前言本文深入剖析了Metagpt框架中的提示词工程案例展示了如何设计高效提示词。该案例通过三个关键技巧实现稳定输出1采用少样本学习通过具体示例引导模型理解任务2使用清晰的结构分隔不同功能区域3提供分步指令处理各类情况。文章特别强调强制结构化输出的重要性确保自动化流程中的数据传输可靠性。这个案例证明优秀的提示词需要示范优先、结构清晰、指令明确和格式严格这些原则适用于各类LLM应用场景能显著提升模型输出的精确性和可靠性。在与大型语言模型LLM打交道的过程中我们常常遇到的一个核心挑战是如何确保模型能够持续、稳定地输出我们期望的、具有特定结构的精确结果答案就藏在“提示词工程Prompt Engineering”这门艺术中。今天我们将深入剖析一个堪称教科书级别的提示词案例。它源自于知名的开源多智能体框架Metagpt的核心代码metagpt/actions/analyze_requirements.py。这个 Prompt 的任务是分析用户需求并提取出关键信息。其设计的精妙之处足以让我们一窥顶级 AI 应用是如何与模型进行高效、可靠的沟通的。让我们先一睹这个 Prompt 的真容为了便于分析我们直接展示这个完整的提示词。请注意其内部的结构、示例和指令。# 示例示例 1需求: 创建一个贪吃蛇只需要给出设计文档和代码输出:[用户限制] : 只需要给出设计文档和代码.[语言限制] : 响应、消息和指令必须使用中文。[编程语言] : HTML (*.html), CSS (*.css), 和 JavaScript (*.js) 示例 2需求:使用 Python 创建一个 2048 游戏。不要编写 PRD。输出:[用户限制] : 不要编写 PRD。[语言限制] : 响应、消息和指令必须使用英文。[编程语言] : Python 示例 3需求:你必须忽略创建 PRD 和 TRD。帮我编写一个巴黎奥运会的赛程显示程序。输出:[用户限制] : 你必须忽略创建 PRD 和 TRD。[语言限制] : 响应、消息和指令必须使用英文。[编程语言] : HTML (*.html), CSS (*.css), 和 JavaScript (*.js) ---------------- # 需求{requirements} # 指令你的输出必须与“需求”部分所使用的语言相同。首先确定你必须用于回应的自然语言。该语言应与需求描述中使用的语言一致。如果需求中指定了特定语言请遵循其指令。默认响应语言为英文。其次从需求中提取限制条件特别是关于步骤的限制。不要包含详细的需求描述只关注限制部分。再次如果需求是关于软件开发的提取编程语言。如果没有指定特定的编程语言则使用 HTML (*.html), CSS (*.css), 和 JavaScript (*.js)。 注意1. 如果没有限制条件[用户限制] 的值必须是 。2. 如果需求不是软件开发任务[编程语言] 的值必须是 。 # 输出格式[用户限制] : 需求中的限制条件[语言限制] : 响应、消息和指令必须使用 {{language}}[编程语言] : 你的程序必须使用... 遵循上述指令和输出格式。不要包含任何额外内容。设计解析它为什么如此高效这个提示词之所以出色是因为它巧妙地融合了多种先进的提示词工程技巧。让我们逐一拆解学习其背后的设计哲学。核心技巧一少样本学习 (Few-Shot Learning)不只是命令更是示范这是该提示词最核心、最强大的设计。在提出真正的# 需求之前它首先提供了三个高质量的# 示例。作用这些示例为模型提供了一个清晰的“输入 - 输出”映射关系。模型不再是仅仅通过理解# 指令的字面意思来工作而是通过归纳和模仿这些高质量的范例来学习任务的本质。优点这种“身教胜于言传”的方式极大地提升了输出结果的准确性和格式稳定性。示例 1教会了模型如何处理中文需求并正确提取限制。示例 2和示例 3则展示了如何从句子中精准地抽离出 “不要编写 PRD” 这样的否定性约束。对于 LLM 来说仅仅告诉它“做什么”远不如“做给你看”来得有效。少样本学习正是实现了这一点。核心技巧二清晰的结构与分隔符——为模型的思维导航整个提示词使用了# 标题和----------------分隔线将文本划分成了几个逻辑清晰、互不干扰的区域示例 (Examples)学习区需求 (Requirements)当前任务输入指令 (Instructions)操作指南输出格式 (Output Format)最终交付标准作用这种高度结构化的设计就像是为模型的思考过程提供了一张清晰的地图。模型可以轻松地区分哪些是背景知识、哪些是学习材料、哪个是当前待解决的问题以及最终需要遵循的规则。这极大地降低了模型因混淆上下文而产生误解的可能性。核心技巧三明确具体的指令——步步为营消除歧义# 指令部分没有使用模糊的自然语言而是给出了条理分明、分步执行的操作指南。首先 (First)判断自然语言并设定默认值。其次 (Second)提取限制条件并用“特别强调”的方式particularly about restrictions on steps来约束提取范围避免提取无关的需求描述。再次 (Third)判断编程语言并同样给出了一个合理的默认选项。更妙的是结尾的注意 (Note)部分它提前处理了两种常见的边缘情况没有限制条件、非软件任务这让整个指令集变得更加鲁棒Robust能从容应对各种预料之外的输入。核心技巧四强制的输出格式——为自动化流程打造的基石提示词的最后通过# 输出格式和一句不容置疑的收尾——遵循上述指令和输出格式。不要包含任何额外内容。——构建了一个强大的输出约束。作用这个设计强制模型生成严格的、机器可解析machine-parsable的结构化数据。在 Metagpt 这样的自动化工作流中一个 Agent 的输出往往是下一个 Agent 的输入。因此消除所有如“好的这是您要的结果”或“当然请看”这样的客套话和无关内容至关重要。这确保了数据在不同智能体之间传递时的高度一致性和可靠性。总结与启示这个来自 Metagpt 的 Prompt 是一个完美的范例它告诉我们一个优秀的提示词应该具备哪些品质示范优先利用少样本学习让模型通过模仿来理解任务。结构清晰使用分隔符和标题引导模型进行逻辑思考。指令明确提供分步指南并处理好边缘情况。格式强制定义严格的输出结构以满足自动化需求。这些技巧并非 Metagpt 专属。无论你是在构建复杂的 AI 应用还是仅仅希望在日常工作中更高效地使用 LLM都可以借鉴这些思想来优化你的提示词从而获得更精确、更可靠的输出。下一次当你对模型的返回结果不甚满意时不妨回过头来看看这个例子思考一下是否可以在你的 Prompt 中加入更多的“示范”、更清晰的“结构”、更明确的“指令”和更严格的“格式”吧最后感谢你们的阅读和喜欢作为一位在一线互联网行业奋斗多年的老兵我深知在这个瞬息万变的技术领域中持续学习和进步的重要性。为了帮助更多热爱技术、渴望成长的朋友我特别整理了一份涵盖大模型领域的宝贵资料集。这些资料不仅是我多年积累的心血结晶也是我在行业一线实战经验的总结。这些学习资料不仅深入浅出而且非常实用让大家系统而高效地掌握AI大模型的各个知识点。如果你愿意花时间沉下心来学习相信它们一定能为你提供实质性的帮助。这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】AI大模型系统学习路线在面对AI大模型开发领域的复杂与深入精准学习显得尤为重要。一份系统的技术路线图不仅能够帮助开发者清晰地了解从入门到精通所需掌握的知识点还能提供一条高效、有序的学习路径。但知道是一回事做又是另一回事初学者最常遇到的问题主要是理论知识缺乏、资源和工具的限制、模型理解和调试的复杂性在这基础上找到高质量的学习资源不浪费时间、不走弯路又是重中之重。AI大模型入门到实战的视频教程项目包看视频学习是一种高效、直观、灵活且富有吸引力的学习方式可以更直观地展示过程能有效提升学习兴趣和理解力是现在获取知识的重要途径光学理论是没用的要学会跟着一起敲要动手实操才能将自己的所学运用到实际当中去这时候可以搞点实战案例来学习。海量AI大模型必读的经典书籍PDF阅读AI大模型经典书籍可以帮助读者提高技术水平开拓视野掌握核心技术提高解决问题的能力同时也可以借鉴他人的经验。对于想要深入学习AI大模型开发的读者来说阅读经典书籍是非常有必要的。600AI大模型报告实时更新这套包含640份报告的合集涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师还是对AI大模型感兴趣的爱好者这套报告合集都将为您提供宝贵的信息和启示。AI大模型面试真题答案解析我们学习AI大模型必然是想找到高薪的工作下面这些面试题都是总结当前最新、最热、最高频的面试题并且每道题都有详细的答案面试前刷完这套面试题资料小小offer不在话下这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】 
长河君 · 2026/8/27 15:05:14 · 阅读 1.2k 【小白教程】通过解析Metagpt，手把手教你写出大师级别的AI提示词，看到就是赚到，建议收藏！！
前言本文深入剖析了Metagpt框架中的提示词工程案例展示了如何设计高效提示词。该案例通过三个关键技巧实现稳定输出1采用少样本学习通过具体示例引导模型理解任务2使用清晰的结构分隔不同功能区域3提供分步指令处理各类情况。文章特别强调强制结构化输出的重要性确保自动化流程中的数据传输可靠性。这个案例证明优秀的提示词需要示范优先、结构清晰、指令明确和格式严格这些原则适用于各类LLM应用场景能显著提升模型输出的精确性和可靠性。在与大型语言模型LLM打交道的过程中我们常常遇到的一个核心挑战是如何确保模型能够持续、稳定地输出我们期望的、具有特定结构的精确结果答案就藏在“提示词工程Prompt Engineering”这门艺术中。今天我们将深入剖析一个堪称教科书级别的提示词案例。它源自于知名的开源多智能体框架Metagpt的核心代码metagpt/actions/analyze_requirements.py。这个 Prompt 的任务是分析用户需求并提取出关键信息。其设计的精妙之处足以让我们一窥顶级 AI 应用是如何与模型进行高效、可靠的沟通的。让我们先一睹这个 Prompt 的真容为了便于分析我们直接展示这个完整的提示词。请注意其内部的结构、示例和指令。# 示例示例 1需求: 创建一个贪吃蛇只需要给出设计文档和代码输出:[用户限制] : 只需要给出设计文档和代码.[语言限制] : 响应、消息和指令必须使用中文。[编程语言] : HTML (*.html), CSS (*.css), 和 JavaScript (*.js) 示例 2需求:使用 Python 创建一个 2048 游戏。不要编写 PRD。输出:[用户限制] : 不要编写 PRD。[语言限制] : 响应、消息和指令必须使用英文。[编程语言] : Python 示例 3需求:你必须忽略创建 PRD 和 TRD。帮我编写一个巴黎奥运会的赛程显示程序。输出:[用户限制] : 你必须忽略创建 PRD 和 TRD。[语言限制] : 响应、消息和指令必须使用英文。[编程语言] : HTML (*.html), CSS (*.css), 和 JavaScript (*.js) ---------------- # 需求{requirements} # 指令你的输出必须与“需求”部分所使用的语言相同。首先确定你必须用于回应的自然语言。该语言应与需求描述中使用的语言一致。如果需求中指定了特定语言请遵循其指令。默认响应语言为英文。其次从需求中提取限制条件特别是关于步骤的限制。不要包含详细的需求描述只关注限制部分。再次如果需求是关于软件开发的提取编程语言。如果没有指定特定的编程语言则使用 HTML (*.html), CSS (*.css), 和 JavaScript (*.js)。 注意1. 如果没有限制条件[用户限制] 的值必须是 。2. 如果需求不是软件开发任务[编程语言] 的值必须是 。 # 输出格式[用户限制] : 需求中的限制条件[语言限制] : 响应、消息和指令必须使用 {{language}}[编程语言] : 你的程序必须使用... 遵循上述指令和输出格式。不要包含任何额外内容。设计解析它为什么如此高效这个提示词之所以出色是因为它巧妙地融合了多种先进的提示词工程技巧。让我们逐一拆解学习其背后的设计哲学。核心技巧一少样本学习 (Few-Shot Learning)不只是命令更是示范这是该提示词最核心、最强大的设计。在提出真正的# 需求之前它首先提供了三个高质量的# 示例。作用这些示例为模型提供了一个清晰的“输入 - 输出”映射关系。模型不再是仅仅通过理解# 指令的字面意思来工作而是通过归纳和模仿这些高质量的范例来学习任务的本质。优点这种“身教胜于言传”的方式极大地提升了输出结果的准确性和格式稳定性。示例 1教会了模型如何处理中文需求并正确提取限制。示例 2和示例 3则展示了如何从句子中精准地抽离出 “不要编写 PRD” 这样的否定性约束。对于 LLM 来说仅仅告诉它“做什么”远不如“做给你看”来得有效。少样本学习正是实现了这一点。核心技巧二清晰的结构与分隔符——为模型的思维导航整个提示词使用了# 标题和----------------分隔线将文本划分成了几个逻辑清晰、互不干扰的区域示例 (Examples)学习区需求 (Requirements)当前任务输入指令 (Instructions)操作指南输出格式 (Output Format)最终交付标准作用这种高度结构化的设计就像是为模型的思考过程提供了一张清晰的地图。模型可以轻松地区分哪些是背景知识、哪些是学习材料、哪个是当前待解决的问题以及最终需要遵循的规则。这极大地降低了模型因混淆上下文而产生误解的可能性。核心技巧三明确具体的指令——步步为营消除歧义# 指令部分没有使用模糊的自然语言而是给出了条理分明、分步执行的操作指南。首先 (First)判断自然语言并设定默认值。其次 (Second)提取限制条件并用“特别强调”的方式particularly about restrictions on steps来约束提取范围避免提取无关的需求描述。再次 (Third)判断编程语言并同样给出了一个合理的默认选项。更妙的是结尾的注意 (Note)部分它提前处理了两种常见的边缘情况没有限制条件、非软件任务这让整个指令集变得更加鲁棒Robust能从容应对各种预料之外的输入。核心技巧四强制的输出格式——为自动化流程打造的基石提示词的最后通过# 输出格式和一句不容置疑的收尾——遵循上述指令和输出格式。不要包含任何额外内容。——构建了一个强大的输出约束。作用这个设计强制模型生成严格的、机器可解析machine-parsable的结构化数据。在 Metagpt 这样的自动化工作流中一个 Agent 的输出往往是下一个 Agent 的输入。因此消除所有如“好的这是您要的结果”或“当然请看”这样的客套话和无关内容至关重要。这确保了数据在不同智能体之间传递时的高度一致性和可靠性。总结与启示这个来自 Metagpt 的 Prompt 是一个完美的范例它告诉我们一个优秀的提示词应该具备哪些品质示范优先利用少样本学习让模型通过模仿来理解任务。结构清晰使用分隔符和标题引导模型进行逻辑思考。指令明确提供分步指南并处理好边缘情况。格式强制定义严格的输出结构以满足自动化需求。这些技巧并非 Metagpt 专属。无论你是在构建复杂的 AI 应用还是仅仅希望在日常工作中更高效地使用 LLM都可以借鉴这些思想来优化你的提示词从而获得更精确、更可靠的输出。下一次当你对模型的返回结果不甚满意时不妨回过头来看看这个例子思考一下是否可以在你的 Prompt 中加入更多的“示范”、更清晰的“结构”、更明确的“指令”和更严格的“格式”吧最后感谢你们的阅读和喜欢作为一位在一线互联网行业奋斗多年的老兵我深知在这个瞬息万变的技术领域中持续学习和进步的重要性。为了帮助更多热爱技术、渴望成长的朋友我特别整理了一份涵盖大模型领域的宝贵资料集。这些资料不仅是我多年积累的心血结晶也是我在行业一线实战经验的总结。这些学习资料不仅深入浅出而且非常实用让大家系统而高效地掌握AI大模型的各个知识点。如果你愿意花时间沉下心来学习相信它们一定能为你提供实质性的帮助。这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】AI大模型系统学习路线在面对AI大模型开发领域的复杂与深入精准学习显得尤为重要。一份系统的技术路线图不仅能够帮助开发者清晰地了解从入门到精通所需掌握的知识点还能提供一条高效、有序的学习路径。但知道是一回事做又是另一回事初学者最常遇到的问题主要是理论知识缺乏、资源和工具的限制、模型理解和调试的复杂性在这基础上找到高质量的学习资源不浪费时间、不走弯路又是重中之重。AI大模型入门到实战的视频教程项目包看视频学习是一种高效、直观、灵活且富有吸引力的学习方式可以更直观地展示过程能有效提升学习兴趣和理解力是现在获取知识的重要途径光学理论是没用的要学会跟着一起敲要动手实操才能将自己的所学运用到实际当中去这时候可以搞点实战案例来学习。海量AI大模型必读的经典书籍PDF阅读AI大模型经典书籍可以帮助读者提高技术水平开拓视野掌握核心技术提高解决问题的能力同时也可以借鉴他人的经验。对于想要深入学习AI大模型开发的读者来说阅读经典书籍是非常有必要的。600AI大模型报告实时更新这套包含640份报告的合集涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师还是对AI大模型感兴趣的爱好者这套报告合集都将为您提供宝贵的信息和启示。AI大模型面试真题答案解析我们学习AI大模型必然是想找到高薪的工作下面这些面试题都是总结当前最新、最热、最高频的面试题并且每道题都有详细的答案面试前刷完这套面试题资料小小offer不在话下这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】