

text

请写“Git 入门教程”，结构固定：
1) 概念
2) 安装
3) 常用命令
4) 常见错误
每节给1个示例，面向初学者。

效果说明

输出结构稳定，便于直接发布到知识库。

注意事项

教程类要指定读者水平，否则容易忽难忽易。

案例5：多工具平台适配

需求分析：同一任务在不同 AI 平台表现不一致。
Prompt 方案

text

通用目标：生成“项目周报”
ChatGPT版：强调结构化与精简
文心版：增加背景解释与术语定义
豆包版：缩短句子、增强口语化

效果说明

通过微调 Prompt，而非重写全流程，降低适配成本。

注意事项

建议维护“通用模板 + 平台差异补丁”两层结构。

附录：可直接复用的最小 Prompt 公式

text

角色 + 任务 + 背景 + 约束 + 输出格式 + 验收标准

text

示例：
你是资深数据分析师。请分析以下销售数据并给出结论。
背景：这是某电商近30天数据。
约束：结论不超过3条，每条不超过50字，不允许编造数据。
输出格式：Markdown表格（指标/现状/建议）。
验收标准：结论可执行、与数据一致。

关键结论

Prompt 工程的本质是“把需求变成可执行指令”。
提示词优化要靠“模板化 + 评测化 + 迭代化”。
先稳定结构，再追求创意，是从入门走向精通的最快路径。

Prompt 提示词工程完整指南（从入门到精通） ​

导航目录 ​

一、前言：定义、价值、应用场景、学习路径 ​

1.1 Prompt 提示词工程定义 ​

1.2 核心价值 ​

1.3 应用场景 ​

1.4 学习路径规划 ​

二、入门基础：原则、结构、模板、常见误区 ​

2.1 Prompt 核心原则 ​

2.2 基础 Prompt 结构 ​

2.3 新手常见误区与避坑 ​

三、核心功能与基础技巧：指令优化、上下文、约束、调试 ​

3.1 指令优化技巧（含效果对比） ​

3.2 上下文设计方法 ​

3.3 约束条件设定 ​

3.4 基础 Prompt 调试方法 ​

四、进阶技巧：角色设定、多轮设计、条件循环、工具 ​

4.1 角色设定进阶 ​

4.2 多轮 Prompt 设计 ​

4.3 条件判断型与循环型 Prompt（Python 示例） ​

4.4 Prompt 优化工具 ​

五、实战场景：文案、代码、数据分析、文档、问题解决、AI工具适配 ​

5.1 文案创作类（朋友圈/海报/短视频脚本） ​

5.2 代码生成类（Python / Java） ​

5.3 数据分析类（Pandas / NumPy 联动） ​

5.4 文档撰写类（报告/教程/简历） ​

5.5 问题解决类（debug/方案设计/知识答疑） ​

5.6 AI 工具适配类（ChatGPT / 文心一言 / 豆包） ​

六、高级进阶：API结合、批量Prompt、复杂场景、性能评估 ​

6.1 Prompt 工程与 API 结合（完整可运行示例） ​

6.2 批量 Prompt 生成 ​

6.3 复杂场景 Prompt 设计 ​

6.4 Prompt 性能评估 ​

七、核心工具与资源：工具、模板库、学习资源 ​

7.1 常用 Prompt 工具与使用方法 ​

7.2 优质 Prompt 模板库（可直接复制） ​

7.3 学习资源推荐 ​

八、常见问题与避坑指南：高频问题、高级避坑 ​

8.1 高频问题与解决方案 ​

8.2 高级避坑技巧 ​

九、实战案例汇总：需求到效果闭环 ​

案例1：活动文案生成优化 ​

案例2：代码 Debug 助手 ​

案例3：数据分析报告自动化 ​

案例4：技术教程生成 ​

案例5：多工具平台适配 ​

附录：可直接复用的最小 Prompt 公式 ​

Prompt 提示词工程完整指南（从入门到精通）

导航目录

一、前言：定义、价值、应用场景、学习路径

1.1 Prompt 提示词工程定义

1.2 核心价值

1.3 应用场景

1.4 学习路径规划

二、入门基础：原则、结构、模板、常见误区

2.1 Prompt 核心原则

2.2 基础 Prompt 结构

2.3 新手常见误区与避坑

三、核心功能与基础技巧：指令优化、上下文、约束、调试

3.1 指令优化技巧（含效果对比）

3.2 上下文设计方法

3.3 约束条件设定

3.4 基础 Prompt 调试方法

四、进阶技巧：角色设定、多轮设计、条件循环、工具

4.1 角色设定进阶

4.2 多轮 Prompt 设计

4.3 条件判断型与循环型 Prompt（Python 示例）

4.4 Prompt 优化工具

五、实战场景：文案、代码、数据分析、文档、问题解决、AI工具适配

5.1 文案创作类（朋友圈/海报/短视频脚本）

5.2 代码生成类（Python / Java）

5.3 数据分析类（Pandas / NumPy 联动）

5.4 文档撰写类（报告/教程/简历）

5.5 问题解决类（debug/方案设计/知识答疑）

5.6 AI 工具适配类（ChatGPT / 文心一言 / 豆包）

六、高级进阶：API结合、批量Prompt、复杂场景、性能评估

6.1 Prompt 工程与 API 结合（完整可运行示例）

6.2 批量 Prompt 生成

6.3 复杂场景 Prompt 设计

6.4 Prompt 性能评估

七、核心工具与资源：工具、模板库、学习资源

7.1 常用 Prompt 工具与使用方法

7.2 优质 Prompt 模板库（可直接复制）

7.3 学习资源推荐

八、常见问题与避坑指南：高频问题、高级避坑

8.1 高频问题与解决方案

8.2 高级避坑技巧

九、实战案例汇总：需求到效果闭环

案例1：活动文案生成优化

案例2：代码 Debug 助手

案例3：数据分析报告自动化

案例4：技术教程生成

案例5：多工具平台适配

附录：可直接复用的最小 Prompt 公式