提示工程作为职业技能的实战应用
High Contrast
Dark Mode
Light Mode
Sepia
Forest
2 min read451 words

提示工程作为职业技能的实战应用

Prompt Engineering 不是一个独立的职业——它是每个知识工作者都需要掌握的元技能。 好的 prompt 不只是问得好，而是让 AI 真正理解你的意图和语境。

为什么 Prompt 质量差距如此之大

from dataclasses import dataclass
@dataclass
class PromptQualityGap:
"""Prompt质量的真实差距"""
# 同一个任务，不同质量的Prompt
SAME_TASK_DIFFERENT_RESULTS = {
"任务": "为一个马来西亚中小企业写一封开发信",
"初级Prompt": "帮我写一封开发信给中小企业",
"中级Prompt": (
"帮我写一封开发信，目标是马来西亚年营业额500万–3000万令吉的制造业中小企业主。"
"我们提供ERP系统。强调节省人力成本和提升库存可见度。"
"字数300字以内，语气专业但不过于正式。"
),
"高级Prompt": (
"你是一位有15年B2B销售经验的开发信专家。\n\n"
"任务：写一封冷开发信\n"
"目标对象：马来西亚制造业中小企业主（华裔，年营业额500万–3000万令吉）\n"
"产品：ERP系统（主要模块：库存管理、采购、财务整合）\n"
"核心痛点：他们靠Excel管库存，对账困难，年结时出错率高\n"
"诉求重点：节省30%人力时间，减少年结出错\n"
"语气：专业、直接、不夸大\n"
"长度：250–300字\n"
"格式：主题行（3个选项）+ 正文 + CTA（约一个明确下一步行动）\n\n"
"注意：不要用'令人兴奋'、'创新'等陈词滥调。用具体数字支撑说法。"
),
}
gap = PromptQualityGap()
print("同一任务，不同 Prompt 质量对比：\n")
for level, prompt in gap.SAME_TASK_DIFFERENT_RESULTS.items():
if level != "任务":
print(f"{'='*50}")
print(f"【{level}】")
print(prompt[:150] + "..." if len(prompt) > 150 else prompt)
print()

CRAFT Prompt 框架

构建高质量 Prompt 的通用框架：

@dataclass
class CRAFTFramework:
"""
CRAFT Prompt 框架
C - Context（语境）
R - Role（角色）
A - Action（行动指令）
F - Format（格式要求）
T - Tone（语气风格）
"""
FRAMEWORK_BREAKDOWN = {
"C - Context（语境）": {
"作用": "给AI足够的背景信息，让它理解这个任务的真实情况",
"包含": ["你的身份/公司/行业", "任务的目的", "受众是谁", "有什么约束条件"],
"例子": "我在一家马来西亚B2B SaaS公司担任内容营销经理，目标受众是IT决策者",
},
"R - Role（角色）": {
"作用": "让AI扮演合适的专家角色，激活相关知识和表达方式",
"包含": ["专业背景", "经验年数", "专长领域"],
"例子": "你是一位有10年B2B内容营销经验的专家，擅长写给技术购买者看的文章",
},
"A - Action（行动指令）": {
"作用": "明确具体要做什么，越精确越好",
"包含": ["具体任务", "必须包含的要素", "禁忌（不要做什么）"],
"例子": "写一篇1200字的文章，必须包含3个实际案例，不要用'创新'和'赋能'等词汇",
},
"F - Format（格式）": {
"作用": "控制输出结构，避免需要大量重新格式化",
"包含": ["标题格式", "段落长度", "列表vs叙述", "字数范围"],
"例子": "Markdown格式，H2标题，每段不超过4行，包含一个总结表格",
},
"T - Tone（语气）": {
"作用": "让输出风格符合你的品牌或场景需求",
"包含": ["正式程度", "情感温度", "语速节奏", "禁用词汇"],
"例子": "专业但不学术，直接但不强硬，避免过度使用感叹号",
},
}
craft = CRAFTFramework()
for element, details in craft.FRAMEWORK_BREAKDOWN.items():
print(f"\n{element}")
print(f"  作用：{details['作用']}")
print(f"  例子：{details['例子']}")

行业场景实战 Prompt 库

INDUSTRY_PROMPT_TEMPLATES = {
"职场沟通": {
"场景": "写一封向老板提问敏感问题的邮件",
"模板": (
"你是一位职场沟通专家。\n"
"任务：帮我写一封邮件，向我的上司提出[敏感问题：e.g. 调薪/资源不足/流程问题]。\n"
"背景：[简述你和上司的关系、你的职级、公司文化]\n"
"核心诉求：[你希望达到什么结果]\n"
"语气：尊重但有立场，不卑不亢\n"
"长度：200字以内"
),
},
"数据分析报告": {
"场景": "把原始数据转成管理层能看的摘要",
"模板": (
"你是一位数据分析师，擅长把复杂数据变成管理层洞见。\n"
"以下是原始数据：[粘贴数据]\n"
"受众：[高管/部门经理/客户]\n"
"请生成：\n"
"1. 3个关键发现（每个用一句话）\n"
"2. 2个值得关注的异常\n"
"3. 1个明确的建议行动\n"
"格式：Markdown，总长度不超过400字"
),
},
"提案/PPT文字": {
"场景": "把想法变成结构化提案文字",
"模板": (
"你是一位有商业提案经验的顾问。\n"
"我要向[受众]提案[主题]。\n"
"我的核心观点是：[3–5个要点]\n"
"他们最关心的是：[痛点/KPI/顾虑]\n"
"请生成：\n"
"- 开场（吸引注意的问题或数据）\n"
"- 问题定义（他们现在有什么痛点）\n"
"- 解决方案（我的提案）\n"
"- 为什么选我们（差异化）\n"
"- 下一步行动\n"
"每个部分写 2–4 句话"
),
},
"绩效复盘": {
"场景": "写季度/年度绩效自评",
"模板": (
"你是一位职场教练，擅长帮人写有说服力的绩效自评。\n"
"以下是我这个季度完成的工作：[列出主要成果]\n"
"我的职级是：[职级]\n"
"公司使用的绩效框架是：[OKR/KPI/其他]\n"
"请生成一份自评，格式：\n"
"1. 关键成果（量化，STAR格式）\n"
"2. 超出预期的部分\n"
"3. 改进领域（诚实但有框架，不损害形象）\n"
"4. 下季度重点\n"
"语气：自信但谦虚，有数据支撑"
),
},
}
print("=== 职场高频 Prompt 模板库 ===")
for scenario_name, details in INDUSTRY_PROMPT_TEMPLATES.items():
print(f"\n📋 {scenario_name}（场景：{details['场景']}）")
print("  模板结构：")
print(f"  {details['模板'][:200]}...")

Prompt 的进阶技巧

技巧 说明 例子
Chain of Thought 要求 AI 一步步推理，减少错误 "先分析三个方案的优缺点，再给出最终建议"
Few-shot 示例 给 AI 看 1–3 个好例子，让它模仿格式和风格 "参考以下好的邮件示例：[例子]，现在写同风格的…"
负向约束 明确告诉 AI 不要做什么 "不要用'令人兴奋'，不要超过 300 字，不要用第一人称"
分步输出 让 AI 先输出计划，你确认后再展开 "先给我一个大纲，我确认后再写全文"
角色扮演反馈 让 AI 扮演目标受众来审核输出 "现在扮演一个怀疑这个提案的采购总监，提出最可能的 3 个质疑"

本章小结

下一节：用 AI 10 倍提升输出的具体方法