摘要本文围绕吴恩达《面向开发者的提示词工程》第 28 集整理复习笔记覆盖指南、迭代、摘要、推理、转换、扩展、聊天格式七大主题适合提示词工程入门与系统复习。文中系统梳理了 Prompt 工程的核心原则、迭代开发流程以及摘要、推理、转换、扩展四类文本任务并结合大模型与 ChatGPT 的实战案例帮助读者快速掌握提示词工程的完整方法论。 本文导读本笔记按课程集数组织共七章指南两大原则→ 迭代好提示词是试出来的→ 摘要 → 推理 → 转换 → 扩展 → 聊天格式。每章均配有「一句话总结」与「来源依据」方便快速定位与复习。建议先通读总章节路线图再按需深入各章。 目录导航第一章 第2集 指南——两大原则第二章 第3集 迭代——好提示词是试出来的第三章 第4集 摘要——一条评论多种用法第四章 第5集 推理第五章 第6集 转换第六章 第7集 扩展第七章 第8集 聊天格式 全部来源依据汇总李沐深度学习191集课程全解析模块拆解、学习路径-CSDN博客吴恩达 MCP 教程Model Context Protocol-CSDN博客吴恩达《面向开发者的提示词工程》-CSDN博客《吴恩达 · 面向开发者的提示词工程》学习笔记 · 第 28 集合订复习版课程主线一条 prompt 开发主线——写清楚 → 迭代改 → 摘要 / 推理 / 转换 / 扩展四类任务 → 拼成聊天机器人本笔记覆盖核心第 28 集️ 全 9 集在线可视化卡片https://go.tabbit.site/projects/ckAuKAZfrG 点顶部按钮切换 2-8 集 课程全景总结️ 总章节路线图章集数主题一句话核心状态一、指南 Guidelines第2集两大原则指令清晰具体 给模型思考时间✅二、迭代 Iterative第3集反复打磨好 prompt 是试出来的不是一次写对的✅三、摘要 Summarizing第4集按需浓缩加约束换视角提取≠总结可批量✅四、推理 Inferring第5集文本分析一个 prompt 替代传统 ML 训练流水线✅五、转换 Transforming第6集形式变换翻译/语气/格式/校对替代正则工作✅六、扩展 Expanding第7集短写长要点扩成邮件温度控制随机性✅七、聊天 Chatbot第8集消息格式system/user/assistant 三角色拼机器人✅第一章 第2集指南——两大原则一句话总结写清晰具体的指令清晰 ≠ 简短并给模型留出思考时间。✅原则 1写清晰、具体的指令清晰不等于简短指令越具体输出越可控。四大策略策略做法关键点 分隔符、、 圈住文本划清指令与内容边界防提示注入 结构化输出直接要求 JSON / HTML / 列表便于程序解析省二次处理⚖️ 条件检查“如有步骤则…否则告知无步骤”避免模型对不存在的内容硬编 少样本示例给 1~2 个示范对话“照这个风格来”比描述更直观下面用一段 Python 代码演示如何结合「分隔符」与「结构化输出JSON」构造清晰具体的 Prompt并调用 OpenAI 接口获取结果import json from openai import OpenAI client OpenAI() 用分隔符 text 圈住待处理文本划清指令与内容边界 text 卧室灯是白色的品牌是 Lumina价格 299 元 支持三档亮度调节包装完好物流很快。 prompt f 请从 text 标签包裹的文本中提取商品信息 并以 JSON 格式输出字段如下 商品 品牌 价格 是否支持调光 text {text} /text response client.chat.completions.create( modelgpt-4o-mini, messages[ {role: user, content: prompt} ], temperature0, # 结构化输出建议用 0保证稳定可复现 ) result json.loads(response.choices[0].message.content) print(json.dumps(result, ensure_asciiFalse, indent2)) 运行结果 { 商品: 卧室灯, 品牌: Lumina, 价格: 299, 是否支持调光: true }原则 2给模型思考时间指定步骤序列明确第一步做什么、第二步做什么让模型按流程完成任务先独立推理再对比判断答案对错前先让模型自己独立推理一遍再做比较——直接问对不对容易被你的错误答案带偏。来源依据https://adg.csdn.net/6970a39d437a6b40336b0067.htmlhttps://blog.csdn.net/Jay_Xio/article/details/130456580第二章 第3集迭代——好提示词是试出来的一句话总结prompt 开发是一个反复迭代的循环重要的是掌握流程本身而非一步到位。迭代开发循环想法 → 初版 Prompt → 看输出 → 分析哪里不满意 → 改指令 → 再试 ↑ └──────────────────────── 循环往复 ────────────────────────┘实战案例给灯椅写电商文案四轮迭代第1轮 初版文案 → 输出太啰嗦 第2轮 加约束≤50词 → 反而太短 第3轮 补充目标受众与维度 → 面向零售商补充细节维度 第4轮 限定数据来源 → 只用说明书数据、结尾附产品ID治编造尺寸核心心态不存在万能 prompt不要追求一次写对把看输出 → 定位问题 → 改指令的迭代流程练熟才是这门课的关键。来源依据https://adg.csdn.net/6970a39d437a6b40336b0067.htmlhttps://blog.csdn.net/Jay_Xio/article/details/130456580第三章 第4集摘要——一条评论多种用法一句话总结摘要要按需加约束换约束换视角能提取就别总结还能批量处理。同一条熊猫玩偶评论的三种用法版本约束服务对象① 精简摘要限 30 词通用快速浏览② 定向摘要只讲物流配送电商部门③ 定向摘要只讲价格定价团队加约束 换视角同一份素材约束不同输出服务于不同团队。extract 提取 vs summarize 总结技巧行为适用场景extract 提取照抄原文相关片段不改写要喂给程序、需要原始表述summarize 总结模型自行改写、重新组织给人看、要压缩理解批量处理多条评论可批量处理用 JSON 逐条输出情绪与商品标签直接接入后台管道。来源依据https://adg.csdn.net/6970a39d437a6b40336b0067.htmlhttps://blog.csdn.net/Jay_Xio/article/details/130456580第四章 第5集推理一句话总结用 LLM 从文本中推理出情感、信息、主题——传统 ML 要训模型这里一个 prompt 搞定。传统 ML vs LLM传统机器学习收集标注数据 → 训练模型 → 部署且每个任务单独一套 LLM 一个 Prompt → 一个 API 通吃所有任务开发速度大幅提升把 LLM 想成文本进 → 分析出的分析器。典型任务与 Prompt 写法任务Prompt 写法输出❤️ 情感判断“评论的情感是什么用一个词回答”积极 愤怒检测“评论者是否表达愤怒”true/false 信息提取“提取商品和品牌以 JSON 输出”{“商品”:“卧室灯”,“品牌”:“Lumina”}进阶玩法字段自由扩展是否礼品购买、送达日期、价格等想提什么加什么多任务合一一条 prompt 同时输出情绪类型最多3个是否愤怒商品品牌一个 JSON 搞定主题推断与零样本分类以新闻为例——先识别文中 5 个主题再给定主题清单做零样本分类不给任何训练样本例如命中NASA就自动触发报警通知。来源依据https://deepseek.csdn.net/6a2a21acee063c0dbe28d218.htmlhttps://juejin.cn/post/7306118763023319074https://deepseek.csdn.net/6a2a216aee063c0dbe28d18e.html第五章 第6集转换一句话总结LLM 天然擅长一种形式 → 另一种形式替代了大量正则表达式工作。四类转换任务类型能力演示 翻译指定目标语言、识别未知语言一句翻成法语西语中文JSON同一句给正式/非正式两版还能做通用翻译器——每个用户说母语LLM 统一翻译 语气转换俚语口语 → 正式商务信函 格式转换JSON 餐厅评论 → HTML 表格可直接展示✅ 拼写语法校对错句、检查论文可指定美式/英式、正式/随意风格转换可以串成链查语法 → 转美式英语 → 按指定格式输出多种转换一条流水线完成来源依据https://deepseek.csdn.net/6a2a21acee063c0dbe28d218.htmlhttps://juejin.cn/post/7306118763023319074https://deepseek.csdn.net/6a2a216aee063c0dbe28d18e.html第六章 第7集扩展一句话总结把一组要点/短指令扩成完整邮件、文章并用温度参数控制随机性。✍️案例自动回复客户邮件先判情绪复用第5集推理技 ├─ 积极 → 感谢 └─ 消极 → 道歉并建议联系客服 ▼ 生成时引用评论具体细节语气简洁专业 ▼ 署名AI客服助理透明告知是 AI 很重要 ⚠️️ 温度参数本集核心温度控制模型探索/采样的多样性温度0 ──────── 温度00.7 / 1.0────────► 总选最可能的词 输出更多样、有创意 稳定、可复现 适合写作变体、头脑风暴 → 构建可靠业务应用推荐 ⭐ → 创意发散场景来源依据https://blog.csdn.net/wo1141786653/article/details/158006873https://blog.csdn.net/Jay_Xio/article/details/130460267https://blog.csdn.net/kingsea442/article/details/140800082https://blog.csdn.net/shimly123456/article/details/147563808第七章 第8集聊天格式一句话总结聊天模型的输入是消息列表用 system/user/assistant 三种角色即可构建自定义聊天机器人。三个角色角色作用⚙️ System总体指令设定行为人设用户不可见 User用户发言 Assistant模型回复也可由你代写来铺垫行为关键机制模型无记忆模型本身不记历史每轮都靠重读 messages 列表获得上下文——因此每交互一次就要把新消息追加进 context 列表再发回去。压轴案例OrderBot 披萨店点餐机器人 System写死人设与流程 问候 → 收单 → 问堂食/外带 → 汇总订单 → 输出 JSON 订单摘要 每轮交互新消息自动追加进 context 列表 temperature0.7让对话更自然️ 在线可视化卡片的第8集面板另含「课程全景」总结可访问https://go.tabbit.site/projects/ckAuKAZfrG来源依据https://blog.csdn.net/wo1141786653/article/details/158006873https://blog.csdn.net/Jay_Xio/article/details/130460267https://blog.csdn.net/kingsea442/article/details/140800082https://blog.csdn.net/shimly123456/article/details/147563808 全部来源依据汇总第2-4集指南 / 迭代 / 摘要https://adg.csdn.net/6970a39d437a6b40336b0067.htmlhttps://blog.csdn.net/Jay_Xio/article/details/130456580第5-6集推理 / 转换https://deepseek.csdn.net/6a2a21acee063c0dbe28d218.htmlhttps://juejin.cn/post/7306118763023319074https://deepseek.csdn.net/6a2a216aee063c0dbe28d18e.html第7-8集扩展 / 聊天https://blog.csdn.net/wo1141786653/article/details/158006873https://blog.csdn.net/Jay_Xio/article/details/130460267https://blog.csdn.net/kingsea442/article/details/140800082https://blog.csdn.net/shimly123456/article/details/147563808在线可视化卡片全 9 集https://go.tabbit.site/projects/ckAuKAZfrG 收官至此第 28 集核心笔记齐活 七项能力串成一条线指南定原则 → 迭代出好 prompt → 摘要/推理/转换/扩展覆盖四类文本任务 → 聊天格式把一切组装成机器人。《吴恩达 · 面向开发者的提示词工程》学习笔记 · 第 28 集合订复习版课程主线一条 prompt 开发主线——写清楚 → 迭代改 → 摘要 / 推理 / 转换 / 扩展四类任务 → 拼成聊天机器人本笔记覆盖核心第 28 集️ 全 9 集在线可视化卡片https://go.tabbit.site/projects/ckAuKAZfrG 点顶部按钮切换 2-8 集 课程全景总结️ 总章节路线图章集数主题一句话核心状态一、指南 Guidelines第2集两大原则指令清晰具体 给模型思考时间✅二、迭代 Iterative第3集反复打磨好 prompt 是试出来的不是一次写对的✅三、摘要 Summarizing第4集按需浓缩加约束换视角提取≠总结可批量✅四、推理 Inferring第5集文本分析一个 prompt 替代传统 ML 训练流水线✅五、转换 Transforming第6集形式变换翻译/语气/格式/校对替代正则工作✅六、扩展 Expanding第7集短写长要点扩成邮件温度控制随机性✅七、聊天 Chatbot第8集消息格式system/user/assistant 三角色拼机器人✅ 目录导航第一章 第2集 指南——两大原则第二章 第3集 迭代——好提示词是试出来的第三章 第4集 摘要——一条评论多种用法第四章 第5集 推理第五章 第6集 转换第六章 第7集 扩展第七章 第8集 聊天格式 全部来源依据汇总第一章 第2集指南——两大原则一句话总结写清晰具体的指令清晰 ≠ 简短并给模型留出思考时间。✅原则 1写清晰、具体的指令清晰不等于简短指令越具体输出越可控。四大策略策略做法关键点 分隔符、、 圈住文本划清指令与内容边界防提示注入 结构化输出直接要求 JSON / HTML / 列表便于程序解析省二次处理⚖️ 条件检查“如有步骤则…否则告知无步骤”避免模型对不存在的内容硬编 少样本示例给 1~2 个示范对话“照这个风格来”比描述更直观原则 2给模型思考时间指定步骤序列明确第一步做什么、第二步做什么让模型按流程完成任务先独立推理再对比判断答案对错前先让模型自己独立推理一遍再做比较——直接问对不对容易被你的错误答案带偏。来源依据https://adg.csdn.net/6970a39d437a6b40336b0067.htmlhttps://blog.csdn.net/Jay_Xio/article/details/130456580第二章 第3集迭代——好提示词是试出来的一句话总结prompt 开发是一个反复迭代的循环重要的是掌握流程本身而非一步到位。迭代开发循环想法 → 初版 Prompt → 看输出 → 分析哪里不满意 → 改指令 → 再试 ↑ └──────────────────────── 循环往复 ────────────────────────┘实战案例给灯椅写电商文案四轮迭代第1轮 初版文案 → 输出太啰嗦 第2轮 加约束≤50词 → 反而太短 第3轮 补充目标受众与维度 → 面向零售商补充细节维度 第4轮 限定数据来源 → 只用说明书数据、结尾附产品ID治编造尺寸核心心态不存在万能 prompt不要追求一次写对把看输出 → 定位问题 → 改指令的迭代流程练熟才是这门课的关键。来源依据https://adg.csdn.net/6970a39d437a6b40336b0067.htmlhttps://blog.csdn.net/Jay_Xio/article/details/130456580第三章 第4集摘要——一条评论多种用法一句话总结摘要要按需加约束换约束换视角能提取就别总结还能批量处理。同一条熊猫玩偶评论的三种用法版本约束服务对象① 精简摘要限 30 词通用快速浏览② 定向摘要只讲物流配送电商部门③ 定向摘要只讲价格定价团队加约束 换视角同一份素材约束不同输出服务于不同团队。extract 提取 vs summarize 总结技巧行为适用场景extract 提取照抄原文相关片段不改写要喂给程序、需要原始表述summarize 总结模型自行改写、重新组织给人看、要压缩理解批量处理多条评论可批量处理用 JSON 逐条输出情绪与商品标签直接接入后台管道。来源依据https://adg.csdn.net/6970a39d437a6b40336b0067.htmlhttps://blog.csdn.net/Jay_Xio/article/details/130456580第四章 第5集推理一句话总结用 LLM 从文本中推理出情感、信息、主题——传统 ML 要训模型这里一个 prompt 搞定。传统 ML vs LLM传统机器学习收集标注数据 → 训练模型 → 部署且每个任务单独一套 LLM 一个 Prompt → 一个 API 通吃所有任务开发速度大幅提升把 LLM 想成文本进 → 分析出的分析器。典型任务与 Prompt 写法任务Prompt 写法输出❤️ 情感判断“评论的情感是什么用一个词回答”积极 愤怒检测“评论者是否表达愤怒”true/false 信息提取“提取商品和品牌以 JSON 输出”{“商品”:“卧室灯”,“品牌”:“Lumina”}进阶玩法字段自由扩展是否礼品购买、送达日期、价格等想提什么加什么多任务合一一条 prompt 同时输出情绪类型最多3个是否愤怒商品品牌一个 JSON 搞定主题推断与零样本分类以新闻为例——先识别文中 5 个主题再给定主题清单做零样本分类不给任何训练样本例如命中NASA就自动触发报警通知。来源依据https://deepseek.csdn.net/6a2a21acee063c0dbe28d218.htmlhttps://juejin.cn/post/7306118763023319074https://deepseek.csdn.net/6a2a216aee063c0dbe28d18e.html第五章 第6集转换一句话总结LLM 天然擅长一种形式 → 另一种形式替代了大量正则表达式工作。四类转换任务类型能力演示 翻译指定目标语言、识别未知语言一句翻成法语西语中文JSON同一句给正式/非正式两版还能做通用翻译器——每个用户说母语LLM 统一翻译 语气转换俚语口语 → 正式商务信函 格式转换JSON 餐厅评论 → HTML 表格可直接展示✅ 拼写语法校对错句、检查论文可指定美式/英式、正式/随意风格转换可以串成链查语法 → 转美式英语 → 按指定格式输出多种转换一条流水线完成来源依据https://deepseek.csdn.net/6a2a21acee063c0dbe28d218.htmlhttps://juejin.cn/post/7306118763023319074https://deepseek.csdn.net/6a2a216aee063c0dbe28d18e.html第六章 第7集扩展一句话总结把一组要点/短指令扩成完整邮件、文章并用温度参数控制随机性。✍️案例自动回复客户邮件先判情绪复用第5集推理技 ├─ 积极 → 感谢 └─ 消极 → 道歉并建议联系客服 ▼ 生成时引用评论具体细节语气简洁专业 ▼ 署名AI客服助理透明告知是 AI 很重要 ⚠️️ 温度参数本集核心温度控制模型探索/采样的多样性温度0 ──────── 温度00.7 / 1.0────────► 总选最可能的词 输出更多样、有创意 稳定、可复现 适合写作变体、头脑风暴 → 构建可靠业务应用推荐 ⭐ → 创意发散场景来源依据https://blog.csdn.net/wo1141786653/article/details/158006873https://blog.csdn.net/Jay_Xio/article/details/130460267https://blog.csdn.net/kingsea442/article/details/140800082https://blog.csdn.net/shimly123456/article/details/147563808第七章 第8集聊天格式一句话总结聊天模型的输入是消息列表用 system/user/assistant 三种角色即可构建自定义聊天机器人。三个角色角色作用⚙️ System总体指令设定行为人设用户不可见 User用户发言 Assistant模型回复也可由你代写来铺垫行为关键机制模型无记忆模型本身不记历史每轮都靠重读 messages 列表获得上下文——因此每交互一次就要把新消息追加进 context 列表再发回去。压轴案例OrderBot 披萨店点餐机器人 System写死人设与流程 问候 → 收单 → 问堂食/外带 → 汇总订单 → 输出 JSON 订单摘要 每轮交互新消息自动追加进 context 列表 temperature0.7让对话更自然️ 在线可视化卡片的第8集面板另含「课程全景」总结可访问https://go.tabbit.site/projects/ckAuKAZfrG来源依据https://blog.csdn.net/wo1141786653/article/details/158006873https://blog.csdn.net/Jay_Xio/article/details/130460267https://blog.csdn.net/kingsea442/article/details/140800082https://blog.csdn.net/shimly123456/article/details/147563808 全部来源依据汇总第2-4集指南 / 迭代 / 摘要https://adg.csdn.net/6970a39d437a6b40336b0067.htmlhttps://blog.csdn.net/Jay_Xio/article/details/130456580第5-6集推理 / 转换https://deepseek.csdn.net/6a2a21acee063c0dbe28d218.htmlhttps://juejin.cn/post/7306118763023319074https://deepseek.csdn.net/6a2a216aee063c0dbe28d18e.html第7-8集扩展 / 聊天https://blog.csdn.net/wo1141786653/article/details/158006873https://blog.csdn.net/Jay_Xio/article/details/130460267https://blog.csdn.net/kingsea442/article/details/140800082https://blog.csdn.net/shimly123456/article/details/147563808在线可视化卡片全 9 集https://go.tabbit.site/projects/ckAuKAZfrG 收官至此第 28 集核心笔记齐活 七项能力串成一条线指南定原则 → 迭代出好 prompt → 摘要/推理/转换/扩展覆盖四类文本任务 → 聊天格式把一切组装成机器人。❓ 常见问题FAQQ1提示词工程的核心原则是什么写清晰、具体的指令并给模型留出思考时间。Q2如何写出好的 Prompt不存在万能 Prompt需要通过「看输出 → 定位问题 → 改指令」的迭代流程反复打磨。Q3摘要与提取有什么区别提取extract照抄原文片段适合喂给程序总结summarize由模型改写压缩适合给人看。Q4如何用大模型做文本推理一个 Prompt 即可完成情感判断、愤怒检测、信息提取等任务无需训练模型。Q5温度参数有什么作用温度0 时输出稳定可复现适合业务应用温度0 时输出更多样适合创意发散。Q6如何构建聊天机器人使用 system/user/assistant 三种角色组织消息列表并注意模型本身无记忆需每轮追加上下文。️ 相关推荐提示词工程入门从「写清晰指令」与「给模型思考时间」两大原则开始。Prompt 工程进阶掌握迭代开发循环用「看输出 → 定位问题 → 改指令」打磨提示词。大模型应用开发结合摘要、推理、转换、扩展四类任务构建完整业务链路。ChatGPT 实战用 system/user/assistant 三角色搭建自定义聊天机器人。 
长河君 · 2026/9/14 23:01:35 · 阅读 1.2k 吴恩达《面向开发者的提示词工程》
摘要本文围绕吴恩达《面向开发者的提示词工程》第 28 集整理复习笔记覆盖指南、迭代、摘要、推理、转换、扩展、聊天格式七大主题适合提示词工程入门与系统复习。文中系统梳理了 Prompt 工程的核心原则、迭代开发流程以及摘要、推理、转换、扩展四类文本任务并结合大模型与 ChatGPT 的实战案例帮助读者快速掌握提示词工程的完整方法论。 本文导读本笔记按课程集数组织共七章指南两大原则→ 迭代好提示词是试出来的→ 摘要 → 推理 → 转换 → 扩展 → 聊天格式。每章均配有「一句话总结」与「来源依据」方便快速定位与复习。建议先通读总章节路线图再按需深入各章。 目录导航第一章 第2集 指南——两大原则第二章 第3集 迭代——好提示词是试出来的第三章 第4集 摘要——一条评论多种用法第四章 第5集 推理第五章 第6集 转换第六章 第7集 扩展第七章 第8集 聊天格式 全部来源依据汇总李沐深度学习191集课程全解析模块拆解、学习路径-CSDN博客吴恩达 MCP 教程Model Context Protocol-CSDN博客吴恩达《面向开发者的提示词工程》-CSDN博客《吴恩达 · 面向开发者的提示词工程》学习笔记 · 第 28 集合订复习版课程主线一条 prompt 开发主线——写清楚 → 迭代改 → 摘要 / 推理 / 转换 / 扩展四类任务 → 拼成聊天机器人本笔记覆盖核心第 28 集️ 全 9 集在线可视化卡片https://go.tabbit.site/projects/ckAuKAZfrG 点顶部按钮切换 2-8 集 课程全景总结️ 总章节路线图章集数主题一句话核心状态一、指南 Guidelines第2集两大原则指令清晰具体 给模型思考时间✅二、迭代 Iterative第3集反复打磨好 prompt 是试出来的不是一次写对的✅三、摘要 Summarizing第4集按需浓缩加约束换视角提取≠总结可批量✅四、推理 Inferring第5集文本分析一个 prompt 替代传统 ML 训练流水线✅五、转换 Transforming第6集形式变换翻译/语气/格式/校对替代正则工作✅六、扩展 Expanding第7集短写长要点扩成邮件温度控制随机性✅七、聊天 Chatbot第8集消息格式system/user/assistant 三角色拼机器人✅第一章 第2集指南——两大原则一句话总结写清晰具体的指令清晰 ≠ 简短并给模型留出思考时间。✅原则 1写清晰、具体的指令清晰不等于简短指令越具体输出越可控。四大策略策略做法关键点 分隔符、、 圈住文本划清指令与内容边界防提示注入 结构化输出直接要求 JSON / HTML / 列表便于程序解析省二次处理⚖️ 条件检查“如有步骤则…否则告知无步骤”避免模型对不存在的内容硬编 少样本示例给 1~2 个示范对话“照这个风格来”比描述更直观下面用一段 Python 代码演示如何结合「分隔符」与「结构化输出JSON」构造清晰具体的 Prompt并调用 OpenAI 接口获取结果import json from openai import OpenAI client OpenAI() 用分隔符 text 圈住待处理文本划清指令与内容边界 text 卧室灯是白色的品牌是 Lumina价格 299 元 支持三档亮度调节包装完好物流很快。 prompt f 请从 text 标签包裹的文本中提取商品信息 并以 JSON 格式输出字段如下 商品 品牌 价格 是否支持调光 text {text} /text response client.chat.completions.create( modelgpt-4o-mini, messages[ {role: user, content: prompt} ], temperature0, # 结构化输出建议用 0保证稳定可复现 ) result json.loads(response.choices[0].message.content) print(json.dumps(result, ensure_asciiFalse, indent2)) 运行结果 { 商品: 卧室灯, 品牌: Lumina, 价格: 299, 是否支持调光: true }原则 2给模型思考时间指定步骤序列明确第一步做什么、第二步做什么让模型按流程完成任务先独立推理再对比判断答案对错前先让模型自己独立推理一遍再做比较——直接问对不对容易被你的错误答案带偏。来源依据https://adg.csdn.net/6970a39d437a6b40336b0067.htmlhttps://blog.csdn.net/Jay_Xio/article/details/130456580第二章 第3集迭代——好提示词是试出来的一句话总结prompt 开发是一个反复迭代的循环重要的是掌握流程本身而非一步到位。迭代开发循环想法 → 初版 Prompt → 看输出 → 分析哪里不满意 → 改指令 → 再试 ↑ └──────────────────────── 循环往复 ────────────────────────┘实战案例给灯椅写电商文案四轮迭代第1轮 初版文案 → 输出太啰嗦 第2轮 加约束≤50词 → 反而太短 第3轮 补充目标受众与维度 → 面向零售商补充细节维度 第4轮 限定数据来源 → 只用说明书数据、结尾附产品ID治编造尺寸核心心态不存在万能 prompt不要追求一次写对把看输出 → 定位问题 → 改指令的迭代流程练熟才是这门课的关键。来源依据https://adg.csdn.net/6970a39d437a6b40336b0067.htmlhttps://blog.csdn.net/Jay_Xio/article/details/130456580第三章 第4集摘要——一条评论多种用法一句话总结摘要要按需加约束换约束换视角能提取就别总结还能批量处理。同一条熊猫玩偶评论的三种用法版本约束服务对象① 精简摘要限 30 词通用快速浏览② 定向摘要只讲物流配送电商部门③ 定向摘要只讲价格定价团队加约束 换视角同一份素材约束不同输出服务于不同团队。extract 提取 vs summarize 总结技巧行为适用场景extract 提取照抄原文相关片段不改写要喂给程序、需要原始表述summarize 总结模型自行改写、重新组织给人看、要压缩理解批量处理多条评论可批量处理用 JSON 逐条输出情绪与商品标签直接接入后台管道。来源依据https://adg.csdn.net/6970a39d437a6b40336b0067.htmlhttps://blog.csdn.net/Jay_Xio/article/details/130456580第四章 第5集推理一句话总结用 LLM 从文本中推理出情感、信息、主题——传统 ML 要训模型这里一个 prompt 搞定。传统 ML vs LLM传统机器学习收集标注数据 → 训练模型 → 部署且每个任务单独一套 LLM 一个 Prompt → 一个 API 通吃所有任务开发速度大幅提升把 LLM 想成文本进 → 分析出的分析器。典型任务与 Prompt 写法任务Prompt 写法输出❤️ 情感判断“评论的情感是什么用一个词回答”积极 愤怒检测“评论者是否表达愤怒”true/false 信息提取“提取商品和品牌以 JSON 输出”{“商品”:“卧室灯”,“品牌”:“Lumina”}进阶玩法字段自由扩展是否礼品购买、送达日期、价格等想提什么加什么多任务合一一条 prompt 同时输出情绪类型最多3个是否愤怒商品品牌一个 JSON 搞定主题推断与零样本分类以新闻为例——先识别文中 5 个主题再给定主题清单做零样本分类不给任何训练样本例如命中NASA就自动触发报警通知。来源依据https://deepseek.csdn.net/6a2a21acee063c0dbe28d218.htmlhttps://juejin.cn/post/7306118763023319074https://deepseek.csdn.net/6a2a216aee063c0dbe28d18e.html第五章 第6集转换一句话总结LLM 天然擅长一种形式 → 另一种形式替代了大量正则表达式工作。四类转换任务类型能力演示 翻译指定目标语言、识别未知语言一句翻成法语西语中文JSON同一句给正式/非正式两版还能做通用翻译器——每个用户说母语LLM 统一翻译 语气转换俚语口语 → 正式商务信函 格式转换JSON 餐厅评论 → HTML 表格可直接展示✅ 拼写语法校对错句、检查论文可指定美式/英式、正式/随意风格转换可以串成链查语法 → 转美式英语 → 按指定格式输出多种转换一条流水线完成来源依据https://deepseek.csdn.net/6a2a21acee063c0dbe28d218.htmlhttps://juejin.cn/post/7306118763023319074https://deepseek.csdn.net/6a2a216aee063c0dbe28d18e.html第六章 第7集扩展一句话总结把一组要点/短指令扩成完整邮件、文章并用温度参数控制随机性。✍️案例自动回复客户邮件先判情绪复用第5集推理技 ├─ 积极 → 感谢 └─ 消极 → 道歉并建议联系客服 ▼ 生成时引用评论具体细节语气简洁专业 ▼ 署名AI客服助理透明告知是 AI 很重要 ⚠️️ 温度参数本集核心温度控制模型探索/采样的多样性温度0 ──────── 温度00.7 / 1.0────────► 总选最可能的词 输出更多样、有创意 稳定、可复现 适合写作变体、头脑风暴 → 构建可靠业务应用推荐 ⭐ → 创意发散场景来源依据https://blog.csdn.net/wo1141786653/article/details/158006873https://blog.csdn.net/Jay_Xio/article/details/130460267https://blog.csdn.net/kingsea442/article/details/140800082https://blog.csdn.net/shimly123456/article/details/147563808第七章 第8集聊天格式一句话总结聊天模型的输入是消息列表用 system/user/assistant 三种角色即可构建自定义聊天机器人。三个角色角色作用⚙️ System总体指令设定行为人设用户不可见 User用户发言 Assistant模型回复也可由你代写来铺垫行为关键机制模型无记忆模型本身不记历史每轮都靠重读 messages 列表获得上下文——因此每交互一次就要把新消息追加进 context 列表再发回去。压轴案例OrderBot 披萨店点餐机器人 System写死人设与流程 问候 → 收单 → 问堂食/外带 → 汇总订单 → 输出 JSON 订单摘要 每轮交互新消息自动追加进 context 列表 temperature0.7让对话更自然️ 在线可视化卡片的第8集面板另含「课程全景」总结可访问https://go.tabbit.site/projects/ckAuKAZfrG来源依据https://blog.csdn.net/wo1141786653/article/details/158006873https://blog.csdn.net/Jay_Xio/article/details/130460267https://blog.csdn.net/kingsea442/article/details/140800082https://blog.csdn.net/shimly123456/article/details/147563808 全部来源依据汇总第2-4集指南 / 迭代 / 摘要https://adg.csdn.net/6970a39d437a6b40336b0067.htmlhttps://blog.csdn.net/Jay_Xio/article/details/130456580第5-6集推理 / 转换https://deepseek.csdn.net/6a2a21acee063c0dbe28d218.htmlhttps://juejin.cn/post/7306118763023319074https://deepseek.csdn.net/6a2a216aee063c0dbe28d18e.html第7-8集扩展 / 聊天https://blog.csdn.net/wo1141786653/article/details/158006873https://blog.csdn.net/Jay_Xio/article/details/130460267https://blog.csdn.net/kingsea442/article/details/140800082https://blog.csdn.net/shimly123456/article/details/147563808在线可视化卡片全 9 集https://go.tabbit.site/projects/ckAuKAZfrG 收官至此第 28 集核心笔记齐活 七项能力串成一条线指南定原则 → 迭代出好 prompt → 摘要/推理/转换/扩展覆盖四类文本任务 → 聊天格式把一切组装成机器人。《吴恩达 · 面向开发者的提示词工程》学习笔记 · 第 28 集合订复习版课程主线一条 prompt 开发主线——写清楚 → 迭代改 → 摘要 / 推理 / 转换 / 扩展四类任务 → 拼成聊天机器人本笔记覆盖核心第 28 集️ 全 9 集在线可视化卡片https://go.tabbit.site/projects/ckAuKAZfrG 点顶部按钮切换 2-8 集 课程全景总结️ 总章节路线图章集数主题一句话核心状态一、指南 Guidelines第2集两大原则指令清晰具体 给模型思考时间✅二、迭代 Iterative第3集反复打磨好 prompt 是试出来的不是一次写对的✅三、摘要 Summarizing第4集按需浓缩加约束换视角提取≠总结可批量✅四、推理 Inferring第5集文本分析一个 prompt 替代传统 ML 训练流水线✅五、转换 Transforming第6集形式变换翻译/语气/格式/校对替代正则工作✅六、扩展 Expanding第7集短写长要点扩成邮件温度控制随机性✅七、聊天 Chatbot第8集消息格式system/user/assistant 三角色拼机器人✅ 目录导航第一章 第2集 指南——两大原则第二章 第3集 迭代——好提示词是试出来的第三章 第4集 摘要——一条评论多种用法第四章 第5集 推理第五章 第6集 转换第六章 第7集 扩展第七章 第8集 聊天格式 全部来源依据汇总第一章 第2集指南——两大原则一句话总结写清晰具体的指令清晰 ≠ 简短并给模型留出思考时间。✅原则 1写清晰、具体的指令清晰不等于简短指令越具体输出越可控。四大策略策略做法关键点 分隔符、、 圈住文本划清指令与内容边界防提示注入 结构化输出直接要求 JSON / HTML / 列表便于程序解析省二次处理⚖️ 条件检查“如有步骤则…否则告知无步骤”避免模型对不存在的内容硬编 少样本示例给 1~2 个示范对话“照这个风格来”比描述更直观原则 2给模型思考时间指定步骤序列明确第一步做什么、第二步做什么让模型按流程完成任务先独立推理再对比判断答案对错前先让模型自己独立推理一遍再做比较——直接问对不对容易被你的错误答案带偏。来源依据https://adg.csdn.net/6970a39d437a6b40336b0067.htmlhttps://blog.csdn.net/Jay_Xio/article/details/130456580第二章 第3集迭代——好提示词是试出来的一句话总结prompt 开发是一个反复迭代的循环重要的是掌握流程本身而非一步到位。迭代开发循环想法 → 初版 Prompt → 看输出 → 分析哪里不满意 → 改指令 → 再试 ↑ └──────────────────────── 循环往复 ────────────────────────┘实战案例给灯椅写电商文案四轮迭代第1轮 初版文案 → 输出太啰嗦 第2轮 加约束≤50词 → 反而太短 第3轮 补充目标受众与维度 → 面向零售商补充细节维度 第4轮 限定数据来源 → 只用说明书数据、结尾附产品ID治编造尺寸核心心态不存在万能 prompt不要追求一次写对把看输出 → 定位问题 → 改指令的迭代流程练熟才是这门课的关键。来源依据https://adg.csdn.net/6970a39d437a6b40336b0067.htmlhttps://blog.csdn.net/Jay_Xio/article/details/130456580第三章 第4集摘要——一条评论多种用法一句话总结摘要要按需加约束换约束换视角能提取就别总结还能批量处理。同一条熊猫玩偶评论的三种用法版本约束服务对象① 精简摘要限 30 词通用快速浏览② 定向摘要只讲物流配送电商部门③ 定向摘要只讲价格定价团队加约束 换视角同一份素材约束不同输出服务于不同团队。extract 提取 vs summarize 总结技巧行为适用场景extract 提取照抄原文相关片段不改写要喂给程序、需要原始表述summarize 总结模型自行改写、重新组织给人看、要压缩理解批量处理多条评论可批量处理用 JSON 逐条输出情绪与商品标签直接接入后台管道。来源依据https://adg.csdn.net/6970a39d437a6b40336b0067.htmlhttps://blog.csdn.net/Jay_Xio/article/details/130456580第四章 第5集推理一句话总结用 LLM 从文本中推理出情感、信息、主题——传统 ML 要训模型这里一个 prompt 搞定。传统 ML vs LLM传统机器学习收集标注数据 → 训练模型 → 部署且每个任务单独一套 LLM 一个 Prompt → 一个 API 通吃所有任务开发速度大幅提升把 LLM 想成文本进 → 分析出的分析器。典型任务与 Prompt 写法任务Prompt 写法输出❤️ 情感判断“评论的情感是什么用一个词回答”积极 愤怒检测“评论者是否表达愤怒”true/false 信息提取“提取商品和品牌以 JSON 输出”{“商品”:“卧室灯”,“品牌”:“Lumina”}进阶玩法字段自由扩展是否礼品购买、送达日期、价格等想提什么加什么多任务合一一条 prompt 同时输出情绪类型最多3个是否愤怒商品品牌一个 JSON 搞定主题推断与零样本分类以新闻为例——先识别文中 5 个主题再给定主题清单做零样本分类不给任何训练样本例如命中NASA就自动触发报警通知。来源依据https://deepseek.csdn.net/6a2a21acee063c0dbe28d218.htmlhttps://juejin.cn/post/7306118763023319074https://deepseek.csdn.net/6a2a216aee063c0dbe28d18e.html第五章 第6集转换一句话总结LLM 天然擅长一种形式 → 另一种形式替代了大量正则表达式工作。四类转换任务类型能力演示 翻译指定目标语言、识别未知语言一句翻成法语西语中文JSON同一句给正式/非正式两版还能做通用翻译器——每个用户说母语LLM 统一翻译 语气转换俚语口语 → 正式商务信函 格式转换JSON 餐厅评论 → HTML 表格可直接展示✅ 拼写语法校对错句、检查论文可指定美式/英式、正式/随意风格转换可以串成链查语法 → 转美式英语 → 按指定格式输出多种转换一条流水线完成来源依据https://deepseek.csdn.net/6a2a21acee063c0dbe28d218.htmlhttps://juejin.cn/post/7306118763023319074https://deepseek.csdn.net/6a2a216aee063c0dbe28d18e.html第六章 第7集扩展一句话总结把一组要点/短指令扩成完整邮件、文章并用温度参数控制随机性。✍️案例自动回复客户邮件先判情绪复用第5集推理技 ├─ 积极 → 感谢 └─ 消极 → 道歉并建议联系客服 ▼ 生成时引用评论具体细节语气简洁专业 ▼ 署名AI客服助理透明告知是 AI 很重要 ⚠️️ 温度参数本集核心温度控制模型探索/采样的多样性温度0 ──────── 温度00.7 / 1.0────────► 总选最可能的词 输出更多样、有创意 稳定、可复现 适合写作变体、头脑风暴 → 构建可靠业务应用推荐 ⭐ → 创意发散场景来源依据https://blog.csdn.net/wo1141786653/article/details/158006873https://blog.csdn.net/Jay_Xio/article/details/130460267https://blog.csdn.net/kingsea442/article/details/140800082https://blog.csdn.net/shimly123456/article/details/147563808第七章 第8集聊天格式一句话总结聊天模型的输入是消息列表用 system/user/assistant 三种角色即可构建自定义聊天机器人。三个角色角色作用⚙️ System总体指令设定行为人设用户不可见 User用户发言 Assistant模型回复也可由你代写来铺垫行为关键机制模型无记忆模型本身不记历史每轮都靠重读 messages 列表获得上下文——因此每交互一次就要把新消息追加进 context 列表再发回去。压轴案例OrderBot 披萨店点餐机器人 System写死人设与流程 问候 → 收单 → 问堂食/外带 → 汇总订单 → 输出 JSON 订单摘要 每轮交互新消息自动追加进 context 列表 temperature0.7让对话更自然️ 在线可视化卡片的第8集面板另含「课程全景」总结可访问https://go.tabbit.site/projects/ckAuKAZfrG来源依据https://blog.csdn.net/wo1141786653/article/details/158006873https://blog.csdn.net/Jay_Xio/article/details/130460267https://blog.csdn.net/kingsea442/article/details/140800082https://blog.csdn.net/shimly123456/article/details/147563808 全部来源依据汇总第2-4集指南 / 迭代 / 摘要https://adg.csdn.net/6970a39d437a6b40336b0067.htmlhttps://blog.csdn.net/Jay_Xio/article/details/130456580第5-6集推理 / 转换https://deepseek.csdn.net/6a2a21acee063c0dbe28d218.htmlhttps://juejin.cn/post/7306118763023319074https://deepseek.csdn.net/6a2a216aee063c0dbe28d18e.html第7-8集扩展 / 聊天https://blog.csdn.net/wo1141786653/article/details/158006873https://blog.csdn.net/Jay_Xio/article/details/130460267https://blog.csdn.net/kingsea442/article/details/140800082https://blog.csdn.net/shimly123456/article/details/147563808在线可视化卡片全 9 集https://go.tabbit.site/projects/ckAuKAZfrG 收官至此第 28 集核心笔记齐活 七项能力串成一条线指南定原则 → 迭代出好 prompt → 摘要/推理/转换/扩展覆盖四类文本任务 → 聊天格式把一切组装成机器人。❓ 常见问题FAQQ1提示词工程的核心原则是什么写清晰、具体的指令并给模型留出思考时间。Q2如何写出好的 Prompt不存在万能 Prompt需要通过「看输出 → 定位问题 → 改指令」的迭代流程反复打磨。Q3摘要与提取有什么区别提取extract照抄原文片段适合喂给程序总结summarize由模型改写压缩适合给人看。Q4如何用大模型做文本推理一个 Prompt 即可完成情感判断、愤怒检测、信息提取等任务无需训练模型。Q5温度参数有什么作用温度0 时输出稳定可复现适合业务应用温度0 时输出更多样适合创意发散。Q6如何构建聊天机器人使用 system/user/assistant 三种角色组织消息列表并注意模型本身无记忆需每轮追加上下文。️ 相关推荐提示词工程入门从「写清晰指令」与「给模型思考时间」两大原则开始。Prompt 工程进阶掌握迭代开发循环用「看输出 → 定位问题 → 改指令」打磨提示词。大模型应用开发结合摘要、推理、转换、扩展四类任务构建完整业务链路。ChatGPT 实战用 system/user/assistant 三角色搭建自定义聊天机器人。