1. 先聊聊为什么要单独研究盘古大模型的提示词工程盘古大模型这个名字圈内做AI应用的人应该都不陌生。华为这套大模型体系从底层芯片到训练框架都是自研的它跟ChatGPT这类国外模型在训练数据、对齐策略、底座能力上都有差异这就导致一个非常现实的问题你在别的模型上跑得好好的提示词模板搬到盘古上未必work。我刚开始接触盘古的时候直接把之前调过的一套GPT风格提示词丢过去结果输出质量明显打折回答风格也不对路这才意识到提示词工程不是一套话术走天下必须针对模型特性做适配。提示词工程Prompt Engineering说白了就是通过设计输入给模型的指令内容让大模型输出更贴近你的预期。它解决的痛点很直接大模型不是搜索引擎不是你问什么它就老老实实答什么它的输出高度依赖你对它的引导方式。同样一个任务指令写得模糊它就给你模糊的回答指令写得清晰、有结构、有约束它就能给你一份可以直接拿去用的结果。这篇笔记适合三类人一是刚接触盘古大模型、想快速上手的开发者二是企业内部做AI落地方案、需要稳定调用大模型能力的工程师三是做AI产品设计、需要把提示词模板沉淀成团队资产的产品经理。我会把自己踩过的坑、验证过的技巧、最终沉淀下来的模板结构都摊开来写供你直接参考复现。2. 盘古大模型提示词工程的整体认知框架2.1 先建立正确认知提示词是在对齐预期不是命令机器我刚做提示词工程的时候犯过一个典型的错误把大模型当成传统软件系统以为指令写得越简短越高效。后来连续试了几个任务发现简短指令的输出质量波动非常大同一个prompt跑三次三次结果差得离谱。原因在于盘古这类大模型本质上是一个概率化的文本生成系统它对指令的理解取决于指令中携带的上下文信息量和约束强度。你给的上下文越充分、约束越明确它的生成空间就越收窄输出自然越稳定。打个生活化的比方你跟一个刚入职的新人交代工作只说把这份报告处理一下他大概率会懵不知道该按什么格式、该重点突出什么、该输出成什么样子。但如果你说把这份报告里的核心指标提取出来按表格格式输出只保留最近三个月的趋势数据最后给出结论建议他就能干得跟老员工一样利索。提示词工程干的就是这件事把你脑子里的完整需求翻译成大模型能精确理解的工作说明书。另外要特别注意一点提示词工程不是一次性的它是一个持续迭代的过程。我见过很多团队把prompt写一版就上线出问题就靠模型随机抽奖这是完全不健康的做法。合适的做法是像做代码一样管理提示词——每次修改都记录版本、标注变更原因、保留回归测试样本这样你的提示词质量才能稳步上升。2.2 盘古大模型的特性差异为什么不能照搬其他模型的提示词我在实践中总结出盘古大模型在提示词适配上有几个明显的特点这些差异直接决定了你写提示词时的策略第一盘古对中文语境的理解深度明显优于英文。这跟它的训练语料分布有关所以如果你的业务场景是中文内容处理盘古是很好的选择但反过来如果你的提示词是用英文写的输出质量和中文写的有可见差距。我建议一律用中文写提示词哪怕只是内部测试也优先中文。第二盘古对结构化指令的格式敏感度较高。它更适应逻辑清晰的指令排列比如先做什么、再做什么、最后输出什么这种带顺序的指令它执行起来比一句混在一起的长段落更稳定。第三盘古在长上下文场景下的召回能力需要主动引导。如果你给它一段很长的背景材料直接问问题它有概率忽略材料中关键细节但如果你在提示词里明确说请优先参考背景材料中的第X部分效果会好很多。这些差异说起来简单但在实际调优过程中非常关键。我后面讲的所有技巧本质上都是围绕盘古更擅长什么、不擅长什么来设计的。2.3 提示词工程的完整流程设计-验证-迭代-沉淀在做盘古提示词实践的这段时间里我沉淀出一套可复用的工作流总共四步第一步是需求拆解。把业务需求翻译成模型任务明确你到底要让模型做什么——是分类、抽取、生成、改写还是问答这一步决定你后续prompt的结构。第二步是初版设计。按角色的设定、任务指令、输入数据、输出格式、约束条件五个要素来搭建提示词结构这一步我会在下一节详细展开。第三步是验证评估。准备一组覆盖典型场景的测试用例让模型逐个跑看输出是否满足预期记录失败案例。第四步是迭代优化。针对失败案例调整提示词表述、补充示例、收紧约束改完后重新跑测试用例验证。这套流程看起来不复杂但坚持做下来的人很少。很多人写prompt是感觉不对就重写一版完全没有测试基准和版本记录这样调出来的prompt最终只能靠运气。我更推荐像管理代码一样管理prompt每个版本存一份测试集不变改一处跑一遍全量回归这样你才能清楚地知道哪次修改带来了真正的提升。3. 提示词结构化设计的核心技巧五个要素逐个拆解3.1 角色设定让模型进入正确的工作状态角色设定是提示词里投入产出比最高的一个要素。一个合理的角色设定能让模型的输出风格、用词习惯、思考角度瞬间切换到对应的模式。我实测下来的体感是给盘古设定角色前后的输出质量差异比我想象的大得多。比如你要做一份产品分析报告如果提示词直接写帮我分析一下这个产品模型输出的内容会比较泛什么都说一点但什么都不深入。但如果你写你是一名有十年经验的产品战略分析师请从市场定位、用户需求、竞争格局、商业模式四个维度分析以下产品模型的输出就会明显更有框架感、用词更专业、分析更聚焦。在设定角色时我总结了一个原则角色描述不要太虚要包含领域经验层级分析视角。光说你是产品分析师是不够的加上有十年经验和从市场定位、用户需求、竞争格局、商业模式四个维度这种约束模型的输出才真正有质量。角色设定相当于给模型一个身份锚点它后续的整个生成过程都会被这个锚点牵引。3.2 任务指令把做什么说清楚把怎么做说透任务指令是整个提示词的核心。写任务指令最常见的坑有两个一是任务太笼统二是任务指令里混入了太多无关信息。我一般推荐用动词开头宾语补充条件的句式。比如提取这份合同中的付款条款、违约责任和争议解决方式三项关键信息并分别用简洁的一句话概括这个指令比帮我看看合同里有什么重要内容靠谱得多。关键信息、概括方式、输出范围全都在指令里限定了。还有一个细节任务指令尽量放在输入数据之前。很多新手爱把提示词写成以下是某合同全文请你提取关键信息合同内容……这其实削弱了指令的权重。更合适的结构是先给出任务指令再交代输入数据来源再贴数据让模型先理解要执行什么任务再去读数据它的处理逻辑会更清晰。3.3 约束条件用边界限定减少自由发挥约束条件是控制输出质量稳定性的关键。大模型在没有约束的情况下倾向于生成看起来合理但未必可用的内容你必须在提示词里明确定义边界。我常用的约束手段有这么几类格式约束用表格输出每项不超过50字用JSON格式返回内容范围约束只基于提供的数据回答不要补充外部信息不要涉及与问题无关的内容负面约束不要输出空话套话不要编造不存在的条款不要输出分析步骤直接给结论数量约束最多列出5条只提取最近一条约束条件的写法要注意一个平衡约束太少模型自由发挥空间大输出飘约束太多模型可能被指令束缚输出变得僵硬、机械。我的经验是优先用正面约束说清楚要什么再用少量负面约束堵住常见问题点。一上来就写一堆不要这样、不要那样模型容易糊涂反而影响执行效果。3.4 示例引导给一个样板胜过解释一百句如果你希望模型输出的格式、风格、结构符合某种特定预期最有效的方式不是文字描述而是直接给一个示例。这本质上是利用了大模型的上下文学习能力你在提示词里给它一个标准答案它就会朝着这个方向模仿。举例来说你要让模型做观点摘要文字描述写用简洁的语言概括观点提炼核心论点模型给出的结果可能五花八门。但如果你在提示词里附上一条示例输入我认为远程办公降低了团队沟通效率但也提升了员工的时间自主性。 输出观点摘要远程办公提高了员工自主性但降低了团队沟通效率。模型就会明白你要的是这种先结论、后结构的精简摘要风格而不是一段完整的叙述。经过我多次实测带示例的prompt在输出格式稳定性上比纯文字描述高出很多这个技巧值得每个做盘古提示词工程的人熟练掌握。3.5 输出格式设定让结果可解析、可复用如果你调用盘古不只是给人看还要接入业务系统做下游处理那输出格式设计就不能忽略。我在实际项目中强烈推荐在提示词里显式声明输出格式尤其是让模型输出JSON时一定要给出完整的JSON结构示例。比如你让模型做合同关键信息抽取输出格式可以这样设定{ 付款条款: , 违约责任: , 争议解决方式: }然后把这段JSON结构直接放进提示词里。盘古看到具体结构后输出的结果基本能保证字段名一致、格式可解析。如果只写输出JSON格式模型有可能把字段名改了、嵌套层级乱了你在下游解析时就得写一堆容错代码成本非常高。关于输出格式我还有一个经验如果业务系统要稳定解析最好在提示词末尾重复一遍严格按照上述JSON结构输出不要添加任何额外文字。这个最后强调动作看起来多余实测下来能显著减少模型输出前言后语的情况。4. 盘古提示词工程实操从需求分析到稳定输出的完整链路4.1 场景选择与需求拆解先想清楚让模型做什么理论技巧说到底还是要落到具体场景里。我拿一个实际做过的项目来拆解——用盘古大模型做电商评论分析。这个场景很典型既有文本抽取、又有情感判断、还有结构化输出覆盖了提示词工程的大部分核心知识点。需求拆解环节我先问自己三个问题第一这个任务涉及几个子任务第二每个子任务的输入是什么、输出是什么第三输出的质量标准是什么电商评论分析拆完后是这样的任务一是从评论中抽取商品属性如屏幕电池手感任务二是判断每个属性的情感倾向正、中、负任务三是对负面评价生成简短的改进建议。三个子任务有先后关系输入都是同一条评论输出是一个结构化结果。拆解完需求我才开始设计提示词。很多新手跳过需求拆解直接写prompt写到一半发现任务边界不清改来改去浪费时间。先拆需求再写提示词看起来多了一步实际省的时间远超成本。4.2 初版提示词编写完整示例与设计思路基于上面的需求拆解我写出的初版提示词是这样你是一名电商产品分析专家。以下是用户对某商品的评论请完成以下三个任务 任务一从评论中抽取提到的商品属性词汇如屏幕电池手感物流等。 任务二判断每个属性的情感倾向只输出正面/中性/负面三种结果。 任务三对情感倾向为负面的属性输出一条不超过20字的改进建议。 请严格按照以下JSON格式输出不要添加任何额外文字 { 属性: [属性1, 属性2], 情感: {属性1: 正面/中性/负面}, 改进建议: {属性1: 建议内容} } 评论内容 手机屏幕很清晰但电池掉电太快了一天两充手感倒是挺舒服的。这个提示词的结构是角色设定电商产品分析专家→任务拆解三个明确的子任务→输出约束严格JSON格式→输入数据评论内容。每条指令都对应一个明确的执行预期模型拿到这个提示词后完成度会高很多。实测下来这个初版提示词已经能完成大部分评论的分析但我也发现了一些问题比如模型有时候把物流识别为属性哪怕评论里根本没提物流这是模型基于训练先验脑补出来的。针对这类问题我在后续迭代中增加了创作出的约束条件只抽取评论中明确提到的属性禁止补充评论中未出现的词汇。4.3 测试集构建与回归验证用数据说话才能持续优化提示词写完了不能直接上线先构建测试集做验证。我构建了50条真实评论作为测试集覆盖了不同商品品类、不同情感倾向、不同长度、不同口语化程度的评论。每次调整提示词都用这50条数据跑一遍回归统计三件事属性抽取的准确率、情感判断的正确率、输出格式的可解析率。这里我要特别强调测试集固化的重要性。没有固定测试集你改了一版prompt感觉好像好了一些但根本说不清好在哪。有了固定测试集和指标统计每次改动都能量化评估优化方向自然就清晰了。我建议做提示词工程的团队都建一个这样的回归测试集哪怕先搞30条也远胜于没有。第一版提示词跑完回归后我看指标的统计数据发现情感判断正确率大约在82%格式可解析率95%属性抽取准确率只有76%主要误差来源就是模型脑补评论中不存在的属性。根据这个数据我做了一次针对性迭代在提示词里加入了限制条件并且增加了一条示例把模型聪明的脑补行为约束住。4.4 迭代优化实录一次真实的提示词调优过程迭代的过程我完整记录下来说明问题。第二次修改的提示词加了两处一是在任务一后面追加了只抽取评论中明确提到的属性禁止补充评论中未出现的词汇二是在任务描述后面给了一条示例作为引导。改完后重跑50条测试集属性抽取准确率从76%升到了89%情感判断正确率稳定在88%格式可解析率到了98%。这个提升说明一个道理提示词优化的空间确实很大但前提是你知道问题出在哪。如果我没有测试集只看两条输出就下结论差不多行了那这个提升永远发现不了。第三轮迭代时我发现一个更隐蔽的问题有些评论包含了卖家服务态度好这类跟商品本身无关的内容但我的提示词只要求抽取商品属性模型会把服务也抽取进来导致下游分析时商品维度和服务维度混在一起。于是我在提示词里加了一个维度限定仅抽取商品本身的属性不包括服务、物流、包装等非商品维度。这一轮改完准确率达到了94%。三轮回合下来提示词从初版变成了接近终版的形态每次改动都有明确的问题指向和验证数据支持。整个过程恰好印证了我前面强调的工作流设计、验证、迭代、沉淀一步都不能少。4.5 场景扩展提示词工程在更多业务场景中的落地方式电商评论分析只是其中一个场景。我在盘古大模型的实践中还跑过几个不同类型的任务这里简单列几个供你参考文本分类场景比如工单智能分类。提示词设定你是工单处理专家请将以下工单分类为账号问题、支付问题、技术故障、咨询建议四类之一输出类别名称和置信度评分。内容生成场景比如营销文案生成。提示词设定你是资深电商文案策划请根据以下商品卖点生成三版不同风格的商品详情页文案每版不超过100字分别侧重性价比、品质感、差异化。信息抽取场景比如发票信息录入。提示词设定你是一名财务票据录入员请从以下发票图片文字识别结果中提取开票日期、发票号码、金额、商品名称四个字段按JSON格式输出。这些场景的共同点是都有明确的结构化输出需求都靠角色设定引导方向都用约束条件控制输出边界。你只要掌握了五个要素的组合方法任何文本处理类任务都能套用这个思路快速上手。5. 常见问题与排查技巧实录5.1 问题一输出不稳定同一提示词多次执行结果差异大我刚开始调盘古提示词时遇到最烦人的问题是输出不稳定。同一个提示词跑五次三次结果可接受两次结果跑偏。排查下来主要有三个原因第一是提示词约束过弱。模型生成空间太大每次采样都在不同方向上游走输出自然不稳定。解决办法是增加约束条件尤其是数量约束和格式约束收窄生成空间。第二是输入数据过长。评论输入超过模型的有效处理长度后模型对关键信息的关注度会下降输出随机性增加。解决办法是预处理输入数据先截取关键段落再让模型处理。第三是温度参数设置过高。如果你调用的是API可以调低温度参数盘古API一般支持配置温度越低输出越稳定代价是创造性降低。这三项排查下来基本能解决80%的输出不稳定问题。5.2 问题二模型一本正经地胡说八道幻觉问题如何处理幻觉问题在任何大模型上都存在盘古也不例外。它会在你不知道的地方编造不存在的细节尤其是涉及数字、人名、条款、金额时特别容易出现幻觉。我在合同信息抽取项目中遇到一个典型案例合同里明明没写违约金条款模型却根据训练先验补全了一条违约金比例这个比例完全不存在差点造成业务误判。针对这个问题的解法我总结了三层防护第一层是提示词约束只根据提供的材料内容回答如果材料中未提及相关信息请明确输出未提及禁止编造或推测。这一句话就能显著降低幻觉概率。第二层是对输出做规则校验比如金额、日期这类字段可以用正则表达式和数据字典校验合法性。第三层是对关键信息设置人工复核环节涉及重大金额和条款的内容不依赖模型一次性输出安排人工确认。5.3 问题三输出格式不符合预期解析失败怎么办格式解析失败是调用大模型做业务系统时最让人头疼的问题之一。模型输出了一堆JSON但字段名变了、多了引号前言、嵌套层级错了下游代码直接崩。我的排查思路是先从提示词层面解决。核心手段是把输出格式的约束写在任务指令之后、输入数据之前同时给出一个完整的JSON结构示例。这一步能让格式可解析率从70%左右提升到95%以上。第二步是做好降级方案即解析失败时自动重试一次重试时在提示词末尾追加强调严格按照上述格式输出。如果连续两次都失败则记录原始输出到日志方便人工排查。在项目里我还会做一个轻量级后处理正则替换掉模型可能加的json标记和首尾空行提高解析容错率。这套组合拳下来格式解析基本就不太会成为卡点。5.4 问题四提示词越来越长效果却在退化提示词不是越长越好。我把提示词从100字加到500字的过程中发现输出质量有一个先升后降的曲线。原因在于模型对指令的关注是有限的冗长的提示词会让核心指令被淹没在大量背景信息里。解决这个问题的方法是学会做减法。每一版prompt写完都问自己三个问题这句话对约束输出有实际作用吗去掉它结果会明显变差吗这句话是不是可以用一个更精确的词替代我的经验是一段prompt里保留角色设定、任务指令、输入位置、输出格式、必要约束五件事就足够了其他修饰性描述能省则省。5.5 常见问题速查表我在实践中把高频问题整理成了一个排查表分享出来可以直接对照使用问题现象可能原因首选排查手段输出内容发散、不聚焦约束条件不足增加数量、范围、负面约束同一输入多次输出差异大温度参数偏高/约束过弱调低温度参数、收紧指令模型编造不存在的信息推理脑补增加禁止编造、未提及就写未提及约束输出格式解析失败格式约束不明确提示词中显式给出JSON结构示例对长文本关键信息漏抓上下文过长预处理切片提示词引导优先看某部分提示词过长导致效果退化指令被淹没精简提示词只保留核心要素中文任务输出夹杂英文语言指令不强增加全程使用中文回答约束这张表我建议贴在你写提示词的工作区旁边遇到输出问题先对照排查比从头到尾读一遍prompt逐个猜效率高得多。6. 把提示词工程当成一项长期资产来经营6.1 提示词版本管理像管理代码一样管理prompt提示词工程做到后期最大的痛点不是写不出好prompt而是改坏了不知道回退到哪一版。我在项目中吃过大亏精心调了一个月的prompt集被一次不谨慎的批量修改全部破坏回退无门只能凭记忆重写浪费了两天时间。从那以后我开始用版本管理的思路处置提示词。每次改动前先存一份快照命名规则是场景名_版本号_日期比如评论分析_v3_20250115。改动说明也同步记录这次改了什么、解决什么问题、测试集指标变化。这样即使改坏了也能快速回退到上一个稳定版本不至于推倒重来。如果你的团队有多个人同时维护提示词建议把prompt存到支持协作的地方用类似代码评审的方式合并修改。这个习惯刚开始会觉得啰嗦但它能让提示词资产从个人经验变成团队资产价值完全不同。6.2 提示词模板化把可复用的模式沉淀成工具当一个场景的提示词调通之后我建议顺手做模板化改造把可变的输入部分和固定的逻辑部分分离。比如评论分析场景固定部分是角色设定、任务拆解、格式约束可变部分是商品类型、评论内容、情感分类维度。把固定部分做成模板可变部分用参数填充这样换一个商品品类、换一批评论只需要换参数就能跑不需要重新设计提示词。我在实际项目里就把评论分析模板用在了手机、家电、美妆三个品类的评论数据分析上五分钟就能切换一个品类效率提升非常明显。产品经理拿着这套模板去验证新场景需求几乎不用开发介入就能输出初步结论。6.3 与模型协作的正确心态做了几个月盘古大模型的提示词工程我最大的体会是不要把这个过程理解成驾驭模型而是理解成与模型协作。提示词不是命令是一种沟通方式。你需要像一个优秀的项目经理把需求描述清楚、把边界划定明白、把验收标准讲透模型才能发挥出它的能力上限。在这个过程中失败是常态迭代是主旋律。我第一次做评论分析任务时花了整整两天才把准确率从76%提到94%。但积累下来的不只是那一条调好的prompt而是一整套方法论如何拆需求、如何设计提示词结构、如何构建测试集、如何做回归验证。这套方法论才是提示词工程最核心的资产换一个场景、换一种模型它都能复用。根据我个人经验判断一条提示词是否调好的标准很简单连续跑十次输出结果的一致性够不够高格式能不能稳定解析关键内容有没有明显错误如果这三个问题的答案都让人满意那这条提示词就可以交付了。至于要不要继续优化到99%以上的准确率取决于业务需要不必追求一刀切的完美。 
长河君 · 2026/10/10 21:00:18 · 阅读 1.2k 盘古大模型提示词工程实战：从结构化设计到稳定输出
1. 先聊聊为什么要单独研究盘古大模型的提示词工程盘古大模型这个名字圈内做AI应用的人应该都不陌生。华为这套大模型体系从底层芯片到训练框架都是自研的它跟ChatGPT这类国外模型在训练数据、对齐策略、底座能力上都有差异这就导致一个非常现实的问题你在别的模型上跑得好好的提示词模板搬到盘古上未必work。我刚开始接触盘古的时候直接把之前调过的一套GPT风格提示词丢过去结果输出质量明显打折回答风格也不对路这才意识到提示词工程不是一套话术走天下必须针对模型特性做适配。提示词工程Prompt Engineering说白了就是通过设计输入给模型的指令内容让大模型输出更贴近你的预期。它解决的痛点很直接大模型不是搜索引擎不是你问什么它就老老实实答什么它的输出高度依赖你对它的引导方式。同样一个任务指令写得模糊它就给你模糊的回答指令写得清晰、有结构、有约束它就能给你一份可以直接拿去用的结果。这篇笔记适合三类人一是刚接触盘古大模型、想快速上手的开发者二是企业内部做AI落地方案、需要稳定调用大模型能力的工程师三是做AI产品设计、需要把提示词模板沉淀成团队资产的产品经理。我会把自己踩过的坑、验证过的技巧、最终沉淀下来的模板结构都摊开来写供你直接参考复现。2. 盘古大模型提示词工程的整体认知框架2.1 先建立正确认知提示词是在对齐预期不是命令机器我刚做提示词工程的时候犯过一个典型的错误把大模型当成传统软件系统以为指令写得越简短越高效。后来连续试了几个任务发现简短指令的输出质量波动非常大同一个prompt跑三次三次结果差得离谱。原因在于盘古这类大模型本质上是一个概率化的文本生成系统它对指令的理解取决于指令中携带的上下文信息量和约束强度。你给的上下文越充分、约束越明确它的生成空间就越收窄输出自然越稳定。打个生活化的比方你跟一个刚入职的新人交代工作只说把这份报告处理一下他大概率会懵不知道该按什么格式、该重点突出什么、该输出成什么样子。但如果你说把这份报告里的核心指标提取出来按表格格式输出只保留最近三个月的趋势数据最后给出结论建议他就能干得跟老员工一样利索。提示词工程干的就是这件事把你脑子里的完整需求翻译成大模型能精确理解的工作说明书。另外要特别注意一点提示词工程不是一次性的它是一个持续迭代的过程。我见过很多团队把prompt写一版就上线出问题就靠模型随机抽奖这是完全不健康的做法。合适的做法是像做代码一样管理提示词——每次修改都记录版本、标注变更原因、保留回归测试样本这样你的提示词质量才能稳步上升。2.2 盘古大模型的特性差异为什么不能照搬其他模型的提示词我在实践中总结出盘古大模型在提示词适配上有几个明显的特点这些差异直接决定了你写提示词时的策略第一盘古对中文语境的理解深度明显优于英文。这跟它的训练语料分布有关所以如果你的业务场景是中文内容处理盘古是很好的选择但反过来如果你的提示词是用英文写的输出质量和中文写的有可见差距。我建议一律用中文写提示词哪怕只是内部测试也优先中文。第二盘古对结构化指令的格式敏感度较高。它更适应逻辑清晰的指令排列比如先做什么、再做什么、最后输出什么这种带顺序的指令它执行起来比一句混在一起的长段落更稳定。第三盘古在长上下文场景下的召回能力需要主动引导。如果你给它一段很长的背景材料直接问问题它有概率忽略材料中关键细节但如果你在提示词里明确说请优先参考背景材料中的第X部分效果会好很多。这些差异说起来简单但在实际调优过程中非常关键。我后面讲的所有技巧本质上都是围绕盘古更擅长什么、不擅长什么来设计的。2.3 提示词工程的完整流程设计-验证-迭代-沉淀在做盘古提示词实践的这段时间里我沉淀出一套可复用的工作流总共四步第一步是需求拆解。把业务需求翻译成模型任务明确你到底要让模型做什么——是分类、抽取、生成、改写还是问答这一步决定你后续prompt的结构。第二步是初版设计。按角色的设定、任务指令、输入数据、输出格式、约束条件五个要素来搭建提示词结构这一步我会在下一节详细展开。第三步是验证评估。准备一组覆盖典型场景的测试用例让模型逐个跑看输出是否满足预期记录失败案例。第四步是迭代优化。针对失败案例调整提示词表述、补充示例、收紧约束改完后重新跑测试用例验证。这套流程看起来不复杂但坚持做下来的人很少。很多人写prompt是感觉不对就重写一版完全没有测试基准和版本记录这样调出来的prompt最终只能靠运气。我更推荐像管理代码一样管理prompt每个版本存一份测试集不变改一处跑一遍全量回归这样你才能清楚地知道哪次修改带来了真正的提升。3. 提示词结构化设计的核心技巧五个要素逐个拆解3.1 角色设定让模型进入正确的工作状态角色设定是提示词里投入产出比最高的一个要素。一个合理的角色设定能让模型的输出风格、用词习惯、思考角度瞬间切换到对应的模式。我实测下来的体感是给盘古设定角色前后的输出质量差异比我想象的大得多。比如你要做一份产品分析报告如果提示词直接写帮我分析一下这个产品模型输出的内容会比较泛什么都说一点但什么都不深入。但如果你写你是一名有十年经验的产品战略分析师请从市场定位、用户需求、竞争格局、商业模式四个维度分析以下产品模型的输出就会明显更有框架感、用词更专业、分析更聚焦。在设定角色时我总结了一个原则角色描述不要太虚要包含领域经验层级分析视角。光说你是产品分析师是不够的加上有十年经验和从市场定位、用户需求、竞争格局、商业模式四个维度这种约束模型的输出才真正有质量。角色设定相当于给模型一个身份锚点它后续的整个生成过程都会被这个锚点牵引。3.2 任务指令把做什么说清楚把怎么做说透任务指令是整个提示词的核心。写任务指令最常见的坑有两个一是任务太笼统二是任务指令里混入了太多无关信息。我一般推荐用动词开头宾语补充条件的句式。比如提取这份合同中的付款条款、违约责任和争议解决方式三项关键信息并分别用简洁的一句话概括这个指令比帮我看看合同里有什么重要内容靠谱得多。关键信息、概括方式、输出范围全都在指令里限定了。还有一个细节任务指令尽量放在输入数据之前。很多新手爱把提示词写成以下是某合同全文请你提取关键信息合同内容……这其实削弱了指令的权重。更合适的结构是先给出任务指令再交代输入数据来源再贴数据让模型先理解要执行什么任务再去读数据它的处理逻辑会更清晰。3.3 约束条件用边界限定减少自由发挥约束条件是控制输出质量稳定性的关键。大模型在没有约束的情况下倾向于生成看起来合理但未必可用的内容你必须在提示词里明确定义边界。我常用的约束手段有这么几类格式约束用表格输出每项不超过50字用JSON格式返回内容范围约束只基于提供的数据回答不要补充外部信息不要涉及与问题无关的内容负面约束不要输出空话套话不要编造不存在的条款不要输出分析步骤直接给结论数量约束最多列出5条只提取最近一条约束条件的写法要注意一个平衡约束太少模型自由发挥空间大输出飘约束太多模型可能被指令束缚输出变得僵硬、机械。我的经验是优先用正面约束说清楚要什么再用少量负面约束堵住常见问题点。一上来就写一堆不要这样、不要那样模型容易糊涂反而影响执行效果。3.4 示例引导给一个样板胜过解释一百句如果你希望模型输出的格式、风格、结构符合某种特定预期最有效的方式不是文字描述而是直接给一个示例。这本质上是利用了大模型的上下文学习能力你在提示词里给它一个标准答案它就会朝着这个方向模仿。举例来说你要让模型做观点摘要文字描述写用简洁的语言概括观点提炼核心论点模型给出的结果可能五花八门。但如果你在提示词里附上一条示例输入我认为远程办公降低了团队沟通效率但也提升了员工的时间自主性。 输出观点摘要远程办公提高了员工自主性但降低了团队沟通效率。模型就会明白你要的是这种先结论、后结构的精简摘要风格而不是一段完整的叙述。经过我多次实测带示例的prompt在输出格式稳定性上比纯文字描述高出很多这个技巧值得每个做盘古提示词工程的人熟练掌握。3.5 输出格式设定让结果可解析、可复用如果你调用盘古不只是给人看还要接入业务系统做下游处理那输出格式设计就不能忽略。我在实际项目中强烈推荐在提示词里显式声明输出格式尤其是让模型输出JSON时一定要给出完整的JSON结构示例。比如你让模型做合同关键信息抽取输出格式可以这样设定{ 付款条款: , 违约责任: , 争议解决方式: }然后把这段JSON结构直接放进提示词里。盘古看到具体结构后输出的结果基本能保证字段名一致、格式可解析。如果只写输出JSON格式模型有可能把字段名改了、嵌套层级乱了你在下游解析时就得写一堆容错代码成本非常高。关于输出格式我还有一个经验如果业务系统要稳定解析最好在提示词末尾重复一遍严格按照上述JSON结构输出不要添加任何额外文字。这个最后强调动作看起来多余实测下来能显著减少模型输出前言后语的情况。4. 盘古提示词工程实操从需求分析到稳定输出的完整链路4.1 场景选择与需求拆解先想清楚让模型做什么理论技巧说到底还是要落到具体场景里。我拿一个实际做过的项目来拆解——用盘古大模型做电商评论分析。这个场景很典型既有文本抽取、又有情感判断、还有结构化输出覆盖了提示词工程的大部分核心知识点。需求拆解环节我先问自己三个问题第一这个任务涉及几个子任务第二每个子任务的输入是什么、输出是什么第三输出的质量标准是什么电商评论分析拆完后是这样的任务一是从评论中抽取商品属性如屏幕电池手感任务二是判断每个属性的情感倾向正、中、负任务三是对负面评价生成简短的改进建议。三个子任务有先后关系输入都是同一条评论输出是一个结构化结果。拆解完需求我才开始设计提示词。很多新手跳过需求拆解直接写prompt写到一半发现任务边界不清改来改去浪费时间。先拆需求再写提示词看起来多了一步实际省的时间远超成本。4.2 初版提示词编写完整示例与设计思路基于上面的需求拆解我写出的初版提示词是这样你是一名电商产品分析专家。以下是用户对某商品的评论请完成以下三个任务 任务一从评论中抽取提到的商品属性词汇如屏幕电池手感物流等。 任务二判断每个属性的情感倾向只输出正面/中性/负面三种结果。 任务三对情感倾向为负面的属性输出一条不超过20字的改进建议。 请严格按照以下JSON格式输出不要添加任何额外文字 { 属性: [属性1, 属性2], 情感: {属性1: 正面/中性/负面}, 改进建议: {属性1: 建议内容} } 评论内容 手机屏幕很清晰但电池掉电太快了一天两充手感倒是挺舒服的。这个提示词的结构是角色设定电商产品分析专家→任务拆解三个明确的子任务→输出约束严格JSON格式→输入数据评论内容。每条指令都对应一个明确的执行预期模型拿到这个提示词后完成度会高很多。实测下来这个初版提示词已经能完成大部分评论的分析但我也发现了一些问题比如模型有时候把物流识别为属性哪怕评论里根本没提物流这是模型基于训练先验脑补出来的。针对这类问题我在后续迭代中增加了创作出的约束条件只抽取评论中明确提到的属性禁止补充评论中未出现的词汇。4.3 测试集构建与回归验证用数据说话才能持续优化提示词写完了不能直接上线先构建测试集做验证。我构建了50条真实评论作为测试集覆盖了不同商品品类、不同情感倾向、不同长度、不同口语化程度的评论。每次调整提示词都用这50条数据跑一遍回归统计三件事属性抽取的准确率、情感判断的正确率、输出格式的可解析率。这里我要特别强调测试集固化的重要性。没有固定测试集你改了一版prompt感觉好像好了一些但根本说不清好在哪。有了固定测试集和指标统计每次改动都能量化评估优化方向自然就清晰了。我建议做提示词工程的团队都建一个这样的回归测试集哪怕先搞30条也远胜于没有。第一版提示词跑完回归后我看指标的统计数据发现情感判断正确率大约在82%格式可解析率95%属性抽取准确率只有76%主要误差来源就是模型脑补评论中不存在的属性。根据这个数据我做了一次针对性迭代在提示词里加入了限制条件并且增加了一条示例把模型聪明的脑补行为约束住。4.4 迭代优化实录一次真实的提示词调优过程迭代的过程我完整记录下来说明问题。第二次修改的提示词加了两处一是在任务一后面追加了只抽取评论中明确提到的属性禁止补充评论中未出现的词汇二是在任务描述后面给了一条示例作为引导。改完后重跑50条测试集属性抽取准确率从76%升到了89%情感判断正确率稳定在88%格式可解析率到了98%。这个提升说明一个道理提示词优化的空间确实很大但前提是你知道问题出在哪。如果我没有测试集只看两条输出就下结论差不多行了那这个提升永远发现不了。第三轮迭代时我发现一个更隐蔽的问题有些评论包含了卖家服务态度好这类跟商品本身无关的内容但我的提示词只要求抽取商品属性模型会把服务也抽取进来导致下游分析时商品维度和服务维度混在一起。于是我在提示词里加了一个维度限定仅抽取商品本身的属性不包括服务、物流、包装等非商品维度。这一轮改完准确率达到了94%。三轮回合下来提示词从初版变成了接近终版的形态每次改动都有明确的问题指向和验证数据支持。整个过程恰好印证了我前面强调的工作流设计、验证、迭代、沉淀一步都不能少。4.5 场景扩展提示词工程在更多业务场景中的落地方式电商评论分析只是其中一个场景。我在盘古大模型的实践中还跑过几个不同类型的任务这里简单列几个供你参考文本分类场景比如工单智能分类。提示词设定你是工单处理专家请将以下工单分类为账号问题、支付问题、技术故障、咨询建议四类之一输出类别名称和置信度评分。内容生成场景比如营销文案生成。提示词设定你是资深电商文案策划请根据以下商品卖点生成三版不同风格的商品详情页文案每版不超过100字分别侧重性价比、品质感、差异化。信息抽取场景比如发票信息录入。提示词设定你是一名财务票据录入员请从以下发票图片文字识别结果中提取开票日期、发票号码、金额、商品名称四个字段按JSON格式输出。这些场景的共同点是都有明确的结构化输出需求都靠角色设定引导方向都用约束条件控制输出边界。你只要掌握了五个要素的组合方法任何文本处理类任务都能套用这个思路快速上手。5. 常见问题与排查技巧实录5.1 问题一输出不稳定同一提示词多次执行结果差异大我刚开始调盘古提示词时遇到最烦人的问题是输出不稳定。同一个提示词跑五次三次结果可接受两次结果跑偏。排查下来主要有三个原因第一是提示词约束过弱。模型生成空间太大每次采样都在不同方向上游走输出自然不稳定。解决办法是增加约束条件尤其是数量约束和格式约束收窄生成空间。第二是输入数据过长。评论输入超过模型的有效处理长度后模型对关键信息的关注度会下降输出随机性增加。解决办法是预处理输入数据先截取关键段落再让模型处理。第三是温度参数设置过高。如果你调用的是API可以调低温度参数盘古API一般支持配置温度越低输出越稳定代价是创造性降低。这三项排查下来基本能解决80%的输出不稳定问题。5.2 问题二模型一本正经地胡说八道幻觉问题如何处理幻觉问题在任何大模型上都存在盘古也不例外。它会在你不知道的地方编造不存在的细节尤其是涉及数字、人名、条款、金额时特别容易出现幻觉。我在合同信息抽取项目中遇到一个典型案例合同里明明没写违约金条款模型却根据训练先验补全了一条违约金比例这个比例完全不存在差点造成业务误判。针对这个问题的解法我总结了三层防护第一层是提示词约束只根据提供的材料内容回答如果材料中未提及相关信息请明确输出未提及禁止编造或推测。这一句话就能显著降低幻觉概率。第二层是对输出做规则校验比如金额、日期这类字段可以用正则表达式和数据字典校验合法性。第三层是对关键信息设置人工复核环节涉及重大金额和条款的内容不依赖模型一次性输出安排人工确认。5.3 问题三输出格式不符合预期解析失败怎么办格式解析失败是调用大模型做业务系统时最让人头疼的问题之一。模型输出了一堆JSON但字段名变了、多了引号前言、嵌套层级错了下游代码直接崩。我的排查思路是先从提示词层面解决。核心手段是把输出格式的约束写在任务指令之后、输入数据之前同时给出一个完整的JSON结构示例。这一步能让格式可解析率从70%左右提升到95%以上。第二步是做好降级方案即解析失败时自动重试一次重试时在提示词末尾追加强调严格按照上述格式输出。如果连续两次都失败则记录原始输出到日志方便人工排查。在项目里我还会做一个轻量级后处理正则替换掉模型可能加的json标记和首尾空行提高解析容错率。这套组合拳下来格式解析基本就不太会成为卡点。5.4 问题四提示词越来越长效果却在退化提示词不是越长越好。我把提示词从100字加到500字的过程中发现输出质量有一个先升后降的曲线。原因在于模型对指令的关注是有限的冗长的提示词会让核心指令被淹没在大量背景信息里。解决这个问题的方法是学会做减法。每一版prompt写完都问自己三个问题这句话对约束输出有实际作用吗去掉它结果会明显变差吗这句话是不是可以用一个更精确的词替代我的经验是一段prompt里保留角色设定、任务指令、输入位置、输出格式、必要约束五件事就足够了其他修饰性描述能省则省。5.5 常见问题速查表我在实践中把高频问题整理成了一个排查表分享出来可以直接对照使用问题现象可能原因首选排查手段输出内容发散、不聚焦约束条件不足增加数量、范围、负面约束同一输入多次输出差异大温度参数偏高/约束过弱调低温度参数、收紧指令模型编造不存在的信息推理脑补增加禁止编造、未提及就写未提及约束输出格式解析失败格式约束不明确提示词中显式给出JSON结构示例对长文本关键信息漏抓上下文过长预处理切片提示词引导优先看某部分提示词过长导致效果退化指令被淹没精简提示词只保留核心要素中文任务输出夹杂英文语言指令不强增加全程使用中文回答约束这张表我建议贴在你写提示词的工作区旁边遇到输出问题先对照排查比从头到尾读一遍prompt逐个猜效率高得多。6. 把提示词工程当成一项长期资产来经营6.1 提示词版本管理像管理代码一样管理prompt提示词工程做到后期最大的痛点不是写不出好prompt而是改坏了不知道回退到哪一版。我在项目中吃过大亏精心调了一个月的prompt集被一次不谨慎的批量修改全部破坏回退无门只能凭记忆重写浪费了两天时间。从那以后我开始用版本管理的思路处置提示词。每次改动前先存一份快照命名规则是场景名_版本号_日期比如评论分析_v3_20250115。改动说明也同步记录这次改了什么、解决什么问题、测试集指标变化。这样即使改坏了也能快速回退到上一个稳定版本不至于推倒重来。如果你的团队有多个人同时维护提示词建议把prompt存到支持协作的地方用类似代码评审的方式合并修改。这个习惯刚开始会觉得啰嗦但它能让提示词资产从个人经验变成团队资产价值完全不同。6.2 提示词模板化把可复用的模式沉淀成工具当一个场景的提示词调通之后我建议顺手做模板化改造把可变的输入部分和固定的逻辑部分分离。比如评论分析场景固定部分是角色设定、任务拆解、格式约束可变部分是商品类型、评论内容、情感分类维度。把固定部分做成模板可变部分用参数填充这样换一个商品品类、换一批评论只需要换参数就能跑不需要重新设计提示词。我在实际项目里就把评论分析模板用在了手机、家电、美妆三个品类的评论数据分析上五分钟就能切换一个品类效率提升非常明显。产品经理拿着这套模板去验证新场景需求几乎不用开发介入就能输出初步结论。6.3 与模型协作的正确心态做了几个月盘古大模型的提示词工程我最大的体会是不要把这个过程理解成驾驭模型而是理解成与模型协作。提示词不是命令是一种沟通方式。你需要像一个优秀的项目经理把需求描述清楚、把边界划定明白、把验收标准讲透模型才能发挥出它的能力上限。在这个过程中失败是常态迭代是主旋律。我第一次做评论分析任务时花了整整两天才把准确率从76%提到94%。但积累下来的不只是那一条调好的prompt而是一整套方法论如何拆需求、如何设计提示词结构、如何构建测试集、如何做回归验证。这套方法论才是提示词工程最核心的资产换一个场景、换一种模型它都能复用。根据我个人经验判断一条提示词是否调好的标准很简单连续跑十次输出结果的一致性够不够高格式能不能稳定解析关键内容有没有明显错误如果这三个问题的答案都让人满意那这条提示词就可以交付了。至于要不要继续优化到99%以上的准确率取决于业务需要不必追求一刀切的完美。