谷歌《Prompt Engineering 提示词工程白皮书》要点解读：九大提示模式

白皮书的地位

谷歌《Prompt Engineering 提示词工程白皮书》由 Google 团队编写，是提示词工程领域被引用最多的官方文档之一。它不是零散的技巧堆砌，而是一套系统方法：如何把「随缘提问」变成「可复现的工程」。

一、一条好提示的基本结构

白皮书给出的提示结构可以拆成四部分：

• 指令（Instruction）：明确告诉模型要做什么；
• 上下文（Context）：模型完成任务所需的背景信息；
• 输入数据（Input Data）：要处理的具体内容；
• 输出格式（Output Format）：期望的返回形式（JSON、表格、Markdown 等）。

很多人只写「指令」，其余全靠模型猜——这是提示效果不稳定的最大原因。

二、九大提示模式（核心精华）

白皮书重点介绍了一套可组合的提示模式，最常用的包括：

1. 角色模式：给模型设定角色（「你是资深数据分析师」），约束回答视角与专业度；
2. 思维链模式（Chain-of-Thought）：引导模型分步推理（「请一步步思考再作答」），显著提升复杂问题准确率；
3. 少样本模式（Few-shot）：给 2-5 个输入输出示例，模型能立刻模仿出格式与风格；
4. 自我反思模式：让模型先作答、再检查自己的答案（「检查你的回答是否有误」）；
5. 上下文模式：提供必要的背景信息，避免模型「凭空回答」；
6. 格式模式：明确指定输出结构，保证结果可被程序消费；
7. 约束模式：给出明确的限制条件（长度、语气、禁止内容）；
8. 迭代细化模式：先粗后细，多轮逼近最优答案；
9. 组合模式：上述模式自由组合应对复杂任务。

三、常见误区

• 提示过长过杂：无关信息会稀释指令，模型抓不住重点；
• 没有示例：口头描述不如一个真实示例有效；
• 一次只调一个变量：改提示时要控制变量，否则无法定位效果变化原因；
• 忽略输出格式：需要结构化结果时不给格式，后期解析成本高。

四、工程化建议

• 提示模板化：把高频提示固化成模板，参数化变量；
• 版本管理：提示也是代码，要记录版本与效果对比；
• 建立评估集：用固定问题集量化不同提示的效果。

总结

谷歌这份白皮书把提示词从「玄学」变成了「工程」：结构化的输入、可组合的模式、可量化的评估。掌握了这套方法，你和 AI 的协作效率会提升一个档次。

延伸阅读：本站 AI 百科「提示工程」「上下文工程」词条。