Prompt Engineering 指南

最后更新：2026-08-12· 18 分钟阅读

🚀 快速通道

ChatGPT 国内版：点击直达↗
稳定镜像站：打开镜像↗
官方 ChatGPT：chatgpt.com ↗

更新时间：2026-08-12

导读

在产品里，Prompt 是可版本化的代码：它定义输出格式、安全边界与失败模式。本文讲如何把 prompt 工程化——可 Git 管理、可回归测试、可观测——而不是堆魔法句式。配合文本生成参数与 API 集成使用。

Prompt 四层结构

[静态 system]     角色、策略、schema（低频变更）
[动态 context]    RAG、用户档案（每请求）
[Few-shot]        可选格式示范
[user]            终端输入

层级	变更频率	存储
system 模板	低	Git / CMS + 版本号
RAG context	高	向量库 + 引用 id
user	每会话	DB
评测集	中	repo 内 JSONL

System message 设计

边界清晰：能做什么、不能做什么、不确定怎么说。
格式可解析：JSON key、枚举、表格列名写死。
拒绝策略：资料外不编造；敏感转人工。
与 tools 一致：function 名、参数与 system 描述对齐。

RAG 助手 system 模板

你是企业内部知识库助手。
规则：
1) 只根据「context」回答；不得使用 context 外事实。
2) context 不足时回复「资料中未提及」，并列出需补充信息。
3) 输出 Markdown；引用标注 [段落序号]。
4) 不得输出 Key、内部 URL 或未公开财务数据。

Few-shot：何时有效

适合	不适合
固定格式（分类、抽取）	开放域事实问答
品牌语气（1–2 段范例）	样例过多占满上下文

{
  "messages": [
    {"role": "system", "content": "工单分类为 BUG|FEATURE|QUESTION，只输出标签。"},
    {"role": "user", "content": "支付页一直转圈"},
    {"role": "assistant", "content": "BUG"},
    {"role": "user", "content": "能否支持暗色模式"},
    {"role": "assistant", "content": "FEATURE"},
    {"role": "user", "content": "{{actual_input}}"}
  ]
}

样例应来自真实分布；理想化假样例会导致过拟合。

Chain-of-Thought 的生产用法

复杂任务可要求「先分析再结论」，但注意：

对用户隐藏推理：只返回最终 JSON；中间步骤放日志（若合规）。
成本：长推理增加 output token。
评测：golden set 对比「直接 JSON」vs「分步」准确率。

在内部 <analysis> 列出约束（不返回前端）；
最终只输出 JSON 对象。

网关可剥离 <analysis>；或改用文档推荐的 reasoning 模型（若适用）。

工具调用 Prompt 对齐

模型是否稳定调工具，取决于：

description 写清何时调用
参数 schema 最小且明确
system 禁止「假装已调用」

{
  "type": "function",
  "function": {
    "name": "lookup_order",
    "description": "用户给出订单号并询问状态时使用",
    "parameters": {
      "type": "object",
      "properties": {
        "order_id": {"type": "string", "description": "纯数字订单号"}
      },
      "required": ["order_id"]
    }
  }
}

Agent 场景：Agents SDK、Responses API。

版本管理与发布流程

prompt_id: order_intent_v2
model: gpt-4o-mini
temperature: 0
changelog: "区分改地址与改手机号意图"
golden_set: tests/prompts/order_intent.jsonl

改 prompt → bump 版本
跑 golden set（自动 + spot check）
Canary 5% → 全量

评测指标

任务	指标
分类	准确率、混淆矩阵
JSON 抽取	Schema 通过率、字段 F1
摘要	关键点覆盖（rubric）
客服	幻觉率、转人工率

用业务 rubric，勿只看 BLEU。

防 Prompt 注入

用户输入可能与 system 冲突。缓解：

system 声明忽略「泄露 system / 改规则」类指令
输入长度限制与模式检测
工具执行前服务端权限校验
密钥、连接串不进 prompt

ChatGPT 网页 vs API

网页	API
部分 system 不可见	完全控制 messages
模型策略随产品更新	锁定 model + 参数
难批量回归	CI 跑 golden set

网页适合探索；定稿后迁入 API 并写评测。体验对话：本站 Chat（行为可能与 API 不完全一致）。

常见问题

把规则写进 user 可以吗？

部分接口允许；仍建议 system 角色便于网关统一管理与缓存。

prompt 越长越好吗？

否。冗长浪费 token、稀释重点、增加冲突指令。

换 model 要重测吗？

要。格式遵循、工具、中文表现因 model 而异。

Assistants 的 instructions 等同 system 吗？

概念类似，但有文件与工具体系；且 API 可能迁移，见 Assistants 指南。

多语言 prompt 怎么管？

按 locale 维护 system；或单一 system 指定输出语言 + 术语表。

官方资源

下一步阅读

行动路径

今天：把生产 system 导出 Git 并加 prompt_id。明天：写 10 条 golden case + 自动校验脚本。本周：改 prompt 必须过 golden 回归，日志记录 model / temperature / prompt_id。

导读