Prompt Engineering：让模型输出更稳定

你现在可能会困惑什么

“我写了很长 prompt，为什么效果还是不稳？”

长度不等于质量，结构化和可验证才是关键。

一句话定义

Prompt Engineering 是把任务拆成 role/task/context/constraints/output 的结构化指令。

生活类比

给实习生明确模板和标准，结果会比“自由发挥”稳定得多。

最小可运行例子

Role: Python engineer
Task: 清洗 email 列表
Constraints: 去重、保序、非法项单独返回
Output: JSON(valid, invalid, count)

课堂小测（5 分钟）

1. 把弱 prompt 改成结构化 prompt。
2. 增加异常场景约束。
3. 规定固定输出 schema。

课堂小测参考答案与判分点

• 参考答案方向：能写出可运行代码，并覆盖题目中的核心条件与边界输入。
• 判分点 1（正确性）：主流程结果正确，关键分支可执行。
• 判分点 2（可读性）：变量命名清晰，结构不过度嵌套。
• 判分点 3（健壮性）：对空值、类型错误或异常输入有基础保护。

迁移任务（课后）

完成“订单号提取+脱敏”的 prompt 设计并迭代 2 轮。

本节验收标准

你能独立做到：

• 写结构化 prompt
• 约束输出格式
• 通过迭代提升稳定性

常见报错与调试步骤（新手版）

• 报错看不懂：先读最后一行错误类型（如 TypeError、NameError），再回到对应代码行定位。
• 不确定变量值：在关键位置临时 print(变量, type(变量))，先确认数据是否符合预期。
• 改了代码却没生效：确认文件已保存、运行的是当前文件、终端环境（venv）是否正确。

常见误区

• 误区：prompt 越长越好。
• 正解：重点是结构清晰和可检验。